iT邦幫忙

self-driving相關文章
共有 30 則文章
鐵人賽 AI & Data DAY 12
當自動駕駛遇見AI 系列 第 12

技術 Day12-當自動駕駛遇見AI-索伯算子(Sobel Operator)

前言 索伯算子是圖像處理中先前介紹Canny邊緣檢測算法的核心。索伯算子索伯算子最早是由美國計算機科學家艾爾文·索伯及蓋瑞·費德曼於1968年在史丹佛大學的人工...

鐵人賽 AI & Data DAY 5
當自動駕駛遇見AI 系列 第 5

技術 Day5-當自動駕駛遇見AI-Project1: Finding Lane Lines(1)

前言 在此專案中,您將使用在課程中學到的工具來識別道路上的車道線。 您可以在一系列個別的圖像上利用pipeline,然後將結果應用於影片串流(實際上是一連串一圖...

鐵人賽 AI & Data DAY 28
當自動駕駛遇見AI 系列 第 28

技術 Day28-當自動駕駛遇見AI- TensorFlow Dropout

前言 Dropout 方法可以解决 overfitting(過度學習,過度擬合),以下介紹TensorFlow Dropout技術。 說明 Dropout是一種...

鐵人賽 AI & Data DAY 10
當自動駕駛遇見AI 系列 第 10

技術 Day10-當自動駕駛遇見AI-視角轉換(Perspective Transform)

目的 視角轉換使用不同視角將給定圖像中的點映射到不同的期望的圖像點。 其中一種視角轉換是鳥瞰視角轉換,讓我們從上方觀察一條車道; 這對於稍後計算車道曲率非常有用...

鐵人賽 AI & Data DAY 6
當自動駕駛遇見AI 系列 第 6

技術 Day6-當自動駕駛遇見AI-Project1: Finding Lane Lines(2)

前言 這部份接續專案後續程式建立 pipeline及測試圖檔、影片之成果 內容 測試圖檔及pipeline程式說明如下:[1] Test Images imp...

鐵人賽 Big Data DAY 7

技術 OpenSoure自動駕駛車Self-Driving Car實做專案之一:Udacity開放課程,有錢繳學費還不一定能參加;跟Nvidia、Google、雙B工程師實作,堪稱真正精實鐵人

人家一般宅宅玩美少女養成,我們宅宅2.0當然要煉不一樣的養成道路,挑戰真正的玩意兒能去接送你心中的女神(如果她願意上車...我是說真的改裝車嘿) 像這樣,今年的...

鐵人賽 AI & Data DAY 8
當自動駕駛遇見AI 系列 第 8

技術 Day8-當自動駕駛遇見AI-失真校正(Correcting for Distortion)

前言 此部份可以進行相機校準和失真校正工作 內容 這個過程有兩個主要步驟:使用棋盤圖像獲取圖像點和對象點,然後使用OpenCV函數cv2.calibrateCa...

鐵人賽 AI & Data DAY 13
當自動駕駛遇見AI 系列 第 13

技術 Day13-當自動駕駛遇見AI- 顏色門檻值(Color Thresholding)

前言 色彩的處理是在車道辨識重要的的一環,在此要介紹相關色彩的技術。 RGB說明 色彩空間是一種特定的色彩組織; 顏色空間提供了一種對顏色進行分類並在數字圖像中...

鐵人賽 Big Data DAY 7

技術 OpenSoure自動駕駛車Self-Driving Car實做專案之一:Udacity開放課程,有錢繳學費還不一定能參加;跟Nvidia、Google、雙B工程師實作,堪稱真正精實鐵人

(!!! 這篇是重複了,請參見同日前一篇為準。這篇是因前一篇發文送出後,發生頁面重新導向錯誤且無回應,再重新按發文送出而重複。現在不知能不能刪、刪了會不會變成喪...

鐵人賽 AI & Data DAY 30
當自動駕駛遇見AI 系列 第 30

技術 Day30-當自動駕駛遇見AI- 最大池化器( MaxPooling)

前言 本篇文章說明TensorFlow-最大池化器( MaxPooling)之原理 說明 如下圖,用一個 2x2 的矩陣來掃過輸入 (stride = 2),然...

鐵人賽 自我挑戰組 DAY 22
當運輸遇見IOT 系列 第 22

技術 Day22-當運輸遇見IOT- 自動駕駛(Self-Driving) & IOT

前言   IC Insights[1]針對車用電子市場發表研究報告,2021 年全球車用電子銷售額將從 2016 年的 229 億美元膨脹至 429 億美元,而...

鐵人賽 AI & Data DAY 9
當自動駕駛遇見AI 系列 第 9

技術 Day9-當自動駕駛遇見AI-計算車道曲率(Calculating Lane Curvature)

目的 實際上車道線並非直線,可能是彎曲的曲線 說明 自動駕駛汽車需要被告知正確的轉向角度,左轉或右轉。 如果您了解汽車的速度和動力以及車道彎曲的程度,您可以計算...

鐵人賽 AI & Data DAY 18
當自動駕駛遇見AI 系列 第 18

技術 Day18-當自動駕駛遇見AI- 梯度下降法(Gradient Descent Algorithm)

前言 梯度下降法(Gradient Descent Algorithm)是一個一階最佳化算法,通常也稱為最速下降法。 要使用梯度下降法找到一個函數的局部極小值,...

鐵人賽 AI & Data DAY 7
當自動駕駛遇見AI 系列 第 7

技術 Day7-當自動駕駛遇見AI-Project1: Finding Lane Lines(3)-writeup

前言 針對Project1- Finding Lane Lines這個項目,提供專案實作說明,包括以下三個部分:1.程式實作描述2.可能缺點3.建議可能的改進...

鐵人賽 AI & Data DAY 29
當自動駕駛遇見AI 系列 第 29

技術 Day29-當自動駕駛遇見AI-TensorFlow Convolution Layer

前言 卷積神經網絡(Convolutional Neural Network)簡稱CNN,CNN是所有深度學習模型(Model)之一,CNN在影像識別方面的威力...

鐵人賽 AI & Data DAY 15
當自動駕駛遇見AI 系列 第 15

技術 Day15-當自動駕駛遇見AI- 測量曲率(Measuring Curvature)

前言 目前至今可以得到以一個多項式來描述車道線,提供有門檻值圖像,估計哪些像素屬於左右車道線(如下圖以紅色和藍色顯示),接著,我們將計算符合車道線之曲率半徑。...

鐵人賽 Big Data DAY 5

技術 18禁的大人玩具要來談分級,真車自動駕駛分等級:自動駕駛不等於無人駕駛,不等於無人車自主駕駛

18禁的大人玩具要來談分級,真車自動駕駛分等級:自動駕駛不等於無人駕駛,不等於無人車 美國車輛產業界方面把自動分成六個級數, 0: 完全不具自動化1: 駕駛輔助...

鐵人賽 AI & Data DAY 20
當自動駕駛遇見AI 系列 第 20

技術 Day20-當自動駕駛遇見AI- Project2: Advanced Lane Finding(2)

前言 使用棋盤圖像計算相機校準 實作說明 import numpy as np import cv2 import glob import matplotlib...

鐵人賽 AI & Data DAY 27
當自動駕駛遇見AI 系列 第 27

技術 Day27-當自動駕駛遇見AI- 2層神經網絡(2-Layer Neural Network)

前言 在本課程中,將學習如何使用TensorFlow構建多層神經網絡。 將隱藏層添加到網絡允許它模擬更複雜的功能。 此外,在隱藏層上使用非線性激活功能可以模擬非...

鐵人賽 AI & Data DAY 25
當自動駕駛遇見AI 系列 第 25

技術 Day25-當自動駕駛遇見AI- Tensorflow

前言 TensorFlow由Google創建的開源深度學習庫,可將您的神經網絡知識應用於真實數據集,包括自動駕駛所需之數據集。 TensorFlow安裝說明 安...

鐵人賽 AI & Data DAY 22
當自動駕駛遇見AI 系列 第 22

技術 Day22-當自動駕駛遇見AI- Project2: Advanced Lane Finding(4)

前言 進行視角轉換工作 實作說明[1] 視角轉換函數 def unwarp(img, src, dst): h,w = img.shape[:2]...

鐵人賽 AI & Data DAY 17
當自動駕駛遇見AI 系列 第 17

技術 Day17-當自動駕駛遇見AI-反向傳播演算法(Backpropagation)

前言 反向傳播是「誤差反向傳播」的簡稱,是一種與最優化方法結合使用的,用來訓練人工神經網絡的常見方法。該方法對網絡中所有權重計算損失函數的梯度。這個梯度會反饋給...

鐵人賽 AI & Data DAY 16
當自動駕駛遇見AI 系列 第 16

技術 Day16-當自動駕駛遇見AI- 多類别分類(Multi-class classification)

前言 線性廻歸有助於預測連續光譜的值,例如預測房屋的價格。如何在離散類之間對數據進行分類?以下是分類任務的例子:確定患者是否患有癌症識別魚的種類弄清楚誰在談電話...

鐵人賽 AI & Data DAY 21
當自動駕駛遇見AI 系列 第 21

技術 Day21-當自動駕駛遇見AI- Project2: Advanced Lane Finding(3)

前言 針對影像進行不失真處理(Undistort Image) 實作 不失真處理(Undistort Image) exampleImg_undistort =...

鐵人賽 AI & Data DAY 23
當自動駕駛遇見AI 系列 第 23

技術 Day23-當自動駕駛遇見AI- Project2: Advanced Lane Finding(5)

前言 執行索伯算子過濾 實作 Sobel Absolute Threshold # Define a function that applies Sobel x...

鐵人賽 AI & Data DAY 26
當自動駕駛遇見AI 系列 第 26

技術 Day26-當自動駕駛遇見AI- TensorFlow-Training Your Logistic Classifier

前言 進行training Logistic Classifier 說明 Linear Function 讓我們推導函數y = Wx + b。 我們想將輸入x轉...

鐵人賽 AI & Data DAY 24
當自動駕駛遇見AI 系列 第 24

技術 Day24-當自動駕駛遇見AI-Project2-Advanced-Lane-Lines(6)

前言 進行HLS過濾工作 說明 HLS S-Channel Threshold # Define a function that thresholds the...

鐵人賽 AI & Data DAY 19
當自動駕駛遇見AI 系列 第 19

技術 Day19-當自動駕駛遇見AI- Project2: Advanced Lane Finding(1)

前言 在此專案中,目標是編寫一個軟件管道來識別視頻中的通道邊界,專案成果希望是創建的主要輸出或產品是項目的詳細說明。 執行流程 本專案的目標及執行流程如下:1....