├── README.md ├── docs ├── A_Star_Algorithm.md ├── AutoWare源码解析——twist_filter节点.md ├── AutoWare源码解析之lane_rule.md ├── Autoware节点源码分析之lane_select .md ├── CMakeList_learn.md ├── IMU_TX2.md ├── IMU__ndt_matching.md ├── autoware_overview.md ├── autoware源码解读(三)pure persuit.md ├── autoware源码解读(二)_ndt_matching.md ├── car_architecture.md ├── gitlearn.md ├── how-to-config-vscode-for-ROS.md ├── how-to-use-GDB-in-ROS.md ├── how-to-use-rqt-in-ROS.md ├── joint_pixel_pointcloud.md ├── knowledge-tips.md ├── knowledge-tips2.md ├── knowledge-tips3.md ├── lattice_velocity_set.md ├── lidar-camera-calibration.md ├── local_planner.md ├── opencv-copy-image.md ├── opencv-data-type.md ├── pcd.md ├── sale_car.md ├── thread_learn.md ├── 无人车动作规划算法和控制技术.md └── 点云障碍物检测.md ├── lib ├── Git.md └── pics │ ├── 011f3ef6-d824-4d43-8b2c-36dab8eaaa72-1.png │ ├── 014fbc4d-d873-4a12-b160-867ddaed9807.jpg │ ├── 0157d362-98dd-4e51-ac26-00ecb76beb3e.png │ ├── 026d3cb4-67f7-4a83-884d-8032f57ec446.png │ ├── 02986f62-c641-44a8-a55f-983581490e0c.png │ ├── 036c0e07-0725-4b3c-a684-ab3b16ca7b86.png │ ├── 037c3a0b-332d-434d-a374-f343ef72c8e1.jpg │ ├── 03f47940-3843-4b51-9e42-5dcaff44858b.jpg │ ├── 042cf928-3c8e-4815-ae9c-f2780202c68f.png │ ├── 04f41228-375d-4b7d-bfef-738c5a7c8f07.jpg │ ├── 051e436c-0e46-4c59-8f67-52d89d656182.png │ ├── 05907ab4-42c5-4b5e-9388-6617f6c97bea.jpg │ ├── 061c29ce-e2ed-425a-911e-56fbba1efce3.jpg │ ├── 061c88c1-572f-424f-b580-9cbce903a3fe.png │ ├── 0635cbe8.png │ ├── 06976908-98ab-46e9-a632-f0c2760ec46c.png │ ├── 075e1977-7846-4928-96c8-bb5b0268693c.jpg │ ├── 07717718-1230-4347-aa18-2041c315e670.jpg │ ├── 07903a31-0fb3-45fc-86f5-26f0b28fa4e7.png │ ├── 08427d38-8df1-49a1-8990-e0ce5ee36ca2.png │ ├── 0889c0b4-07b4-45fc-873c-e0e16b97f67d.png │ ├── 08f32fd3-f736-4a67-81ca-295b2a7972f2.jpg │ ├── 09b52bcb-88ba-4e36-8244-b375f16ad116.jpg │ ├── 09e6e8d4-4d83-4949-b908-6d6b4c2fd064.png │ ├── 0a9f4125-b6ab-4e94-a807-fd7070ae726a.png │ ├── 0aaf4630-d2a2-4783-b3f7-a2b6a7dfc01b.jpg │ ├── 0b587744-c0a8-46f2-8d72-e8f070d67b4b.jpg │ ├── 0c55e11c-d3ce-4cd8-b139-028aea6f40e3.png │ ├── 0df5d84c-e7ca-4e3a-a688-bb8e68894467.png │ ├── 0e34263d-7287-4ffe-a716-37c53d1a2526.png │ ├── 0ea37ee2-c224-4c79-b895-e131c6805c40.png │ ├── 0ee0f61b-c782-441e-bf34-665650198ae0.jpg │ ├── 0f373947-c68f-45b4-a59e-086154745ac5.png │ ├── 0f6f92e8-f15e-4c09-8562-b9c6114df9ce.png │ ├── 0f754c1d-b5cb-48cd-90e0-4a86034290a1.png │ ├── 10.gif │ ├── 107a6a2b-f15b-4cad-bced-b7fb95258c9c.png │ ├── 10bdf7bf-0daa-4a26-b927-f142b3f8e72b.png │ ├── 10f5e35b-1c71-4717-9e80-47f259702642.jpg │ ├── 11.gif │ ├── 111521118015898.gif │ ├── 111521118445538.gif │ ├── 111521118483039.gif │ ├── 111521118640738.gif │ ├── 111521119203347.gif │ ├── 111521119368714.gif │ ├── 11236498-1417-46ce-a1b0-e10054256955.png │ ├── 1164a71f-413d-494a-9cc8-679fb6a2613d.jpg │ ├── 1202b2d6-9469-4251-bd47-ca6034fb6116.png │ ├── 123bdf81-1ef5-48a9-a08c-2db97057b4d2.png │ ├── 12f958ee-ea02-481a-86ae-acc24934ad80.png │ ├── 137c593d-0a9e-47b8-a9e6-b71f540b82dd.png │ ├── 13b0940e-d1d7-4b17-af4f-b70cb0a75e08.png │ ├── 1492928105791_3.png │ ├── 1492928416812_4.png │ ├── 1492929000361_5.png │ ├── 1492929444818_6.png │ ├── 1492929553651_7.png │ ├── 1492930243286_8.png │ ├── 14cfe8d4-e31b-49e0-ac6a-6f4f7aa06ab6.png │ ├── 15313ed8-a520-4799-a300-2b6b36be314f.jpg │ ├── 1556770b-8c01-4681-af10-46f1df69202c.jpg │ ├── 1582217a-ed46-4cac-811e-90d13a65163b.png │ ├── 15b45dc6-27aa-4519-9194-f4acfa2b077f.jpg │ ├── 168e893c-e4a0-4ba4-b81f-9d993483abd0.jpg │ ├── 16eea7d2-f5f5-4180-93be-dba7d4e48f5d.png │ ├── 17976404-95f5-480e-9cb4-250e6aa1d55f.png │ ├── 1818e141-8700-4026-99f7-900a545875f5.png │ ├── 185b9c49-4c13-4241-a848-fbff85c03a64.png │ ├── 1a231f2a-5c2f-4231-8e0f-915aa5894347.jpg │ ├── 1a2f2998-d0da-41c8-8222-1fd95083a66b.png │ ├── 1a851e90-0d5c-4d4f-ac54-34c20ecfb903.jpg │ ├── 1a9977e4-2f5c-49a6-aec9-f3027c9f46a7.png │ ├── 1ab49e39-012b-4383-8284-26570987e3c4.jpg │ ├── 1b7f180e-7fee-4eaf-8ebb-164b68ae2b29.png │ ├── 1be8b4b0-cc7a-44d7-9c77-85be37b76f7d.png │ ├── 1bea398f-17a7-4f67-a90b-9e2d243eaa9a.png │ ├── 1bfa3118-f3cd-4480-a950-cf6d646015db.png │ ├── 1c4e8185-8153-46b6-bd5a-288b15feeae6.png │ ├── 1ca52246-c443-48ae-b1f8-1cafc09ec75c.png │ ├── 1e74234e-d70b-411c-9333-226bcbb9c8f0.png │ ├── 1ee5f0a5-b8df-43b9-95ab-c516c54ec797.jpg │ ├── 1f039a45-6b91-4f31-a2c2-6c63eb8bdb56.png │ ├── 1f080e53-4758-406c-bb5f-dbedf89b63ce.jpg │ ├── 1f4a7f10-52b2-4bd7-a67d-a9581d66dc62.jpg │ ├── 1fc969e4-0e7c-441b-b53c-01950d2f2be5.png │ ├── 20150928140509757.png │ ├── 2017-06-11-ca.png │ ├── 2017511e-22f0-4d74-873d-1261b71cf5a4.png │ ├── 2018-05-29-15275543393037.jpg │ ├── 2018040302.jpg │ ├── 207c1801-2335-4b1b-b65c-126a0ba966cb.png │ ├── 21041ec2-babb-483f-bf47-8b8148eec162.png │ ├── 211c60d4-75ca-4acd-8a4f-171458ed58b4.jpg │ ├── 220790c6-4377-4a2e-8686-58398afc8a18.png │ ├── 22de0538-7c6e-4365-bd3b-8ce3c5900216.png │ ├── 22fda4ae-4dd5-489d-ab10-9ebfdad22ae0.jpg │ ├── 23ba890e-e11c-45e2-a20c-64d217f83430.png │ ├── 245fd2fb-209c-4ad5-bc5e-eb5664966a0e.jpg │ ├── 249f3bb1-feee-4805-a259-a72699d638ca.jpg │ ├── 25d6d3d4-4726-47b1-a9cb-3316d1ff5dd5.png │ ├── 265a355d-aead-48aa-b455-f33b62fe729f.png │ ├── 2719067e-b299-4639-9065-bed6729dbf0b.png │ ├── 271ce08f-c124-475f-b490-be44fedc6d2e.png │ ├── 2766d04f-7dad-42e4-99d1-60682c9d5c61.jpg │ ├── 276c31df-3b28-4ac2-b006-1e80fc86a64f.jpg │ ├── 278fe431-af88-4a95-a895-9c3b80117de3.jpg │ ├── 27cd6f0c-f581-45da-b8c9-fed026830560.png │ ├── 27ff9548-edb6-4465-92c8-7e6386e0b185.png │ ├── 280f7728-594f-4811-a03a-fa8d32c013da.png │ ├── 2858f8ad-aedb-45a5-a706-e98c96d690fa.jpg │ ├── 2861e923-4862-4526-881c-15529279d49c.png │ ├── 28ab96b4-82ea-4d99-99fb-b320f60d0a58.png │ ├── 292b4a35-4507-4256-84ff-c218f108ee31.jpg │ ├── 293d2af9-de1d-403e-bed0-85d029383528.png │ ├── 2991c772-fb1c-4051-a9c7-932b68e76bd7.jpg │ ├── 2_14_microkernelArchitecture.jpg │ ├── 2a842a14-e4ab-4f37-83fa-f82c206fe426.png │ ├── 2a8e1442-2381-4439-a83f-0312c8678b1f.png │ ├── 2ac50b81-d92a-4401-b9ec-f2113ecc3076.png │ ├── 2ad244f5-939c-49fa-9385-69bc688677ab.jpg │ ├── 2bcc58ad-bf7f-485c-89b5-e7cafc211ce2.jpg │ ├── 2bf2fd8f-5ade-48ba-a2b3-74195ac77c4b.png │ ├── 2c437953-08b1-47b9-a780-7dfdc90a3b6f.png │ ├── 2c4556e4-0751-4377-ab08-e7b89d697ca7.png │ ├── 2c8a7a87-1bf1-4d66-9ba9-225a1add0a51.png │ ├── 2d09a847-b854-439c-9198-b29c65810944.png │ ├── 2e6c72f5-3b8e-4e32-b87b-9491322628fe.png │ ├── 2f237854-bb35-4c57-a7fe-ab2ab144f56e.jpg │ ├── 30210b86-472d-4574-abb6-b74898cc17a4.jpg │ ├── 3086c248-b552-499e-b101-9cffe5c2773e.png │ ├── 31d99967-1171-448e-8531-bccf5c14cffe.jpg │ ├── 323ffd6c-8b54-4f3e-b361-555a6c8bf218.png │ ├── 32b8374a-e822-4720-af0b-c0f485095ea2.jpg │ ├── 33ac2b23-cb85-4e99-bc41-b7b7199fad1c.png │ ├── 348bc2db-582e-4aca-9f88-38c40e9a0e69.png │ ├── 35650b4b-efa1-49ba-9680-19837027cfc9.png │ ├── 3646544a-cb57-451d-9e03-d3c4f5e4434a.png │ ├── 37a72755-4890-4b42-9eab-b0084e0c54d9.png │ ├── 37e79a32-95a9-4503-bdb1-159527e628b8.png │ ├── 386cd64f-7a9d-40e6-8c55-22b90ee2d258.png │ ├── 390c913b-5f31-444f-bbdb-2b88b688e7ce.jpg │ ├── 3939369b-3a4a-48a0-b9eb-3efae26dd400.png │ ├── 395a9e83-b1a1-4a1d-b170-d081e7bb5bab.png │ ├── 396be981-3f2c-4fd9-8101-dbf9c841504b.jpg │ ├── 39ccb299-ee99-4dd1-b8b4-2f9ec9495cb4.png │ ├── 3b0d1aa8-d0e0-46c2-8fd1-736bf08a11aa.jpg │ ├── 3b49dd67-2c40-4b81-8ad2-7bbb1fe2fcbd.png │ ├── 3ca58a41-8794-49c1-992e-de5d579a50d1.png │ ├── 3cd630ea-017c-488d-ad1d-732b4efeddf5.png │ ├── 3d5b828e-5c4d-48d8-a440-281e4a8e1c92.png │ ├── 3f5bba4b-7813-4aea-b578-970c7e3f6bf3.jpg │ ├── 3fb5b255-b791-45b6-8754-325c8741855a.png │ ├── 3fdfc89d-719e-4d93-b518-29fa612b3b18.png │ ├── 3ff4f00a-2321-48fd-95f4-ce6001332151.png │ ├── 41026c79-dfc1-40f7-85ae-062910fd272b.png │ ├── 41392d76-dd1d-4712-85d9-e8bb46b04a2d.png │ ├── 420f4dc0-6c4b-486c-afea-274299014462.png │ ├── 423f2a40-bee1-488e-b460-8e76c48ee560.png │ ├── 426df589-6f97-4622-b74d-4a81fcb1da8e.png │ ├── 43f2cafa-3568-4a89-a895-4725666b94a6.png │ ├── 44e4a7ab-215c-41a1-8e34-f55f6c09e517.jpg │ ├── 44edefb7-4b58-4519-b8ee-4aca01697b78.jpg │ ├── 450px-HTTP_persistent_connection.svg.png │ ├── 4583e24f-424b-4d50-8a14-2c38a1827d4a.png │ ├── 45e0e0bf-386d-4280-a341-a0b9496c7674.png │ ├── 4628274c-25b6-4053-97cf-d1239b44c43d.png │ ├── 46cec213-3048-4a80-aded-fdd577542801.jpg │ ├── 46f66e88-e65a-4ad0-a060-3c63fe22947c.png │ ├── 47358f87-bc4c-496f-9a90-8d696de94cee.png │ ├── 47d98583-8bb0-45cc-812d-47eefa0a4a40.jpg │ ├── 485fdf34-ccf8-4185-97c6-17374ee719a0.png │ ├── 4885d0bc-1441-460f-bd75-a2088aa7f2d4.png │ ├── 48a934ff-a29b-434c-8e1d-8c8ec20cb91d.png │ ├── 48f8f98e-8dfd-450d-8b5b-df4688f0d377.jpg │ ├── 49495c95-52e5-4c9a-b27b-92cf235ff5ec.png │ ├── 49d6de7b-0d0d-425c-9e49-a1559dc23b10.png │ ├── 49e53613-46f8-4308-9ee5-c09d62367577.png │ ├── 4bb7ed45-ec14-4d31-9da4-94024d9d3b05.png │ ├── 4cf711a8-7ab2-4152-b85c-d5c226733807.png │ ├── 4d741402-344d-4b7c-be01-e57184bcad0e.png │ ├── 4d930e22-f493-49ae-8dff-ea21cd6895dc.png │ ├── 4dc08713-f6fe-424c-a24c-ad5a993a941d.png │ ├── 4e2485e4-34bd-4967-9f02-0c093b797aaa.png │ ├── 4e760981-a0c5-4dbf-9fbf-ce963e0629fb.png │ ├── 4f48e806-f90b-4c09-a55f-ac0cd641c047.png │ ├── 4fc032e0-ac6f-4b42-9182-ee104a25e7a1.png │ ├── 4ff355cf-9a7f-4468-af43-e5b02038facc.jpg │ ├── 50831a6f-2777-46ea-a571-29f23c85cc21.jpg │ ├── 50d38e84-238f-4081-8876-14ef6d7938b5.jpg │ ├── 5158bc2f-83a6-4351-817e-c9b07f955d76.png │ ├── 518f16f2-a9f7-499a-98e1-f1dbb37b5a9a.png │ ├── 51e2ed95-65b8-4ae9-8af3-65602d452a25.jpg │ ├── 51fb761d-8ce0-4472-92ff-2f227ac7888a.png │ ├── 5292faa6-0141-4638-bf0f-bb95b081dcba.jpg │ ├── 52e1af6f-3a7a-4bee-aa8f-fcb5dacebe40.jpg │ ├── 5341d726-ffde-4d2a-a000-46597bcc9c5a.png │ ├── 5359cbf5-5a79-4874-9b17-f23c53c2cb80.jpg │ ├── 536c6dfd-305a-4b95-b12c-28ca5e8aa043.png │ ├── 53cd9ade-b0a6-4399-b4de-7f1fbd06cdfb.png │ ├── 540631a4-6018-40a5-aed7-081e2eeeaeea.png │ ├── 54cb3f21-485b-4159-8bf5-dcde1c4d4c36.png │ ├── 54f1e052-0596-4b5e-833c-e80d75bf3f9b.png │ ├── 55dc4e84-573d-4c13-a765-52ed1dd251f9.png │ ├── 562f2844-d77c-40e0-887a-28a7128abd42.png │ ├── 58e57a21-6b6b-40b6-af85-956dd4e0f55a.jpg │ ├── 5930aeb8-847d-4e9f-a168-9334d7dec744.png │ ├── 5942debd-fc00-477a-b390-7c5692cc8070.jpg │ ├── 5999e5de-7c16-4b52-b3aa-6dc7b58c7894.png │ ├── 5aa82b89-f266-44da-887d-18f31f01d8ef.png │ ├── 5aac64d3-2c7b-4f32-9e9a-1df2186f588b.png │ ├── 5acf7550-86c5-4c5b-b912-8ce70ef9c34e.png │ ├── 5b910141-08b6-442d-a4bc-a1608458c636.png │ ├── 5c638d59-d4ae-4ba4-ad44-80bdc30f38dd.jpg │ ├── 5d4a5181-65fb-4bf2-a9c6-899cab534b44.png │ ├── 5e8d3c04-d93b-48a7-875e-41ababed00e0.jpg │ ├── 5e9b10f3-9504-4483-9667-d4770adebf9f.png │ ├── 5ed71283-a070-4b21-85ae-f2cbfd6ba6e1.jpg │ ├── 5f5ef0b6-98ea-497c-a007-f6c55288eab1.png │ ├── 5f96e565-0693-47df-80f1-29e4271057b7.png │ ├── 600e9c75-5033-4dad-ae2b-930957db638e.png │ ├── 600px-Sharedmem.jpg │ ├── 6019b2db-bc3e-4408-b6d8-96025f4481d6.png │ ├── 61942711-45a0-4e11-bbc9-434e31436f33.png │ ├── 62e0dd4f-44c3-43ee-bb6e-fedb9e068519.png │ ├── 62e77997-6957-4b68-8d12-bfd609bb2c68.jpg │ ├── 63010737-2cb4-48f3-999f-09194481b227.png │ ├── 63c2909f-0c5f-496f-9fe5-ee9176b31aba.jpg │ ├── 63cd5b50-d6d8-4df6-8912-ef4a1dd5ba13.jpg │ ├── 6539b9a4-2b24-4d10-8c94-2eb5aba1e296.png │ ├── 654acfed-a6a5-4fc7-8f40-3fdcae57bae8.jpg │ ├── 658fc5e7-79c0-4247-9445-d69bf194c539.png │ ├── 66192382-558b-4b05-a35d-ac4a2b1a9811.jpg │ ├── 66402828-fb2b-418f-83f6-82153491bcfe.jpg │ ├── 6675d713-8b59-4067-ad16-fdd538d4bb43.png │ ├── 6729baa0-57d7-4817-b3aa-518cbccf824c.jpg │ ├── 67bf5487-c45d-49b6-b9c0-a058d8c68902.png │ ├── 685a692f-8f76-4cac-baac-b68e2df9a30f.jpg │ ├── 68778c1b-15ab-4826-99c0-3b4fd38cb9e9.png │ ├── 688dacfe-1057-412f-b3a1-86abb5b0f914.png │ ├── 68b110b9-76c6-4ee2-b541-4145e65adb3e.jpg │ ├── 691f11eb-31a7-46be-9de1-61f433c4b3c7.png │ ├── 699b4f96-d63f-46ea-a581-2b3d95eceb6a.jpg │ ├── 69f16984-a66f-4288-82e4-79b4aa43e835.jpg │ ├── 6c0f4afb-20ab-49fd-837d-8144f4e38bfd.png │ ├── 6f4abf41-3728-4a6b-9b94-85eed7ca8163.png │ ├── 7.gif │ ├── 7048a730-a2d0-43d1-99ce-f774e4ef1b27.png │ ├── 70fa1f83-dae7-456d-b94b-ce28963b2ba1.png │ ├── 71363383-2d06-4c63-8b72-c01c2186707d.png │ ├── 71f61bc3-582d-4c27-8bdd-dc7fb135bf8f.png │ ├── 7299afd2-9114-44e6-9d5e-4025d0b2a541.png │ ├── 72f0ff69-138d-4e54-b7ac-ebe025d978dc.png │ ├── 72fe492e-f1cb-4cfc-92f8-412fb3ae6fec.png │ ├── 73b73189-9e95-47e5-91d0-9378b8462e15.png │ ├── 766aedd0-1b00-4065-aa2b-7d31138df84f.png │ ├── 766d401b-3cf6-475c-8ced-ea8c8db8edc5.png │ ├── 76a25fc8-a579-4d7c-974b-7640b57fbf39.jpg │ ├── 76a49594323247f21c9b3a69945445ee.png │ ├── 76b48b4c-8999-4967-893b-832602e73285.png │ ├── 76dc7769-1aac-4888-9bea-064f1caa8e77.jpg │ ├── 7779232-1e8ed39548081a1f.png │ ├── 7779232-96822582feb08651.png │ ├── 77931a4b-72ba-4016-827d-84b9a6845a51.png │ ├── 77f81379-3987-4036-8d7c-93a4dcf7b05d.jpg │ ├── 79076335-cfae-4fe6-97b9-62e8eebbf2b9.png │ ├── 794239e3-4baf-4aad-92df-f02f59b2a6fe.png │ ├── 79b12431-6d9d-4a7d-985b-1b79bc5bf5fb.png │ ├── 7a29acce-f243-4914-9f00-f2988c528412.jpg │ ├── 7a3c6a30-c735-4edb-8115-337288a4f0f2.jpg │ ├── 7ab8ca28-2a41-4adf-9502-cc0a21e63b51.jpg │ ├── 7b038838-c75b-4538-ae84-6299386704e5.jpg │ ├── 7b281b1e-0595-402b-ae35-8c91084c33c1.png │ ├── 7b3efa99-d306-4982-8cfb-e7153c33aab4.png │ ├── 7b48448f-cbe3-4287-9041-f56566b9d0b4.png │ ├── 7b68b142-9489-44f6-87b0-4cb5c6431e63.jpg │ ├── 7bd202a7-93d4-4f3a-a878-af68ae25539a.png │ ├── 7be0abf9-687c-4451-becd-626b0be7ec22.jpg │ ├── 7c54de21-e2ff-402e-bc42-4037de1c1592.png │ ├── 7c98e1b6-c446-4cde-8513-5c11b9f52aea.jpg │ ├── 7e6cb8fc-1b82-4135-8b03-ebcfc546d94c.png │ ├── 7e873b60-44dc-4911-b080-defd5b8f0b49.png │ ├── 7ec9d619-fa60-4a2b-95aa-bf1a62aad408.jpg │ ├── 7f38a583-2f2e-4738-97af-510e6fb403a7.png │ ├── 7f642a65-b167-4c8f-b382-8322c6322b2c.jpg │ ├── 7fa66f48-bc42-4b98-93c2-56b20feaa990.png │ ├── 7fffa4b8-b36d-471f-ad0c-a88ee763bb76.png │ ├── 8006a450-6c2f-498c-a928-c927f758b1d0.png │ ├── 80646c77-1f32-484c-810e-af80ce00f902.png │ ├── 80804f52-8815-4096-b506-48eef3eed5c6.png │ ├── 81538cd5-1bcf-4e31-86e5-e198df1e013b.jpg │ ├── 8229e8e7-a183-4d29-94e6-e8d8537c6ce5.png │ ├── 823cdab7-3779-4e3a-a951-dc2d154e0ee6.jpg │ ├── 82cfda3b-b53b-4c89-9fdb-26dd2db0cd02.jpg │ ├── 83185315-793a-453a-a927-5e8d92b5c0ef.jpg │ ├── 836a4eaf-4798-4e48-b52a-a3dab9435ace.png │ ├── 839207f5-52fd-4516-9370-956dcdf2c2b5.png │ ├── 8433fbb2-c35c-45ef-831d-e3ca42aebd51.png │ ├── 85370d54-40d1-4912-bcbe-37a2481c861d.png │ ├── 85583359-1b45-45f2-9811-4f7bb9a64db7.jpg │ ├── 8587132a-021d-4f1f-a8ec-5a9daa7157a7.png │ ├── 85c05fb1-5546-4c50-9221-21f231cdc8c5.jpg │ ├── 864bfa7d-1149-420c-a752-f9b3d4e782ec.png │ ├── 8668a3e1-c9c7-4fcb-98b2-a96a5d841579.png │ ├── 867e93eb-3161-4f39-b2d2-c0cd3788e194.png │ ├── 86e6a91d-a285-447a-9345-c5484b8d0c47.png │ ├── 88ff46b3-028a-4dbb-a572-1f062b8b96d3.png │ ├── 897503d0-59e3-4752-903d-529fbdb72fee.jpg │ ├── 8a4c6ad4-a816-47d1-b93f-7ca4f78ab67a.png │ ├── 8adb2591-d3f1-4632-84cb-823fb9c5eb09.jpg │ ├── 8ae4550b-f0cb-4e4d-9e2b-c550538bf230.png │ ├── 8af348d0-4d72-4f76-b56c-0a440ed4673d.png │ ├── 8b335d94-c1ca-42e1-ad48-bb179d28a4f1.jpg │ ├── 8b798007-e0fb-420c-b981-ead215692417.jpg │ ├── 8c0b3ae1-1087-46f4-8637-8d46b4ae659c.png │ ├── 8c662999-c16c-481c-9f40-1fdba5bc9167.png │ ├── 8cc671f0-7134-44b1-a7b5-6d24fe55e1c1.jpg │ ├── 8dfb4cc9-26da-45e7-b820-4576fa1cbb0e.png │ ├── 8f0cc500-5994-4c7a-91a9-62885d658662.png │ ├── 8f3b9519-d705-48fe-87ad-2e4052fc81d2.png │ ├── 8f64e9c5-7682-4feb-9312-dea09514e160.jpg │ ├── 8f6f9dc9-9ecd-47c8-b50e-2814f0219056.png │ ├── 8fe838e3-ef77-4f63-bf45-417b6bc5c6bb.png │ ├── 9.gif │ ├── 902b83ab-8054-4bd2-898f-9a4a0fe52830.jpg │ ├── 902ef59f-7bcb-45a1-a80a-2f7afaa03629.jpg │ ├── 910f613f-514f-4534-87dd-9b4699d59d31.png │ ├── 9110c1a0-8a54-4145-a814-2477d0128114.png │ ├── 91ef04e4-923a-4277-99c0-6be4ce81e5ac.jpg │ ├── 920c034c-c212-4f79-9ddb-84e4bb6cd088.png │ ├── 924914c0-660c-4e4a-bbc0-1df1146e7516.jpg │ ├── 926c7438-c5e1-4b94-840a-dcb24ff1dafe.png │ ├── 92ad9bae-7d02-43ba-8115-a9d6f530ca28.png │ ├── 94589319-975f-490b-8bae-90b3a4953559.png │ ├── 952afa9a-458b-44ce-bba9-463e60162945.png │ ├── 952e06bd-5a65-4cab-82e4-dd1536462f38.png │ ├── 955af054-8872-4569-82e7-2e10b66bc38e.png │ ├── 96b63e13-e2d8-4ddb-9aa1-a38959ca96e5.jpg │ ├── 99208bd0-1454-4618-9969-0c2deb8bba0f.png │ ├── 992faced-afcf-414d-b801-9c16d6570fec.jpg │ ├── 9b829410-86c4-40aa-ba8d-9e8e26c0eeb8.jpg │ ├── 9b838aee-0996-44a5-9b0f-3d1e3e2f5100.png │ ├── 9bbddeeb-e939-41f0-8e8e-2b1a0aa7e0a7.png │ ├── 9bd12b89-f99c-49f4-ae45-410f76a713d6.png │ ├── 9c60793f-5e7f-453b-8413-35890c24abc4.png │ ├── 9cd0ae20-4fb5-4017-a000-f7d3a0eb3529.png │ ├── 9d0a637c-6a8f-4f5a-99b9-fdcfa26793ff.png │ ├── 9d549816-60b7-4899-9877-23b01503ab13.png │ ├── 9e80f75a-b12b-4344-80c8-1f9ccc2d5246.jpg │ ├── 9ea86eb5-000a-4281-b948-7b567bd6f1d8.png │ ├── BSD_disk.png │ ├── ClienteServidorSockets1521731145260.jpg │ ├── CountdownLatch.png │ ├── CyclicBarrier.png │ ├── DP-Decorator-java.io.png │ ├── GUID_Partition_Table_Scheme.svg.png │ ├── HTTP1_x_Connections.png │ ├── HTTP_RequestMessageExample.png │ ├── HTTP_ResponseMessageExample.png │ ├── How-HTTPS-Works.png │ ├── HowLinkedListWorks.png │ ├── Iterator-1.jpg │ ├── JNI-Java-Native-Interface.jpg │ ├── JNIFigure1.gif │ ├── JVM-Stack.png │ ├── JVM-runtime-data-area.jpg │ ├── LOun2W9134NxVugmbJPp15d4LalxC4O.png │ ├── MultiNode-SessionReplication.jpg │ ├── MultiNode-SpringSession.jpg │ ├── MultiNode-StickySessions.jpg │ ├── NP4z3i8m38Ntd28NQ4_0KCJ2q044Oez.png │ ├── PPjwP.png │ ├── ProcessState.png │ ├── Semaphore.png │ ├── SoWkIImgAStDuU8goIp9ILK8IatCoQn.png │ ├── SoWkIImgAStDuU8goIp9ILLmB2xEJyv.png │ ├── SoWkIImgAStDuU8goIp9ILLmJ4ylIar.png │ ├── SoWkIImgAStDuU8goIp9ILLmJyrBBKh.png │ ├── SoWkIImgAStDuU8goIp9ILLmpiyjo2_.png │ ├── SoWkIImgAStDuUBAp2j9BKfBJ4vLy0G.png │ ├── SoWkIImgAStDuUBAp2j9BKfBJ4vLy4q.png │ ├── Technology-ComputerNetworking-Internet-ISPs.png │ ├── VP4n3i8m34Ntd28NQ4_0KCJ2q044Oez.png │ ├── VP6n3i8W48Ptde8NQ9_0eSR5eOD6uqx.png │ ├── ZnJvbT1jc2RuJnVybD15VkdkdVYyUXZ.jpg │ ├── _u4E0B_u8F7D.png │ ├── a01d1516-8168-461a-a24b-620b9cfc40f4.png │ ├── a0df8edc-581b-4977-95c2-d7025795b899.png │ ├── a1198642-9159-4d88-8aec-c3b04e7a2563.jpg │ ├── a2d13178-f1ef-4811-a240-1fe95b55b1eb.png │ ├── a314bb79-5b18-4e63-a976-3448bffa6f1b.png │ ├── a3253deb-8d21-40a1-aae4-7d178e4aa319.jpg │ ├── a3da4342-078b-43e2-b748-7e71bec50dc4.png │ ├── a3f34241-bb80-4879-8ec9-dff2d81b514e.jpg │ ├── a40661e4-1a71-46d2-a158-ff36f7fc3331.png │ ├── a4248c4b-6c1d-4fb8-a557-86da92d3a294.jpg │ ├── a4b162e5-db2a-4a27-b213-1fe481c5a06a.png │ ├── a4c17d43-fa5e-4935-b74e-147e7f7e782c.png │ ├── a57a6fc8-c5e9-456c-80ff-a5139dda4b6e.png │ ├── a58e294a-615d-4ea0-9fbf-064a6daec4b2.png │ ├── a6026bb4-3daf-439f-b1ec-a5a24e19d2fb.jpg │ ├── a6ac2b08-3861-4e85-baa8-382287bfee9f.png │ ├── a6c20f60-5eba-427d-9413-352ada4b40fe.png │ ├── a74b70ac-323a-4b31-b4d5-90569b8a944b.png │ ├── a9077f06-7584-4f2b-8c20-3a8e46928820.jpg │ ├── aa29cc88-7256-4399-8c7f-3cf4a6489559.png │ ├── aa42f9c6-ad7a-48f4-8e8b-f3b6de3feaec.png │ ├── aa844ff0-cd16-4478-b415-da071b615a17.jpg │ ├── ab701824-e308-4284-88b6-596cc606fadb.png │ ├── ab77240d-7338-4547-9183-00215e7220ec.png │ ├── abb3e0d1-c1bd-45d0-8190-73c74a9f6679.png │ ├── ac106e7e-489a-4082-abd9-dabebe48394c.jpg │ ├── ac9b31ec-cef1-4880-a875-fc4571ca10e1.png │ ├── ace830df-9919-48ca-91b5-60b193f593d2.png │ ├── ae1b27b8-bc13-42e7-ac12-a2242e125499.png │ ├── ae3fc93a-44d5-4beb-b05a-874bd9c0a657.png │ ├── af198da1-2480-4043-b07f-a3b91a88b815.png │ ├── af4639f9-af54-4400-aaf5-4e261d96ace7.png │ ├── b0c97118-8f30-4619-9c22-a141f627db39.png │ ├── b0e8ef47-2f23-4379-8c64-10d5cb44d438.jpg │ ├── b0f61ac2-a4b6-4042-9cf0-ccf4238c1ff7.png │ ├── b1df9732-86ce-4d69-9f06-fba1db7b3b5a.jpg │ ├── b1fa0453-a4b0-4eae-a352-48acca8fff74.png │ ├── b20a3466-44b4-445e-87c7-dd4fb9ef44b2.png │ ├── b29f8971-9cb8-480d-b986-0e60c2ece069.png │ ├── b396d726-b75f-4a32-89a2-03a7b6e19f6f.jpg │ ├── b418ca51-f005-4510-b7ad-f092eb6aeb24.png │ ├── b4252c85-6fb0-4995-9a68-a1a5925fbdb1.png │ ├── b4b29aa9-dd2c-467b-b75f-ca6541cb25b5.jpg │ ├── b54eeb16-0b0e-484c-be62-306f57c40d77.jpg │ ├── b5bdcbe2-b958-4aef-9151-6ad963cb28b4.png │ ├── b8081c84-62c4-4019-b3ee-4bd0e443d647.jpg │ ├── b84ba6fb-312b-4e69-8c77-fb6eb6fb38d4.png │ ├── b8dd708d-f372-4b04-b828-1dd99021c244.png │ ├── b988877c-0f0a-4593-916d-de2081320628.jpg │ ├── b9a39d2a-618c-468b-86db-2e851f1a0057.jpg │ ├── b9d79a5a-e7af-499b-b989-f10483e71b8b.jpg │ ├── baaa681f-7c52-4198-a5ae-303b9386cf47.png │ ├── bae98438-7db6-41a6-893e-8813248f2f92.jpg │ ├── bb6a49be-00f2-4f27-a0ce-4ed764bc605c.png │ ├── bc603930-d74d-4499-a3e7-2d740fc07f33.png │ ├── bc775758-89ab-4805-9f9c-78b8739cf780.jpg │ ├── be5c2c61-86d2-4dba-a289-b48ea23219de.jpg │ ├── be7dca03-12ec-456b-8b54-b1b3161f5531.png │ ├── beba612e-dc5b-4fc2-869d-0b23408ac90a.png │ ├── bee1ff1d-c80f-4b3c-b58c-7073a8896ab2.jpg │ ├── bf0ff9fc-467e-4a3f-8922-115ba2c55bde.png │ ├── bf16c541-0717-473b-b75d-4115864f4fbf.jpg │ ├── bf667594-bb4b-4634-bf9b-0596a45415ba.jpg │ ├── bfbb11e2-d208-4efa-b97b-24cd40467cd8.png │ ├── c037c901-7eae-4e31-a1e4-9d41329e5c3e.png │ ├── c0a9fa91-da2e-4892-8c9f-80206a6f7047.png │ ├── c2117f61-1177-4768-bf33-cf4f950d911c.png │ ├── c23957e9-a572-44f8-be15-f306c8b92722.jpg │ ├── c28c6fbc-2bc1-47d9-9b2e-cf3d4034f877.jpg │ ├── c2cbf5d2-82af-4c78-bd43-495da5adf55f.png │ ├── c2d343f7-604c-4856-9a3c-c71d6f67fecc.png │ ├── c2f0c8e2-da66-498c-a38f-e1176abee29e.png │ ├── c3369072-c740-43b0-b276-202bd1d3960d.jpg │ ├── c34f4503-f62c-4043-9dc6-3e03288657df.jpg │ ├── c3c1c0e8-3a78-4426-961f-b46dd0879dd8.png │ ├── c4c14368-519c-4a0e-8331-0a553715e3e7.jpg │ ├── c5022dd3-be22-4250-b9f6-38ae984a04d7.jpg │ ├── c5085437-54df-4304-b62d-44b961711ba7.png │ ├── c5f611f0-fd5c-4158-9003-278141136e6e.jpg │ ├── c625baa0-dde6-449e-93df-c3a67f2f430f.jpg │ ├── c7875be7-fce5-43c7-ac77-d8dbe6c0ae1b.png │ ├── c79da808-0f28-4a36-bc04-33ccc5b83c13.png │ ├── c7d4956c-9988-4a10-a704-28fdae7f3d28.png │ ├── c812c28a-1513-4a82-bfda-ab6a40981aa0.png │ ├── c81af7d8-3128-4a3c-a9c9-3e0f5b87ab22.jpg │ ├── c8d18ca9-0b09-441a-9a0c-fb063630d708.png │ ├── c8dbff58-d981-48be-8c1c-caa6c2738791.jpg │ ├── c9a1de44-b1c0-4d13-a654-827d4ef8a723.png │ ├── c9ad2bf4-5580-4018-bce4-1b9a71804d9c.png │ ├── c9cfcd20-c901-435f-9a07-3e46830c359f.jpg │ ├── c9cfd600-bc91-4f3a-9f99-b42f88a5bb24.jpg │ ├── cb0ed469-27ab-471b-a830-648b279103c8.png │ ├── cbf50eb8-22b4-4528-a2e7-d187143d57f7.png │ ├── cd5fbcff-3f35-43a6-8ffa-082a93ce0f0e.png │ ├── cdbe1d12-5ad9-4acb-a717-bbc822c2acf3.png │ ├── ce039f03-6588-4f0c-b35b-a494de0eac47.png │ ├── cf4386a1-58c9-4eca-a17f-e12b1e9770eb.png │ ├── class_loader_hierarchy.png │ ├── cookiedata.png │ ├── d0afdd23-c9a5-4d1c-9b3d-404bff3bd0d1.png │ ├── d160ec2e-cfe2-4640-bda7-62f53e58b8c0.png │ ├── d1f81ac3-9fdb-4371-a49d-ca84917aa89f.jpg │ ├── d2d34239-e7c1-482b-b33e-3170c5943556.jpg │ ├── d49466db-fdd3-4d36-8a86-47dc45c07a1e.jpg │ ├── d4c3a4a1-0846-46ec-9cc3-eaddfca71254.jpg │ ├── d4eef1e2-5703-4ca4-82ab-8dda93d6b81f.png │ ├── d52270b4-9097-4667-9f18-f405fc661c99.png │ ├── d5c16be7-a1c0-4c8d-b6b9-5999cdc6f9b3.png │ ├── d5ce91a7-45f9-4560-9917-0dccd4900826.png │ ├── d5dfeb74-a27a-43b8-9121-191d3cb75198.png │ ├── d7f6dec1-02b6-4969-b3ab-e01ee78659b9.png │ ├── d99dc9e2-197c-4085-813d-7195da1c6762.png │ ├── db4921d4-184b-48ba-a3cf-1d1141e3ba2d.png │ ├── db54db2f-82b2-4222-8d63-e49a8a7fc966.png │ ├── dbb8516d-37ba-4e2c-b26b-eefd7de21b45.png │ ├── dbc5c9f1-c13c-4d06-86ba-7cc949eb4c8f.jpg │ ├── dbd60b1f-b700-4da6-a993-62578e892333.jpg │ ├── dc00f70e-c5c8-4d20-baf1-2d70014a97e3.jpg │ ├── dd15a984-e977-4644-b127-708cddb8ca99.png │ ├── dd3b289c-d90e-44a6-a44c-4880517eb1de.png │ ├── dd782132-d830-4c55-9884-cfac0a541b8e.png │ ├── dd78a1fe-1ff3-4bcf-a56f-8c003995beb6.jpg │ ├── dda1608d-26e0-4f10-8327-a459969b150a.png │ ├── ddb5ff4c-4ada-46aa-9bf1-140bdb5e4676.jpg │ ├── ddcf2327-8d84-425d-8535-121a94bcb88d.jpg │ ├── de9b9ea0-1327-4865-93e5-6f805c48bc9e.png │ ├── df01dbcd-4a3c-4877-86e8-5590d7589788.jpg │ ├── docker-filesystems-busyboxrw.png │ ├── e026c24d-00fa-4e7c-97a8-95a98cdc383a.png │ ├── e0900bb2-220a-43b7-9aa9-1d5cd55ff56e.png │ ├── e130e5b8-b19a-4f1e-b860-223040525cf6.jpg │ ├── e143f6da-d114-4ba4-8712-f65299047fa2.png │ ├── e1eda3d5-5ec8-4708-8e25-1a04c5e11f48.png │ ├── e2f0d889-2330-424c-8193-198edebecff7.png │ ├── e3124763-f75e-46c3-ba82-341e6c98d862.jpg │ ├── e31abb94-9201-4e06-9902-61101b92f475.png │ ├── e3360fa0-680e-486b-945f-09ff5d8612e4.png │ ├── e3b53605-0c10-4a7e-be02-a9064778f8a5.png │ ├── e3bf5de4-ab1e-4a9b-896d-4b0ad7e9220a.jpg │ ├── e3f1657c-80fc-4dfa-9643-bf51abd201c6.png │ ├── e41405a8-7c05-4f70-8092-e961e28d3112.jpg │ ├── e6723b94-1a33-4605-b775-f6813352d383.png │ ├── e6b733ad-606d-4028-b3e8-83c3a73a3797.jpg │ ├── e6bded8e-41a0-489a-88a6-638e88ab7666.jpg │ ├── e800b001-7779-495b-8459-d33a7440d7b8.jpg │ ├── e82e0454-4ece-435e-945f-90bc0d37bf44.png │ ├── e92d0ebc-7d46-413b-aec1-34a39602f787.png │ ├── ea2304ce-268b-4238-9486-4d8f8aea8ca4.png │ ├── ea5f3efe-d5e6-499b-b278-9e898af61257.jpg │ ├── eb4a7007-d437-4740-865d-672973effe25.png │ ├── eb859228-c0f2-4bce-910d-d9f76929352b.png │ ├── ec923dc7-864c-47b0-a411-1f2c48d084de.png │ ├── ecf8ad5d-5403-48b9-b6e7-f2e20ffe8fca.png │ ├── ed523051-608f-4c3f-b343-383e2d194470.png │ ├── ed5522bb-3a60-481c-8654-43e7195a48fe.png │ ├── ed7b96ac-6428-4bd5-9986-674c54c2a959.png │ ├── eebdeb57-8efb-4848-9bb6-97512990897c.jpg │ ├── ef280699-da36-4b38-9735-9b048a3c7fe0.png │ ├── ef8eab00-1d5e-4d99-a7c2-d6d68ea7fe92.png │ ├── f0574025-c514-49f5-a591-6d6a71f271f7.jpg │ ├── f0a31c04-6e26-408c-8395-88f4e2ae928b.jpg │ ├── f0e35b7a-2948-488a-a5a9-97d3f6b5e2d7.png │ ├── f1109d04-3c67-48a3-9963-2c475f94e175.jpg │ ├── f3080f83-6239-459b-8e9c-03b6641f7815.png │ ├── f3bfe11f-9cba-4ff2-8cc6-629068408a80.jpg │ ├── f3d3e072-e947-43e9-b999-22385fd569a0.jpg │ ├── f42443e0-208d-41ea-be44-c7fd97d2e3bf.png │ ├── f48e2b92-2c2a-48cb-a443-bd313e187a25.jpg │ ├── f4cdda3e-324c-49b5-8c14-08a3db634b29.png │ ├── f50a8e52-a683-444c-8e32-63c1890fe84a.jpg │ ├── f5477abd-c246-4851-89ab-6b1cde2549b1.png │ ├── f5757d09-88e7-4bbd-8cfb-cecf55604854.png │ ├── f61b5419-c94a-4df1-8d4d-aed9ae8cc6d5.png │ ├── f71125b7-f7cb-4a96-9bf0-902bce9487f0.jpg │ ├── f716427a-94f2-4875-9c86-98793cf5dcc3.jpg │ ├── f76067a5-7d5f-4135-9549-8199c77d8f1c.jpg │ ├── f7d170a3-e446-4a64-ac2d-cb95028f81a8.png │ ├── f7ecbb8d-bb8b-4d45-a3b7-f49425d6d83d.jpg │ ├── f7f7e3e5-7dd4-4173-9999-576b9e2ac0a2.png │ ├── f8047846-efd4-42be-b6b7-27a7c4998b51.png │ ├── f87afe72-c2df-4c12-ac03-9b8d581a8af8.jpg │ ├── f8b16d1e-7363-4544-94d6-4939fdf849dc.png │ ├── f8b3f73d-0fda-449f-b55b-fa36b7ac04cd.png │ ├── f900f266-a323-42b2-bc43-218fdb8811a8.jpg │ ├── f94389e9-55b1-4f49-9d37-00ed05900ae0.png │ ├── f9978fa6-9f49-4a0f-8540-02d269ac448f.png │ ├── f99ee771-c56f-47fb-9148-c0036695b5fe.jpg │ ├── f9f2a16b-4843-44d1-9759-c745772e9bcf.jpg │ ├── f9f9f993-8ece-4da7-b848-af9b438fad76.png │ ├── fa2273c3-1b5f-48ce-8e8b-441a4116c1c4.jpg │ ├── fa568fac-ac58-48dd-a9bb-23b3065bf2dc.png │ ├── faecea49-9974-40db-9821-c8636137df61.jpg │ ├── fb327611-7e2b-4f2f-9f5b-38592d408f07.png │ ├── fb44307f-8e98-4ff7-a918-31dacfa564b4.jpg │ ├── fb546e12-e1fb-4b72-a1fb-8a7f5000dce6.jpg │ ├── fbe54203-c005-48f0-8883-b05e564a3173.png │ ├── fc0c6b2d-68c7-4de8-aaaa-97355a4f0472.jpg │ ├── ff0c019c-6461-467d-a266-0455341fd4f4.png │ ├── ff396233-1bb1-4e74-8bc2-d7c90146f5dd.png │ ├── flow.png │ ├── hashMap_u54C8_u5E0C_u7B97_u6CD5_u4F8B_u56FE.png │ ├── image005.jpg │ ├── image007.jpg │ ├── image008.jpg │ ├── image009.jpg │ ├── inode_with_signatures.jpg │ ├── java-collections.png │ ├── java-collections1.png │ ├── linux-filesystem.png │ ├── master-slave-proxy.png │ ├── master-slave.png │ ├── monitor-lock-rule.png │ ├── mutualssl_small.png │ ├── n2U3N.png │ ├── network-of-networks.gif │ ├── pcrypt.gif │ ├── ppt_img.gif │ ├── scrypt.gif │ ├── single-thread-rule.png │ ├── ssl-offloading.jpg │ ├── tGPV0.png │ ├── thread-join-rule.png │ ├── thread-start-rule.png │ ├── url_diagram.png │ ├── urlnuri.jpg │ └── volatile-variable-rule.png └── pics ├── 11.png ├── 22.png ├── 333.png ├── 44.png ├── 555.png ├── Autoware.jpg ├── autoware_overview.png ├── bag.png ├── cam_lidar.png ├── cam_lidar2.png ├── camera.png ├── cartip.png ├── extrinsics.png ├── generator.png ├── info_sign.png ├── intrinsics.png ├── joint1.png ├── joint2.png ├── joint3.png ├── local_planner1.png ├── local_planner2.png ├── local_planner3.png ├── local_trajectory.png ├── ob.png ├── ob1.png └── rollouts.png /README.md: -------------------------------------------------------------------------------- 1 | 2 | # 平时知识点积累 3 | 4 | 1. [知识点整理1](docs/knowledge-tips.md) 5 | 2. [知识点整理2](docs/knowledge-tips2.md) 6 | 3. [pcd格式文件前缀解读](docs/pcd.md) 7 | 4. [git学习总结](docs/gitlearn.md) 8 | 5. [c++多线程总结](docs/thread_learn.md) 9 | 6. [ros CMakeLists.txt解读](docs/CMakeList_learn.md) 10 | 7. [TX2 使用razor-9dof IMU](docs/IMU_TX2.md) 11 | 8. [ros项目调试:ROS项目使用GDB调试](docs/how-to-use-GDB-in-ROS.md) 12 | 9. [ros项目调试:vscode下配置开发ROS项目](docs/how-to-config-vscode-for-ROS.md) 13 | 10. [ros项目调试:rqt工具的使用](docs/how-to-use-rqt-in-ROS.md) 14 | 11. [opencv 数据类型总结](docs/opencv-data-type.md) 15 | 12. [opencv 图像深拷贝、浅拷贝与蒙版拷贝](docs/opencv-copy-image.md) 16 | 13. [视觉激光雷达信息融合与联合标定](docs/joint_pixel_pointcloud.md) 17 | 14. [基于采样的局部规划与避障算法](docs/local_planner.md) 18 | 15. [Linux编程知识点](docs/knowledge-tips3.md) 19 | 16. [A_Star算法解读](docs/A_Star_Algorithm.md) 20 | 21 | 22 | # Autoware解析 23 | 1. [Autoware 关键解读](docs/autoware_overview.md) 24 | 2. [Autoware 软件架构解读](docs/lattice_velocity_set.md) 25 | 3. [AutoWare源码解析之lane_rule](docs/AutoWare源码解析之lane_rule.md) 26 | 4. [AutoWare源码解析——twist_filter节点](docs/AutoWare源码解析——twist_filter节点.md) 27 | 5. [Autoware节点源码分析之lane_select ](docs/Autoware节点源码分析之lane_select.md) 28 | 6. [IMU 测量单元用于ndt_matching](docs/IMU__ndt_matching.md) 29 | 30 | # 无人车技术概述与知识点 31 | 1. [点云障碍物检测方法](docs/点云障碍物检测.md) 32 | 2. [无人车动作规划算法和控制技术综述](docs/无人车动作规划算法和控制技术.md) 33 | 34 | -------------------------------------------------------------------------------- /docs/autoware_overview.md: -------------------------------------------------------------------------------- 1 | # Autoware 关键解读 2 | 3 | ![pic](../pics/autoware_overview.png) 4 | 5 | ## 引言 6 | 7 | 本文参考[autoware_wiki_overview](https://github.com/CPFL/Autoware/wiki/Overview)，主要描述了Autoware的整体框架和模块描述，主要包括感知和规划两大部分。 8 | 9 | 感知包括定位模块，检测模块，预测模块。定位模块使用3D map和SLAM算法来实现，辅助以GNSS和IMU传感器。检测模块使用摄像头和激光雷达，结合传感器融合算法和深度学习网络进行目标检测。预测模块使用定位和检测的结果来预测跟踪目标。 10 | 11 | 规划模块主要是基于感知的输出结果，进行全局路径规划和局部路径规划。全局路径规划在车辆启动或重启的时候被确定，局部路径根据车辆的状态进行实时更新。例如，如果车辆在障碍物前或停止线前，车辆状态变为“stop”，那么车辆的速度就被规划为0。如果车辆遇到一个障碍物且状态为“avoid”,那么局部跟踪路径就会被重新规划绕过障碍物。主要模块如下所示： 12 | 13 | ## Localization 14 | 15 | - **lidar_localizar** 计算车辆当在全局坐标的当前位置(x,y,z,roll,pitch,yaw)，使用LIDAR的扫描数据和预先构建的地图信息。autoware推荐使用正态分布变换(NDT)算法来匹配激光雷达当前帧和3D map。 16 | - **gnss_localizer** 转换GNSS接收器发来的NEMA消息到位置信息(x,y,z,roll,pitch,yaw)。结果可以被单独使用为车辆当前位置，也可以作为**lidar_localizar**的初始参考位置。 17 | - **dead_reckoner** 主要使用IMU传感器预测车辆的下一帧位置，也可以用来对**lidar_localizar**和**gnss_localizar**的结果进行插值。 18 | 19 | ## Detection 20 | 21 | - **lidar_detector** 从激光雷达单帧扫描读取点云信息，提供基于激光雷达的目标检测。主要使用欧几里德聚类算法，从地面以上的点云得到聚类结果。除此之外，可以使用基于卷积神经网路的算法进行分类，包括VoxelNet,LMNet. 22 | - **image_detector** 读取来自摄像头的图片，提供基于图像的目标检测。主要的算法包括R-CNN，SSD和Yolo，可以进行多类别(汽车，行人等)实时目标检测。 23 | - **image_tracker** 使用**image_detector**的检测结果完成目标跟踪功能。算法基于Beyond Pixels，图像上的目标跟踪结果被投影到3D空间，结合**lidar_detector**的检测结果输出最终的目标跟踪结果。 24 | - **fusion_detector** 输入激光雷达的单帧扫描点云和摄像头的图片信息，进行在3D空间的更准确的目标检测。激光雷达的位置和摄像头的位置需要提前进行联合标定，现在主要是基于MV3D算法来实现。 25 | - **fusion_tools** 将**lidar_detector**和**image_detector**的检测结果进行融合，**image_detector** 的识别类别被添加到**lidar_detector**的聚类结果上。 26 | - **object_tracter** 预测检测目标的下一步位置，跟踪的结果可以被进一步用于目标行为分析和目标速度分析。跟踪算法主要是基于卡尔曼滤波器。 27 | 28 | ## Prediction 29 | 30 | - **moving_predictor** 使用目标跟踪的结果来预测临近物体的未来行动轨迹，例如汽车或者行人。 31 | - **collision_predictor** 使用**moving_predictor**的结果来进一步预测未来是否会与跟踪目标发生碰撞。输入的信息包括车辆的跟踪轨迹，车辆的速度信息和目标跟踪信息。 32 | 33 | 34 | 35 | ## Misson planning 36 | - **route_planner** 寻找到达目标地点的全局路径，路径由道路网中的一系列十字路口组成。 37 | - **lane_planner** 根据**route_planner**发布的一系列十字路口结果，确定全局路径由哪些lane组成，lane是由一系列waypoint点组成 38 | - **waypoint_planner** 可以被用于产生到达目的地的一系列waypont点，它与**lane_planner**的不同之处在于它是发布单一的到达目的地的waypoint路径,而**lane_planner**是发布到达目的地的一系列waypoint数组。 39 | - **waypoint_maker** 是一个保存和加载手动制作的waypoint文件的工具。为了保存waypoint到文件里，需要手动驾驶车辆并开启定位模块，然后记录车辆的一系列定位信息以及速度信息， 被记录的信息汇总成为一个路径文件，之后可以加载这个本地文件，并发布需要跟踪的轨迹路径信息给其他规划模块。 40 | 41 | ## Motion planning 42 | - **velovity_planner** 更新车辆速度信息，注意到给定跟踪的waypoint里面是带有速度信息的，这个模块就是根据车辆的实际状态进一步修正速度信息，以便于实现在停止线前面停止下来或者加减速等等。 43 | - **astar_planner** 实现Hybrid-State A*查找算法，生成从现在位置到指定位置的可行轨迹，这个模块可以实现避障，或者在给定waypoint下的急转弯，也包括在自由空间内的自动停车。 44 | - **adas_lattice_planner** 实现了State Lattice规划算法，基于样条曲线，事先定义好的参数列表和语义地图信息，在当前位置前方产生了多条可行路径，可以被用来进行障碍物避障或车道线换道。 45 | - **waypoint_follower** 这个模块实现了 Pure Pursuit算法来实现轨迹跟踪，可以产生一系列的控制指令来移动车辆，这个模块发出的控制消息可以被车辆控制模块订阅，或者被线控接口订阅，最终就可以实现车辆自动控制。 46 | -------------------------------------------------------------------------------- /docs/autoware源码解读(三)pure persuit.md: -------------------------------------------------------------------------------- 1 | 需要一堆离散点，使用pure persuit进行几何跟踪 2 | 3 | 还需要一个目标速度 4 | 5 | 搜索最临近路点 6 | 7 | 速度控制器用一个P控制器 8 | 9 | autoware里面每一个waypoint里面包含的信息有： 10 | ``` 11 | # global id 12 | int32 gid 13 | # local id 14 | int32 lid 15 | geometry_msgs/PoseStamped pose 16 | geometry_msgs/TwistStamped twist 17 | DTLane dtlane 18 | int32 change_flag 19 | WaypointState wpstate 20 | 21 | uint32 lane_id 22 | uint32 left_lane_id 23 | uint32 right_lane_id 24 | uint32 stop_line_id 25 | float32 cost 26 | float32 time_cost 27 | 28 | # Lane Direction 29 | # FORWARD = 0 30 | # FORWARD_LEFT = 1 31 | # FORWARD_RIGHT = 2 32 | # BACKWARD = 3 33 | # BACKWARD_LEFT = 4 34 | # BACKWARD_RIGHT = 5 35 | # STANDSTILL = 6 36 | uint32 direction 37 | ``` 38 | -------------------------------------------------------------------------------- /docs/autoware源码解读(二)_ndt_matching.md: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/SFXiang/Keep_Learning/fa962a3e38950f9a4f507735df8a4edba1bc32ba/docs/autoware源码解读(二)_ndt_matching.md -------------------------------------------------------------------------------- /docs/car_architecture.md: -------------------------------------------------------------------------------- 1 | 车端的工作我认为可以大致分为几个层次： 2 | 3 | 感知层--融合层--规划层--控制层 4 | 5 | 更具体一点为： 6 | 7 | 传感器层--驱动层--信息融合层--决策规划层--底层控制层 8 | 9 | can口驱动解读 10 | 11 | 车端系统结构： 12 | 13 | 双目zed摄像头怎么使用：点云稠密化，但是摄像头的点云可能距离信息不是很准确 14 | 15 | 16 | -------------------------------------------------------------------------------- /docs/how-to-use-rqt-in-ROS.md: -------------------------------------------------------------------------------- 1 | ## rqt工具的使用 2 | 3 | 这里介绍一下ROS中无敌强大的rqt工具 4 | 5 | #### 安装rqt工具 6 | ``` 7 | sudo apt-get install ros-indigo-rqt 8 | sudo apt-get install ros-indigo-rqt-common-plugins 9 | ``` 10 | #### 运行rqt 11 | ``` 12 | rqt 13 | ``` 14 | 进入上方菜单栏的Plugins，里面有很多十分有用的用于ROS调试的插件 15 | 16 | 下面简单列举一些十分有用的插件功能： 17 | 18 | 插件|功能描述 19 | ---|----| 20 | topics monitor |可以监视当前的某一个话题的传输数据，占用带宽，话题频率等等，相当于我们原来的rostopic echo msg_name 21 | message publisher|可以自定义名称发布一个话题，并且指定话题发布的消息类型，发布数据，以及发布频率 22 | message type brower | 可以查看当前所有已经定义的消息类型，包括自己定义的msg，基本相当于rosmsg show msg_name 的功能 | 23 | robot steering | 可以发布一个话题cmd_vel,发布Twist话题消息，可以可视化的修改速度，转角变量，用于测试一些控制指令十分方便 24 | bag | 可以用于录制一个bag文件包，可以任意选择指定录制哪些话题。也可以打开一个bag文件包，里面可以很方便的控制bag包play的播放或者暂停，同时可以指定播放前一帧和下一帧 25 | 26 | bag插件如下图所示： 27 | 28 | ![bag](./pictures/bag.png) 29 | 30 | 插件|功能描述 31 | ---|----| 32 | node_graph | 查看当前节点运行的所有节点 | 33 | process monitor | 查看当前的所有节点，以及节点的PID，占用CPU，占用内存 | 34 | launch | 可以方便的在可视化界面下选择package和launch文件， 可以方便的运行和停止launch一个节点 35 | image view| 可以很方便的查看ROS话题中传递的图片消息，这一点方便于我们观察机器人当前看到的图像 36 | plot | 可以将某一个话题的数据(全部数据或部分数据)进行绘图显示，这样可以更加直观看到话题消息的变化，方便于我们调试 37 | tf tree | 可以显示当前的tf树的结构 38 | rviz | 在rqt里面也集成了rviz工具，我们可以很方便的从这里打开rviz工具 39 | -------------------------------------------------------------------------------- /docs/opencv-copy-image.md: -------------------------------------------------------------------------------- 1 | 在复制图像时，有两种情况，一种是浅拷贝，一种是深拷贝。 2 | 3 | 所谓浅拷贝仅仅是引用，即创建了一个新的矩阵头，仍然指向原来的数据空间。 4 | 5 | 而所谓的深拷贝，是指完全创建一整套新的Mat对象（包括矩阵头和数据空间）。 6 | 7 | 操作（）和 = 操作都属于浅拷贝，例如： 8 | ```c++ 9 | Mat image = imread("1.png" , 0) ; 10 | Mat image1(image) ;//仅是创建了Mat的头部分，image1与image共享数据区 11 | Mat image2 = image ;//仅是创建了Mat的头部分，image1与image共享数据区 12 | ``` 13 | 14 | clone()和copyto()属于深拷贝，因为它们都会创建一个独立的空间，不会相互影响,例如 15 | ```c 16 | Mat image3 = image.clone() ;//完全拷贝，把image中的所有信息拷贝到image3中 17 | Mat image4; 18 | image.copyTo(image4) ;//拷贝image的数据区到image4中， 19 | ``` 20 | 21 | 但是.copyTo()多了一个很有用的功能：使用蒙版拷贝。如下所示，可以通过mask有选择性的复制。 22 | ``` 23 | src.copyTo(dst,mask) 24 | ``` 25 | 这个是将src中经过mask过滤之后（src中mask矩阵对应的非零部分）的结果复制到dst中。 26 | 27 | mask作为掩模板，如果mask对应位置像素点为0，则dst对应的像素点值保持不变。如果不为0，则将src中对应像素点的值赋值给dst。 28 | 29 | 注意的是mask的数据类型，必须是CV_8U，且通道数或者是1，或者与被蒙版处理的src的通道数一致。 30 | -------------------------------------------------------------------------------- /docs/opencv-data-type.md: -------------------------------------------------------------------------------- 1 | 在以下两个场景中使用OpenCV时，我们必须事先知道矩阵元素的数据类型： 2 | 3 | - 使用 at 方法访问数据元素的时候要指明数据类型 4 | - 做数值运算的时候，比如究竟是整数除法还是浮点数除法。 5 | 6 | cv::Mat 类的对象有一个成员函数type()用来返回矩阵元素的数据类型， 7 | 返回值是 int 类型，不同的返回值代表不同的类型,具体对应关系如下所示 8 | 9 | 类型|C1|C2|C3|C4| 10 | --|--|--|--|--| 11 | CV_8U | 0 | 8 | 16 | 24 | 12 | CV_8U | 1 | 9 | 17 | 25 | 13 | CV_8U | 2 | 10 |18 | 26 | 14 | CV_8U | 3 | 11 |19 | 27 | 15 | CV_8U | 4 | 12 | 20 | 28 | 16 | CV_8U | 5 | 13 | 21 | 29 | 17 | CV_8U | 6 | 14 | 22 | 30 | 18 | 19 | 表头的 C1, C2, C3, C4 指的是通道(Channel)数,例如： 20 | 21 | - 灰度图像只有 1 个通道，是 C1； 22 | 23 | - JPEG格式 的 RGB 彩色图像就是 3 个通道，是 C3 24 | 25 | - PNG 格式的彩色图像除了 RGB 3个通道外，还有一个透明度通道，所以是 C4。 26 | 27 | 如果仅仅是为了在数值计算前明确数据类型，那么看到这里就可以了 28 | 29 | 如果是要使用 at 方法访问数据元素，那么还需要下面一步 30 | 31 | 因为以单通道为例，at 方法接受的是 uchar 这样的数据类型，而非 CV_8U。 32 | 33 | 在已知通道数和每个通道数据类型的情况下，指定给 at 方法的数据类型如下表所示： 34 | 35 | 类型| C1|C2|C3|C4|C6 36 | --|--|--|--|--|--| 37 | |uchar | uchar | cv::Vec2b | cv::Vec3b | cv::Vec4b | | 38 | |short | short | cv::Vec2s | cv::Vec3s | cv::Vec4b | | 39 | |int | int | cv::Vec2i | cv::Vec3i | cv::Vec4i | | 40 | |float | float | cv::Vec2f | cv::Vec3f | cv::Vec4f | cv::Vec6f | 41 | |double | double | cv::Vec2d | cv::Vec3d | cv::Vec4d | cv::Vec6f | 42 | 43 | 现在，就可以使用at来访问图像的像素了： 44 | ```c++ 45 | cv::Vec3b vec3b = img.at(0,0); 46 | uchar vec3b0 = img.at(0,0)[0]; 47 | uchar vec3b1 = img.at(0,0)[1]; 48 | uchar vec3b2 = img.at(0,0)[2]; 49 | std::cout<<"vec3b = "<