白话“主成分分析” 1 ：主成分分析用于降维的思想
 
恰饭时间：无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。
 


 
文章目录
 
白话“主成分分析” 1 ：主成分分析用于降维的思想
1. 什么是主成分分析
2. PCA 应用于降维的思想
3. 旋转以后的坐标轴应该具有什么性质
3.1 机器学习中的数据使用二维矩阵表示，矩阵中的元素就是坐标
3.2 谈论坐标不能离开基底
3.3 使用“线性代数”的语言描述 PCA 找坐标系的过程
3.3.1 新坐标的各个维度方差依次减少
3.3.2 新坐标的各个维度不能线性相关
3.3.3 协方差矩阵
   
4、PCA 应用于降维的步骤
 

 
1. 什么是主成分分析
 
主成分分析，即分析“主成分”，找到“主成分”，英文是 Principal Component Analysis，简称 PCA。
 
经常和 PCA 一起出现的另一个词是降维（decomposition），当原始数据有成千甚至上万个特征的时候，降维可以节约空间，降低算法运行的开销，后面我们可以看到，PCA 的这种降维方式可以用于数据的可视化，还有去噪声的噪声。
 
在这里要说明的一点是：PCA 是方法，降维是思想，PCA != 降维， 降维还有很多方法，直接去掉一些无关的特征，也是降维，PCA 降维是线性降维，还有非线性降维，当然这里会扯出很多东西，不在我现有能解释的范围内。
 
本质上主成分分析是找到一个欧式空间的线性变换，把原始数据从“一组旧的标准正交基下的表示”转化成“另一组新的标准正交基下的表示”，降维发生在新的标准正交基下的表示，直接去掉了后面几个维度的坐标值。
 
这里我使用了一些“线性代数”中的概念和表述，但请你不要担心，全部在你的射程范围之内，主成分分析的思想其实并不深奥，只是被一些书籍用过于复杂的数学公式写得比较高大上，我倒觉得主成分分析是复习“线性代数”基础知识的绝佳材料。
 
2. PCA 应用于降维的思想
 
在初中，我们就学习过“从不同方向看物体”。PCA 应用于降维是想找到一个适合的方向看物体，去掉一些不太重要的特征，然后应用于建模。
 
请看下面这张图，左边是我斜着拿一支笔，三维空间中的一支笔，你在二维平面内你还能够看出是一支笔。如果我把这支笔像右边这张图那样展示给你，你有可能认为我拿着一个蓝色小球。
 
[外链图片转存失败(img-i81W3myM-1564414724447)(https://liweiwei1419.github.io/images/PAC/pca_02.jpg)]
 
在三维空间里看到二维平面其实就是降维，降维以后的物体不是原来的物体，但可以作为原来物体的近似。
 
显而易见降维会带来损失，但如果损失的信息并不是我们关注的主要的信息，其实并不妨碍我们对原本事物的认识。再看上面的左图，这个角度比较完整地展现了一支笔的全貌，我们可以看出这是一只蓝色水笔，还有很多墨水没有用完，而右边的图，只从这支笔的底部看，虽然也是降维，但是丢失了很多信息，以至于我们有可能不知道这居然是一支笔。这说明在我们有限的视野范围内观察一个事务，找对角度很关键。北宋诗人苏轼有名诗句《题西林壁》传颂至今：
 
 
 
横看成岭侧成峰，
 远近高低各不同。
 不识庐山真面目，
 只缘身在此山中。
 
 
说的就是如果你置身于庐山之中，便看不清庐山的全貌。
 
那么在 PCA 中，降维是如何发生的呢？请看下面这张图。
 
[外链图片转存失败(img-pTSgSe6t-1564414724448)(https://liweiwei1419.github.io/images/PAC/pca_03.jpg)]
 
降维最直接的做法就是去掉一个维度的信息，这件事情就叫做朝着坐标轴“投影”，从左边这张图中，可以看出，投影到 $x$ 轴可能更好一些，因为投影到 $x$ 轴以后，数据更接近原始数据的样子。
 
而 PCA 用于降维的思想只是在这个基础上多做了一步：先将坐标轴进行旋转，旋转到如右图所示，$x$ 轴尽量拟合原始数据的分布，然后将原始数据投影到 $x$ 轴上，很明显，这样得到的数据的近似表示比左边那张图要好，同样是二维降到一维，右边的方法损失的信息更少。
 
再看看我前面拿笔的那两张图，右边的图之所以降维效果差，是因为我们选择的角度把蓝色水笔重要的维度给丢弃了。
 
还可以通过下面的例子来理解 PCA 降维的思想。
 
整数 $125$ 可以有以下两种分解方式：
 
第 1 种方式：$125=50+50+25$；
第 2 种方式：$125=100+20+5$；
 
分析：
 
第 1 种方式分解比较平均，随便去掉一个数，和分解之前（$125$）差别都比较大；
第 2 种方式不仅给出了分解，并且你很容易看出来，按照高位到低位分解，去掉 $5$ 剩下 $120$，去掉 $20$ 和 $5$ 剩下 $100$，越是高位，与原始数值就越接近。
 
依据矩阵分解的相关理论，更换以后的坐标系，从大到小包含了原始矩阵的信息，在降维的时候，我们就可以根据需要，保留前面的坐标轴，去掉尾巴的坐标轴，得到数据的降维表示。数据还是那个数据，维数减少了，但信息没有丢失多少，我们认为这是一件划算的事情。
 
整理一下，PCA 用于降维主要分为两步，第一步旋转坐标轴，第二步去掉一些特征，进而留下的特征可以作为原始数据的近似。在机器学习中，第一步可以认为是特征抽取或者是特征转换，而第二步可以认为是特征选择。即 “PCA = 特征抽取 + 特征选择”。
 
 
 
这里要说明一点：其实 PCA 变换坐标轴不一定是旋转，还有可能是对坐标系做了镜像，我们这里不妨只理解成 PCA 旋转了坐标轴到一个合适的位置即可。
 
 
3. 旋转以后的坐标轴应该具有什么性质
 
其实这个问题上面一部分已经回到了，即原始数据在旋转以后的坐标轴上进行投影更接近原始数据的分布。这样说还是有些抽象，二维三维空间还好理解，高维空间就不好理解了。如何用数学的表示描述这件事情呢？我们慢慢说。
 
3.1 机器学习中的数据使用二维矩阵表示，矩阵中的元素就是坐标
 
我们在做特征工程的时候，实际上就是在处理各种二维表格。举一个简单的例子，下面是一张成绩表，每一行是一个数据，一个数据组成的有序实数就是坐标，例如，表示张三的乘积，就可以用一个列向量 $(80,100,85{)}^T$ 来表示。
 
姓名
语文
数学
英语
张三
$80$
$100$
$85$
李四
$78$
$90$
$80$
王五
$82$
$70$
$82$
赵六
$79$
$80$
$87$
这是我们在机器学习中处理的数据。那么坐标是什么呢？谈坐标一定不能离开坐标系，我们在画这张表的时候，在心里就已经建立了一个坐标系，这个坐标系是约定速成的，以致于不用说明，那么这个人为建立的坐标系是什么呢？
 
3.2 谈论坐标不能离开基底
 
翻一翻《线性代数》教材，描述“坐标”的语言一定是“向量在什么什么基底下的坐标”。那么画出上面的成绩表的手，我们选用的基底是什么呢？
 很简单，基底其实就是“语文成绩”、“数学成绩”、“英语成绩”。如果分别把“语文成绩”、“数学成绩”、“英语成绩”表示成 $x$ 轴、$y$ 轴、$z$ 轴，并且让它们都是单位向量，可以写成如下形式：
 $$\vec{x}=\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right],\vec{y}=\left[\begin{array}{c}0\\ 1\\ 0\end{array}\right],\vec{z}=\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right],$$
 那么张三的成绩 $(80,100,85{)}^T$ 可以写成：
 
$$\left[\begin{array}{c}80\\ 100\\ 85\end{array}\right]=80\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right]+100\left[\begin{array}{c}0\\ 1\\ 0\end{array}\right]+85\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right],$$
 
这里我的描述可能比较啰嗦，但我想你应该很容易明白我在说什么，因为这其实是我们大家都约定速成的事情。
 
谈到这里，很自然的一个问题是，如何找到一个合适的坐标系呢？即如何找到新的坐标系的各个坐标轴（即“基底”）呢？在这里我们要使用一些“线性代数”的概念和记号，不要担心，你都能想起来。
 
3.3 使用“线性代数”的语言描述 PCA 找坐标系的过程
 
为了说清楚后面的内容，这里我们会用一些“线性代数”的语言，如果你忘记了一些概念，能翻一翻书查一查资料是最好的，我再介绍一些概念的时候，可能会直接给出一些结论，不会展开了，因为再展开就是抄书了，你最好想一想或者翻翻书，但如果手边没有这样的条件，也可以选择性跳过一些内容。当然我会用尽量通俗的语言帮大家回忆起曾经你学习过的知识，其实它们非常有用。
 
我们知道坐标轴是基底，基底其实就是一组向量（不是一个向量），一般我们将每个向量单位化。取单位向量是因为将任意向量投影到单位向量的那个标量值好算，空间中的坐标就是向量依次投影到各个坐标轴的值，这个是是一个标量，带符号的。
 
这个结论我想是很显然，也容易理解。例如，$(80,100,85{)}^T$ 投影到 $(1,0,0{)}^T$ 就是 $85$，即 $(80,100,85{)}^T$ 的第 $1$ 个分量，注意 $(1,0,0{)}^T$ 是单位向量，才有这么好的性质，一般情况下的投影要根据投影公式计算。
 
再补充一句，我们选择一组向量成为基底，不仅仅希望它们都是单位向量，我们还希望这组基底里面的单位向量单位互相垂直，垂直也叫正交，此时，既是单位向量且相互正交的基底是标准正交基，上面的 $(1,0,0{)}^T$、$(0,1,0{)}^T$、$(0,0,1{)}^T$ 就是一组标准正交基，标准正交基有非常良好的性质：
 
 
 
如果使用标准正交基，向量在新的基底的坐标表示，就可以通过这个向量依次和标准正交基里的每一个基向量做内积，得到的标量组成向量，即是向量在新的基底的坐标表示。
 
 
这个结论是非常重要的，如果忘记了的朋友们请一定翻一翻《线性代数》教材，描述“正交变换”的部分，简单来说就是因为正交（垂直）的缘故，做内积的时候，不同的基向量的内积成为了 $0$，自己和自己做内积的时候，因为是单位向量，内积就是 $1$，标准正交基简化了坐标的计算，经过后面的分析，我们可以看到，通过 PCA 找到的新的坐标系的基底恰好就是标准正交基。
 
谈到这里，你一定明白了，计算新坐标系下的坐标，其实就是计算原始坐标在新坐标轴下的投影，这个投影在新坐标轴是标准正交基的情况下，就成为了内积的计算。
 
在这里我们假设原始数据的坐标组成的矩阵是 $X$，$X$ 的每一行表示一个数据，$X$ 的每一列表示一个特征。原始数据在新坐标轴下的矩阵是 $Y$，同样 $Y$ 的每一行表示一个数据，$Y$ 的每一列表示一个特征。而假设新坐标轴的基底的每一个基向量按列排成矩阵 $P$。则矩阵 $X$、$Y$、$P$ 之间有如下关系：
 
$$XP=Y$$
 
我们知道矩阵乘法的定义是左边矩阵的每一行和右边矩阵的每一列分别相乘以后再相加，这就是内积的定义。通过上面的分析，我们知道 $P$ 是各个坐标轴，这些坐标轴是单位向量并且相互正交，计算到一个向量到它们的坐标，就是计算投影，计算投影就是计算内积。
 
到这里我们捋一捋，$X$ 是我们已知的，$P$ 是我们待求的，$X$、$P$ 知道了 $Y$ 就求出来了。如何求出 $P$ 呢？我们通过分析 $Y$ 应该满足的性质，进而就能得到 $P$ 了。
 
3.3.1 新坐标的各个维度方差依次减少
 
在线性回归中，我们知道，如果一个特征（即数据矩阵的一个列）在数值上都差不多，其实这一列对回归的结果没有什么帮助，它的系数几乎为 0，可以收缩到偏置项中。
 
因此，送入机器学习的算法的数据的特征，我们喜欢特征在数值有区分度，那么数值的区分度用什么度量呢？其实在中学我们就接触过这个概念了：方差。
 
方差表示了一组数据离散的程度，方差大是各种机器学习算法喜欢的样子，方差小的，表示这组数据在数值上差别不大，差别很小的时候作为特征就可以被忽略了。机器学习算法库 scikit-learn 就专门有用于特征选的类 sklearn.feature_selection.VarianceThreshold，它的作用很简单，就是帮助我们移除方差小的特征。
 
在生活中也有这样的例子，差别不大的特征往往不是区分个体的主要因素。例如：女士在择偶的时候，往往会看重男士的家庭背景，拥有的资产多少。在男士的身高、体重、颜值要求上，可能只是这样的描述，身高不低于多少厘米，体重不超过多少公斤，颜值不要太低，年龄不要太大诸如此类。因为其实身高、体重、颜值，除了极个别的，全世界的成年人类放在一起比较，都不会差太多。但是家庭背景、知识、学识、见识、资产是可以有极端差别的，是具有区分度的。身高、体重、颜值在继承后代上带来的优势远不如“背景、知识、学识、见识、资产”能带给后代的多。
 
于是我们期望经过 PCA 以后，得到的原始数据在新坐标轴下的表示矩阵 $Y$ 具有这样的形式：$Y$ 的第一列方差最大，$Y$ 的第二列方差次之，以此类推，$Y$ 的最后一列方差最小。用投影的语言再描述一遍就是：原始数据在新坐标系的第一个坐标轴上的投影的方差最大，原始数据在新坐标系的第二个坐标轴上的投影的方差次之，依次类推。
 
3.3.2 新坐标的各个维度不能线性相关
 
还是从线性回归说起，如果两个特征线性相关，这个现象叫做“多重共线性”，一个特征可以用另一个特征线性表示，那么就可以去掉一个特征，即去掉冗余的特征。例如“年龄”和“出生年”，由年龄可以推出出生年，同样由出生年也可以推出年龄，“出生年”就可以被去掉。
 
那么两个特征之间的线性线性相关性用什么来衡量呢？这就是“协方差”。
 
第 1 点提到了方差，第 2 点提到了协方差，在数学上，有一个概念把它们联系在了一起，那就是“协方差矩阵”。
 
3.3.3 协方差矩阵
 
我们把上面第 1 点和第 2 点对矩阵 $Y$ 的要求写出来就是：
 
 
$Y$ 的各个列向量的方差逐渐减少；
 
 
$Y$ 的不同列向量线性无关。
 
 
把矩阵 $Y$ 按列分块，写成列向量的形式 $Y=(y_1,y_2,\cdots ,y_n)$，这里每一个分量应该看出一个列向量，这样 $Y$ 才构成矩阵，我们可以如下这样构造一个矩阵：
 $$\frac{1}{m-1}{Y}^{T}Y$$
 这里 $Y^T$ 是 $Y$ 的转置。如果你对这个矩阵感到陌生的话，你不妨动笔写一写：
 
$$\frac{1}{m-1}\left[\begin{array}{c}{y}_1^T\\ y_2^T\\ ⋮\\ y_n^T\end{array}\right]\left[\begin{array}{c}{y}_1,y_2,\cdots ,y_n\end{array}\right]=\frac{1}{m-1}\left[\begin{array}{cccc}{y}_1^T{y}_1& y_1^T{y}_2& \cdots & y_1^T{y}_n\\ y_2^T{y}_1& y_2^T{y}_2& \cdots & y_2^T{y}_n\\ ⋮& ⋮& \ddots & ⋮\\ y_n^T{y}_1& y_n^T{y}_2& \cdots & y_n^T{y}_n\end{array}\right]$$
 
可以看到，把前面的系数 $\frac{1}{m-1}$ 放进矩阵以后，这个矩阵主对角线上的元素，就是方差，非主对角线上的元素，就是不同列的协方差，并且还有一条很重要的性质：协方差矩阵是对称矩阵。
 
因此，我们把期望矩阵 $Y$ 满足的两个条件重新通过协方差矩阵 $\frac{1}{m-1}{Y}^{T}Y$ 描述就是：
 
协方差矩阵 $\frac{1}{m-1}{Y}^{T}Y$ 主对角线上的元素越来越小；
协方差矩阵 $\frac{1}{m-1}{Y}^{T}Y$ 非主对角线上的元素为 $0$（非线性相关，即协方差为 $0$），即协方差矩阵 $\frac{1}{m-1}{Y}^{T}Y$ 是对角矩阵。
 
由于
 
$$\frac{1}{m-1}{Y}^{T}Y$$
 
是对角矩阵，又因为 $XP=Y$ ，代入上式消去 $Y$，即
 
$$\begin{array}{rl}\frac{1}{m-1}{Y}^{T}Y& =\frac{1}{m-1}(XP{)}^T(XP)\\ & =\frac{1}{m-1}(P^T{X}^T)(XP)\\ & =\frac{1}{m-1}(P^T(X^{T}X)P)\\ & =P^T\left(\frac{1}{m-1}{X}^{T}X\right)P\end{array}$$
 即我们希望
 $$P^T\left(\frac{1}{m-1}{X}^{T}X\right)P$$
 是对角矩阵。令 $A=\left(\frac{1}{m-1}{X}^{T}X\right)$，即可以定义 $A$ 是原始数据矩阵 $X$ 的协方差矩阵，注意到 $A$ 也是一个对称矩阵，那么问题就转化成的问题了，解决这个问题的使用的是在“线性代数”中是使用得非常广泛的“对称矩阵对角化”的相关结论。我们简述如下：
 
 
实对称矩阵一定可以对角化；
 
 
对一个对称矩阵对角化的步骤就是对这个对称矩阵进行特征值分解；
 
 
实对称矩阵的各个特征向量相互正交，可以将实对称矩阵进行特征值分解得到的特征向量先正交化（施密特正交化）再单位化，得到的特征向量按照特征值从大到小、按列排成矩阵 $P$ ，这个矩阵就是正交矩阵，实对称矩阵总能够这样做，得到正交矩阵 $P$ 将 $A$ 对角化；
 
 
正交矩阵 $P$ 满足 $P^{-1}=P^T$，因此我们要将数据恢复到原来的坐标系中，只需要乘以降维以后的 $P$ 矩阵的转置即可;
 
 
正交矩阵表示的变换称之为正交变换，正交变换保持距离不变，保持内积（夹角）不变，因此正交变换施加于原始坐标系可以认为是对原始坐标系做了一次“旋转”或“镜像”。
 
 
$P$ 的第 1 列就是主成分 1 ，$P$ 的第 2 列就是主成分 2，以此类推。于是我们可以总结出 PCA 应用于降维的步骤。
 
4、PCA 应用于降维的步骤
 
计算原始特征矩阵 $X$ 的协方差矩阵 $A=\left(\frac{1}{m-1}{X}^{T}X\right)$；
 
这里要特别说明的是，协方差和方差的定义中，都包括了减去均值这一操作，因此原始特征矩阵 $X$，我们要将其每一列减去每一列的均值。
 
对协方差矩阵 $A$ 进行特征值分解；
根据第 2 步得到的特征值和特征向量，按照特征值从大到小把对应的特征向量按列排成矩阵，去掉特征值小的最后几列，形成矩阵 $P$，$P$ 的前几列就是主成分；
使用矩阵乘法 $XP$ 得到的矩阵 $Y$ 就是降维以后的矩阵。

最近给大家分享了《百度Apollo无人驾驶入门课程下载》，我也学习了一些，把我做的笔记分享给大家。
 
第一课：无人驾驶概览
 
课程主要介绍了无人驾驶车的关键部分以及Apollo的架构，带大家入门无人驾驶技术。
 
1.欢迎学习Apollo课程
 
略
 
2.你将学到什么？
 
课程概述，略。
 
3.什么是无人驾驶？
 
我们为什么需要无人驾驶？
 
主要是三个方面：
 
1、安全：人们驾车时分心走神是车祸的主要原因，但自动驾驶车不会分心走神，不会疲倦。(今天儿子说无人驾驶车也会累，它累的时候就是充电，好吧，你比爸爸更懂无人驾驶车:)
 
2、不再需要驾车培训和考试：人们驾车需要经过驾校培训，所有人都需要从0开始学习，驾车经验无法传承，但无人驾驶车可以自学和复制，不仅仅在驾驶过程中不断得到学习，而且还可以将学习积累的成果复制给其他车辆。
 
3、方便：即便驾车有愉悦感，但找停车位很痛苦，相信大家都有这样的感触，而无人驾驶车，将会和坐出租或滴滴一样，在你需要到达的地方停车，你下车后它再自己去寻找停车位。在你需要用车时，只要召唤它，它就会来到你的身边，超级方便。(感觉像不像勇士在召唤神龙？下次介绍特斯拉的召唤功能。)
 
 
自动驾驶的等级划分
 
SAE标准将自动驾驶技术分为0~5共六个级别。
 
L0是完全由驾驶员控制，可能连ABS防抱死功能都没有，现在已经很少见L0级的车辆了。
 
L1是驾驶员辅助，车辆提供转向或加速等支持，如定速巡航功能。本级别需要驾驶员全神贯注开车。
 
L2是部分自动化，如ACC自适应巡航控制、LKAS车道保持辅助系统等。驾驶员需要实时监控并做好接管的准备。
 
L3是有条件的自动化，据说奥迪A8L就属于此级别。驾驶员此时可以基本不干预驾驶，但仍然需要随时接管车辆驾驶。
 
L4是高度自动化，是无人驾驶的真正开始，此时不需要人类介入，可以没有方向盘或油门、刹车等控制装置，原则上只要有地图的地方就能实现自动驾驶。百度Apollo已经开始量产此方案，在限定园区环境下的L4无人驾驶，阿波龙应该就是。
 
L5是完全自动化，车辆可以完全自动驾驶，只要人类能到的地方，无人驾驶车一样可以到达，甚至比人类更高效更安全。
 
 
关于自动驾驶的等级划分，后续我再专门写一篇文章。
 
4.Sebastian欢迎辞
 
略。
 
5.无人驾驶车的运作方式
 
这篇是David silver在TED的演讲，但看完这9分钟的视频，基本可以了解无人驾驶的运作方式，是最基础的入门课，强烈建议0基础人员学习。
 
无人驾驶总共有五个重要的单元，分别是：计算机视觉、传感器融合、定位、路径规划、控制。
 
 
计算机视觉用来寻找车道、车辆、行人、红绿灯等对象，并能有效的区分车道线、车辆数量、红绿灯信号等信息，计算机视觉类似于人类的眼睛，看懂周围的世界。
 
 
传感器融合是用来加深对视觉的理解，获得车辆距离、其他物体的移动速度等信息，了解自身同周围世界的关系。
 
 
定位，不是简单的GPS定位，无人驾驶需要厘米级的定位，米级误差的GPS无法满足要求，所以还需要自定位技术，需要借助地标，使用粒子滤波、三角测量等方式进行定位。
 
 
路径规划也不是简单的导航软件中的航线计算，导航地图的路径规划是全局概要规划，指引无人车前往哪里，而自车本身还需要通过对周围车辆和事物的判断，形成自己位姿的路径规划，通过车辆位姿的调整，避免同其他车辆或事物的碰撞，同时也影响驾乘的舒适度(比如对刹车的影响)。
 
 
控制是无人驾驶的最后一步，简单的来说就是控制方向盘、刹车、油门、车灯等设备，但通过控制获得的行车路径，和路径规划中的理想路径，如何完全吻合，也同样充满了考验，只是对于电脑来说相对简单，它们可以做到两者非常的接近，而人类操作实际上比较难(侧面说明现在车道宽度较宽:)。
 
 
个人的总结：摄像头让车辆看清周围的事物，雷达等传感器让车了解自身同周围物体的关系，通过地标(高精度地图中的特征)定位获得车辆厘米级定位，结合GPS定位(绝对定位)，可以获得车辆在高精度地图中的绝对位置。路径规划既需要turn by turn的道路级路径规划，也需要通过自车同周围事物的距离速度等信息判断，做出自车位姿的路径规划，前者是大方向，后者是细节操作，而控制就是为了实现同规划路径的吻合。至此，车辆就可以完成一次从起点到终点的完整行程。
 
6.Apollo团队与架构
 
略。
 
7.参考车辆与硬件平台
 
做无人驾驶开发，就需要一辆可以通过电子控制的车辆，原来驾驶员对方向盘、油门刹车等的物理控制，变成了电子信号控制，这样的车辆就叫做线控驾驶车辆。(欢迎浏览“聊聊用机器人做无人驾驶”一文)
 
这样的车辆可以通过控制器区域网络(CAN总线)向车辆发送加速、制动和转向信号等信息，通过GPS可以获得绝对位置信息，通过惯性测量装置(IMU)可以获得车辆运动速度、加速度和位置等信息，通过激光雷达可以获得位置点云信息，通过摄像头捕获图像信息，通过雷达了解障碍物信息。当然，还有不可或缺的电脑，他是无人驾驶的大脑。
 
摄像头、GPS、IMU、激光雷达、雷达以及PC等，这些是无人驾驶所需要的硬件平台。
 
 
8.开源软件架构
 
开放软件架构共分为三层：实时操作系统、运行时的框架和应用程序模块层。
 
实时操作系统(RTOS)可以确保在给定时间内完成特定任务，实时指的是能够进行及时分析操作。Apollo RTOS是由Ubuntu Linux加Apollo内核组成。
 
 
运行时的框架是Apollo的操作环境，它是ROS(机器人操作系统)的定制版，即Apollo将ROS作为在RTOS上运行的软件框架。
 
 
Apollo团队对ROS进行了改进，如：共享内存的功能和性能、去中心化、数据兼容性等。
 
共享内存：原来各模块之间同一内容的使用可能需要复制内存，共享内存支持“一次写入 多次读取”模式，支持多个模块的使用。
 
 
去中心化解决了单点故障问题，原来ROS的各个模块都需要由ROS的主节点来控制，一旦主节点出现问题，那么整个系统也就无法运行了，Apollo改为将所有节点放在一个公共域中，域中每个节点都有关于其他节点的信息，公共域取代原有ROS的主节点，消除了单节点故障的风险。
 
 
数据兼容性方面，原来ROS不同模块之间的通讯是通过名为ROS消息的接口语言进行相互通信的，一旦这个消息格式有所变化，则两个节点间的通讯就会失败， Apollo团队将ROS消息改成了名为protobuf的接口语言，protobuf是一种结构化数据序列化方法，通信过程中即便消息格式升级了，也能在解析过程中接受旧的消息格式，此举有效解决了兼容性问题。
 
 
应用程序模块包括地图引擎、定位、感知、规划、控制、端到端的驾驶以及人机接口(HMI)等。
 
 
9.云服务
 
Apollo提供了云端服务功能，只要你能联网并拥有许可账户，即可同云端进行通信，不仅仅可以完成数据的存取访问，也可以获得软件服务，包括高精度地图、仿真环境、数据平台、安全、空中升级软件以及DuerOS等。
 
 
仿真平台聚合了大量驾驶数据，可以是开发人员能够检测和验证无人驾驶软件系统，仿真平台不仅仅可以提供大量的数据模拟，更可以通过等碰撞检测、交通灯识别、速度限制、障碍物检测、路线逻辑等指标对实现结果进行评估。
 
数据平台为仿真平台提供了大量的数据，这部分数据可以是从真实驾驶环境记录获得，也可以是虚拟生成的数据，前者可以通过已获得的结果进行算法等验证，后者可以快速搭建验证某一算法的环境。在验证算法过程中，可能需要带有标签注释的数据，即已获得已知结果的数据，比如交通信号灯、带边界的障碍物、语义分割数据等。
 
 
10.无人驾驶车纳米学位
 
学完本次免费课程觉得不过瘾，可以付费去优达学院学习专业课程，不仅仅获得的技能更强，同时也可以作为履历的一部分。(此处应该由优达学院支付广告费:)
 
11.开启专题学习之旅
 
略。
 
好了，至此，你是否对无人驾驶有了更清晰的了解呢？欢迎大家关注我的公众号罗孚传说(RoverTang_com)，输入“百度Apollo无人驾驶课程”下载课程视频，也可以访问原文了解更多信息。

[查看原文]
 
基础规则
 
简单规则
 
 
 
空格：Latex中空格不起作用。 
 换行：用控制命令“\”,或“ \newline”. 
 分段：用控制命令“\par” 或空出一行。 
 换页：用控制命令“\newpage”或“\clearpage” 
 特殊控制字符：
 
 
#，$, %, &, - ,{, },^, ~控制命令：\# \$ \% \& \- \{ \} \^{} \~{}
$\blackslash$表示“ \”
 
 
西文字符转换表
 
 
 
rm 罗马字体 \it 意大利字体 
 \bf 黑体 \sl 倾斜体 
 \sf 等线体 \sc 小体大写字母 
 \tt 打字机字体 \mit 数学斜体
 
 
字号转换命令表
 
点数(pt)
相应中文字号
控制命令
25
一号
\Huge
20
二号
\huge
17
三号
\LARGE
14
四号
\Large
12
小四号
\large
10
五号
\normalsize
9
小五号
\small
8
六号
\footnotesize
7
小六号
\scriptsize
5
七号
\tiny
 
纵向固定间距控制命令
 
 
 
\smallskip 
 \medskip 
 \bigskip
 
 
页面控制命令
 
 
 
\textwidth=14.5cm 
 \textheight=21.5cm 
 系统默认：字号10pt= 五号字；西文字体为罗马字体；textwidth=12.2cm,textheight=18.6cm。相当于美国标准信纸大小
 
 
中英文LaTeX模板
 
中文LaTeX模板
 
下面给出的是中文LaTeX2e模板，此时文件的扩展名为.ctx。模板中%后面的中文是中文注解，读者可以阅读这些模板中的中文注解，以理解所涉及的LaTeX2e命令的含义。
 
\documentclass[11pt]{ccart}  
%文件类说明 %还可以选择的类是cctbook

\setlength{\parindent}{12pt}  
%自然段第一行的缩进量为12pt
\setlength{\parskip}{10pt plus1ptminus1pt}  
%自然段之间的距离为10pt，并可在8pt到11pt之间变化
\setlength{\baselineskip}{8pt plus2ptminus1pt}  
%行间距为8pt，并可在7pt到10pt之间变化

\setlength{\textheight}{21truecm}  %版面高为21厘米
\setlength{\textwidth}{14.5truecm}  %版面宽为14.5厘米

\begin{document}  %正文开始 

\title{Thesis}  
%文章标题，双反斜杠\\表示换行 
\author{author\\Dept. of Math.}  
%作者名，单位，通信地址等，双反斜杠\\表示换行
\date{2003/8/5}  
%文章写作日期，如果省略此行，计算机日期作为写作日期 

\maketitle  
%建立标题部分

%文章的正文输入

\begin{center}  %参考文献的书写 
{\heiti  参考文献}
\end{center}

\vskip 0.1cm
\def\hang{\hangindent\parindent}
\def\textindent#1{\indent\llap{#1\enspace}\ignorespaces}
\def\re{\par\hang\textindent}
\re{[1]} Nordhaus E,Stewart B,WhiteA.On theMaximum Genus of a Graph.{\it J.combinatorial TheoryB},1971,11:258-267  
\re{[2]} Skoviera M.The Maximum Genus of Graphsof Diameter Two.{\it Discrete Math}.1991, > > 87:175-180 

\end{document}  %源文件的结束
 
英文LaTeX模板
 
\documentclass[11pt]{article}  
%文件类说明 %还可以选择的类是book,report

\setlength{\parindent}{12pt  }  
%自然段第一行的缩进量为12pt
\setlength{\parskip}{10pt plus1ptminus1pt}  
%自然段之间的距离为10pt，并可在8pt到11pt之间变化
\setlength{\baselineskip}{8pt plus2ptminus1pt}  
%行间距为8pt，并可在7pt到10pt之间变化

\setlength{\textheight}{21truecm}  %版面高为21厘米
\setlength{\textwidth}{14.5truecm}  %版面宽为14.5厘米

\begin{document}  %正文开始

\title{Thesis}  %文章标题，双反斜杠\\表示换行
\author{author\\Dept. of Math.}
%作者名，单位，通信地址等，双反斜杠\\表示换行
\date{2003/8/5}
%文章写作日期，如果省略此行，计算机日期作为写作日期

\maketitle  %建立标题部分

\section{Introduction}  %第一节引言（机器自动编号）
{\bf Theorem 1.} {\it For any fixed $\rho>0$,we have
$$||R(u,\rho)||\leq ||R_1(u,\rho)||\leq2||R(u,\rho)||,~~~\forall u\in H.
\eqno(10)$$ Hence, (2) and (3) are equivalent forany fixed$\rho>0$.}
%一般定理的写法
{\bf Proof.}
\begin{thebibliography}{99}
\bibitem{Kind} D. Kinderlehrer and G.Stampacchia, {\it An Introduction to
Variational Inequalities and Their Applications},Academic Press,New York, (1980).
\end{thebibliography}  %参考文献

\end{document}  %源文件的结束
 
[LaTex基本语法]
 
入门示例
 
helloworld.tex
 
\documentclass{article}
\begin{document}
Hello, world!
\end{document}
 
\documentclass{article} 
 
 
 
包含了一个控制序列（或称命令/标记）。所谓控制序列，是以反斜杠\开头，以第一个空格或非字母 的字符结束的一串文字，他们并不被输出，但是他们会影响输出文档的效果。这里的控制序列是 documentclass，它后面紧跟着的 {article} 代表这个控制序列有一个必要的参数，该参数的值为 article。这个控制序列的作用，是调用名为 “article” 的文档类。 
 Note: TeX 对控制序列的大小写是敏感的 
 部分控制序列还有被方括号[]包括的可选参数。 
 所谓文档类，即是 TeX 系统预设的（或是用户自定的）一些格式的集合。不同的文档类在输出效果上会有差别。
 
 
\documentclass[options]{class}
 
 
 
article 排版科技期刊、短报告、程序文档、邀请函等。 
 report 排版多章节的长报告、短篇的书籍、博士论文等。 
 book 排版书籍。 
 slides 排版幻灯片。其中使用了较大的sans serif 字体。也可以考虑使用FoilTEX 来得到相同的效果。
 
 
% 注释
 
 
 
TeX 风格的文档中，从 “%” 开始，到该行末尾的所有字符，都会被 TeX 系统无视，只作为供人类阅读的注释。除非在 “%” 前加上反斜杠来取消这一特性。
 
 
\begin{} \end{ }
 
 
 
控制序列 begin，这个控制序列总是与 end 成对出现。这两个控制序列以及他们中间的内容被称为「环境」；他们之后的第一个必要参数总是一致的，被称为环境名。 
 只有在 “document” 环境中的内容，才会被正常输出到文档中去或是作为控制序列对文档产生影响。也就是说，在 \end{document} 之后插入任何内容都是无效的。 
 \begin{document} 与 \documentclass{article} 之间的部分被称为导言区。导言区中的控制序列，通常会影响到整个输出文档。比如，我们通常在导言区设置页面大小、页眉页脚样式、章节标题样式等等。
 
 
组织你的文章
 
\documentclass[UTF8]{ctexart}   %这里的ctex改成article也可以，但不能显示中文
\title{你好，world!}
\author{Liam}
\date{\today}
\begin{document}
\maketitle
%定义了标题、作者、日期
%maketitle这个控制序列能将在导言区中定义的标题、作者、日期 按照预定的格式展现出来。
你好，world!
\end{document}

\documentclass[UTF8]{ctexart}
\title{你好，world!}
\author{Liam}
\date{\today}
\begin{document}
\maketitle
\section{你好中国}
中国在East Asia.
\subsection{Hello Beijing}
北京是capital of China.
\subsubsection{Hello Dongcheng District}
\paragraph{Tian'anmen Square}
is in the center of Beijing
\subparagraph{Chairman Mao}
is in the center of 天安门广场。
\subsection{Hello 山东}
\paragraph{山东大学} is one of the best university in 山东。
\end{document}
 
插入目录
 
 
 
在上一节的文档中，找到 \maketitle，在它的下面插入控制序列 \tableofcontents
 
 
页边距
 
 
 
设置页边距，推荐使用 geometry 宏包。 
 比如我希望，将纸张的长度设置为 20cm、宽度设置为 15cm、左边距 1cm、右边距 2cm、上边距 3cm、下边距 4cm，可以在导言区加上这样几行： 
 \usepackage{geometry} 
 \geometry{papersize={20cm,15cm}} 
 \geometry{left=1cm,right=2cm,top=3cm,bottom=4cm}
 
 
页眉页脚
 
 
 
设置页眉页脚，推荐使用 fancyhdr 宏包。 
 比如我希望，在页眉左边写上我的名字，中间写上今天的日期，右边写上我的电话；页脚的正中写上页码；页眉和正文之间有一道宽为 0.4pt 的横线分割，可以在导言区加上如下几行： 
 \usepackage{fancyhdr} 
 \pagestyle{fancy} 
 \lhead{\author} 
 \chead{\date} 
 \rhead{152xxxxxxxx} 
 \lfoot{} 
 \cfoot{\thepage} 
 \rfoot{} 
 \renewcommand{\headrulewidth}{0.4pt} 
 \renewcommand{\headwidth}{\textwidth} 
 \renewcommand{\footrulewidth}{0pt}
 
 
首行缩进
 
 
 
CTeX 宏集已经处理好了首行缩进的问题（自然段前空两格汉字宽度）。 
 不使用 CTeX 宏集（使用 xeCJK 宏包）的话，请遵照以下提示操作。 
 中国人写文章，习惯每一段的段首都空出两个中文汉字的长度。美国人没有这个习惯，他们每一小节的段首都顶格。为了解决这个问题，我们可以在导言区调用 \usepackage{indentfirst}. 
 就算是这样，首行缩进的长度，仍然不符合中国人的习惯。我们可以在导言区添加这样的控制序列 \setlength{\parindent}{\ccwd} 来调整首行缩进的大小。这里的 \ccwd 是当前字号下一个中文汉字的宽度。
 
 
行间距
 
 
 
可以通过 setspace宏包提供的命令来调整行间距。比如在导言区添加如下内容，可以将行距设置为字号的 1.5 倍： 
 \usepackage{setspace} 
 \onehalfspacing 
 具体可以查看该宏包的文档。 
 请注意用词的差别： 
 行距是字号的 1.5 倍； 
 1.5 倍行距。 
 事实上，这不是设置 1.5 倍行距的正确方法，请参考：http://liam0205.me/2013/10/17/LaTeX-Linespace/
 
 
段间距
 
 
 
可以通过修改长度 \parskip 的值来调整段间距。例如在导言区添加以下内容 
 \addtolength{\parskip}{.4em} 
 则可以在原有的基础上，增加段间距 0.4em。如果需要减小段间距，只需将该数值改为负值即可。
 
 
字体
 
 
 
somewords {\it somewords} somewords 
 \bf 黑体字；粗体铅字 
 \it Italics 
 \tt Typewriter (monospace, fixed-width).打字型印刷铅字 
 \emph Although it also changes fonts, the \emph{text} commandis semantic, for text to be emphasized, and should not be used as asubstitute for \textit. For example, \emph{starttext \emph{middle text} end text} will result in thestart text and end text in italics, but middle textwill be in roman. 
 The \em command is the unconditional version of \emph.
 
 
字体颜色
 
 
 
{\color{red}{[??]}}
 
 
数学字体
 
The following commands are for use in math mode. They are not cumulative, so \mathbf{\mathit{symbol}} does not create a boldface and italic symbol; instead, it will just be in italics. This is because typically math symbols need consistent typographic treatment, regardless of the surrounding environment.
 
 
 
\mathrm 
 Roman, for use in math mode. 
 \mathbf 
 Boldface, for use in math mode. 
 \mathsf 
 Sans serif, for use in math mode. 
 \mathtt 
 Typewriter, for use in math mode. 
 \mathit 
 (\mit) 
 Italics, for use in math mode. 
 \mathnormal 
 For use in math mode, e.g., inside another type style declaration. 
 \mathcal 书法字体 
 Calligraphic letters, for use in math mode. Note: 大写字母才有书法字体，小写的是无效的。
 
 
字母大小写转换(pipi add)
 
 
 
\MakeUppercase{abc} ABC 
 \MakeLowercase 
 %首字母大写(只能对第一个有效) 
 \usepackage{stringstrings} 
 \capitalize{abc abc} Abc abc 
 %整个字符串所有单词首字母大写 
 %google: latex uppercase the first letter of each word in a sentence
 
 
正文字体大小设置
 
The standard classes, article, report and book support 3 different font sizes, 10pt, 11pt, 12pt (by default 10pt). The font size is set through the optional argument, e.g.:
 
 
 
\documentclass[12pt]{report} 
 use the extsizes package. It allows for the following font sizes: 8pt, 9pt, 10pt, 11pt, 12pt, 14pt, 17pt, 20pt. 
 %Article 
 \documentclass[9pt]{extarticle} 
 %Report 
 \documentclass[14pt]{extreport} 
 [Changing the font size in LaTeX] 
 局部改变字号：\fontsize{字体尺寸}{行距}，只有使用\selectfont命令之后，\fontzize{}{}的设置才能生效。 
 \fontsize{10pt}{12pt}\selectfont 这样后面的字体都变成10pt大小了。 
 使用给定字号： \Huge \huge \LARGE \Large \large \normalsize(default) \small \footnotesize \scriptsize \tin
 
 
其他
 
latex目录下产生的文件说明
 
 
 
.tex LATEX 或TEX 源文件。可以用latex 处理。 
 .sty LATEX 宏包文件。可使用命令\usepackage 将其加载到你的LATEX 文件中。 
 .dtx 文档化TEX 文件。这也是LATEX 宏包发布的主要格式。通过处理一个 
 .dtx 文件就可以得到该LATEX 宏包中所包括的宏代码文档。 
 .ins 为相应的.dtx 文件的安装文件。如果你在网络上下载了一LATEX 宏包，你通常会发现会有一个.dtx 和一个.ins 文件。使用LATEX 对.ins文件进行处理，可以从.dtx 文件中提取出宏包。 
 当你运行LATEX 处理你的源文件时，会得到下列文件： 
 .dvi 与设备无关文件。这是LATEX 编译运行的主要结果。你可以使用DVI预览器浏览其内容，或者使用像dvips 这样的应用程序输出到打印机。 
 .log 记录了上次编译运行时的详细信息。 
 .toc 存储了所有章节标题。该文件将在下次编译运行时被读入并生成目录。 
 .lof 类似.toc 文件，可生成图形目录。 
 .lot 类似.toc 文件，可生成表格目录。 
 .aux 另一个用来向下次编译运行传递信息的辅助文件。除了其它信息外，.aux 文件通常包含交叉引用信息。 
 .idx 如果你的文件中包含有索引，LATEX 使用此文件存储所有的索引词条。此文件需要使用makeindex 处理。 
 .ind 经过处理后的.idx 文件。可在下次编译运行时加入到你的文档中。 
 .ilg 运行makeindex 时生成的记录文件
 
 
latex类文件.cls文件
 
示例awesome-cv.cls
 
 
 
awesome-cv的class file，可以在其他latex file中引用，例如在 ./example/resume.tex中： 
 \documentclass[11pt, a4paper]{awesome-cv} 
 每個class file中都會以以下兩行指令做開頭 
 \NeedsTeXFormat{LaTeX2e} %告訴Compiler此class是用哪一版 
 \ProvidesClass{my_cv}[2011/03/26 My custom CV class] 
 Note: Latex中.cls文件和.sty文件的区别和联系：.cls和.sty文件是用来提高LaTeX的排版效果的补充文件。它们分别用命令\documentclass{…}和命令\usepackage{…}来装载到LaTeX文件。.cls文件通常被称为“classes”（也就是“类”），而.sty文件被称为“style files”（样式文件）,或者就简单地称其为“packages”（包）。通过命令\documentclass{…}来装载一个类是强制性的，而且在LaTeX文件里可能只出现一次；通常它是第一个命令。不同的是，包是可选的，而且它们可以在需要时随时被装载(不过一定是在正文开头之前)。总而言之，.cls和.sty文件被LaTeX文件装载以提供或改善产生文档的方法。一般而言，类文件实现文档的特定结构，而包包既可以用于提供从属于文档的功能，又可以改变特定的类文件提供的方法的风格。[.cls和.sty文件的作用和区别] 
 LaTeX 允许你在自己编写的宏包（e.g. .cls文件中）中调用其它宏包，命令为RequirePackage
 
 
宏包
 
 
 
所谓宏包，就是一系列控制序列的合集。这些控制序列太常用，以至于人们会觉得每次将他们写在导言区太过繁琐，于是将他们打包放在同一个文件中，成为所谓的宏包（台湾方面称之为「巨集套件」）。\usepackage{·}可以用来调用宏包。 
 在引言中调用。 
 指定字体\usepackage{times} 
 package latexsym, which defines all symbols known from the old LaTeX version.
 

技术简介：
 
    射频识别技术RFID（Radio Frequency Identification），又称为电子标签、无线射频识别，是一种非接触式的自动识别技术，通过无线电讯号识别特定目标并读写相关数据而无需识别系统与特定目标之间建立机械或光学接触。可用于识别高速运动物体并可同时识别多个标签，过程中无需人工干预，操作快捷方便。可工作于各种环境，实现对各类物体或设备（人员、物品）在不同状态（移动、静止或恶劣环境）下的自动识别和管理。
 
    RFID系统主要由应答器、阅读器和高层应用组成，其中的应答器包括集成电路芯片。阅读器用于产生射频载波与应答器进行信息交互。高层应用包括信息的管理和决策。
 
    应答器的基本包括天线、编/解码器、电源、解调器、存储器，控制器以及负载电路组成。从应答器传送信息时，状态数据从存储器中取出经过编码器和负载调制单元发送。
 
    应答器可以分为只读应答器、读/写应答器和具有识别功能的应答器。应答器天线部分主要用于数据通信和获取射频能量，给应答器的其他电路提供能量。根据应答器能源获取方式不同可以分为：无源（被动式）应答器、半无源（半被动式）应答器和有源（主动式）应答器。
 
    有源应答器，这种应答器工作所需的能量完全来自于自身的电源模块，它会主动地与阅读器信息传输。由于主动通信过程需要比较大的能量供应，所以有源应答器的体积往往比较大，重量较重。
 
    控制器是应答器系统的核心部分，对于可读可写应答器，需要内部逻辑控制对读写的使能和对读写操作的支持，对于有密码的应答器，要求控制器能进行数字验证操作。RFID的应答器的存储容量一般在几字节到几千字节之间，存储器存储的数据量一般为产品的序列号，如EPC编码。
 
    RFID阅读器（读写器）通过天线实现对应答器识别码和内存数据的读出或写入操作。典型的阅读器包含有高频模块(发送器和接收器)、控制单元、振荡电路以及阅读器天线几部分。在实际应用中，有4种波段的频率，有低频（125k~ 134.2K）、高频（13.56Mhz）、超高频（860-960MHz）和微波（2.45GHz）。RFID阅读器是以一定的频率、特定的通信协议完成对应答器中信息的读取。
 
    近场通信(NFC)技术是RFID的专用子集。
 
    阅读器和应答器之间执行短距离无线通信的RFID系统通常利用电磁耦合、电磁感应、无线电波等形式，应用较为典型的是电感耦合，阅读器和应答器天线部分的电感线圈通过电磁场进行信息传输。RFID射频前端是实现数据和能量的交换传输的关键部分，RFID技术通过电感耦合方式进行通信，电感耦合方式的理论基础是LC谐振回路和电感线圈产生的交变磁场，也是RFID天线的基本原型。
 
    电感耦合分为两种方式：一种是串联谐振回路的耦合，另一种是并联谐振回路的耦合。可把两个或更多个串、并联谐振回路连接起来，构成带通滤波器。谐振放大器中，LC并联谐振回路使用最为广泛。
 
 
行业相关：
 
RFID芯片主要供应商：恩智浦半导体(NXP)、德州仪器(TI)和EMMicroelectronic。
 
MIFARE是恩智浦一系列免接触式IC产品中的著名品牌，具有典型的高达10厘米(4英寸)读/写距离，在全球有40多种不同应用。MIFARE产品完全符合ISO/IEC 14443标准，已售出2亿6千万个读卡器和100亿个卡组件，经验证比市场上任何其他接口技术都更加成熟可靠。
 
系列特色：
 
完全符合ISO/IEC 14443国际标准；
 
最高可满足NFC Forum 4类标签标准；
 
支持4字节和7字节UID和随机ID；
 
不同级别的加密、身份验证和通信速度可供选择；
 
最高可满足EAL5+通用标准；
 
提供来源和近场校验；
 
标准接口确保目前的基础设施可轻松升级以符合未来智能卡芯片要求，为价值链的各个层次提供一致的产品与多重资源选择；
 
操作简单、快捷，完成一次读写操作仅需0.1秒；
 
抗干扰能力强，有快速防冲突机制，在多卡同时进入读写范围内时，能有效防止卡片之间出现数据干扰，读写设备可一一对卡进行处理，提高了应用的并行性及系统工作的速度。
 
    MIFARE 卡的存贮结构及特点（大容量--16分区、1024字节），能应用于不同的场合或系统。（Mifare技术已经被破解，卡片可以被复制，由于价格低廉，所以还在广泛使用）
 
    RC530是NXP 公司出品的应用与13.56MHz非接触式通信中高集成读卡IC系列中的一员，该芯片完全集成了在 13.56MHz下所有类型的被动非接触式通信方式和协议。
 
    MFRC530支持ISO14443A所有的层。RC530的外围电路入图所示。该电路由接收电路和单片机接口电路两部分组成。由于RC530内部接收部分使用一个受益于副载波双边带的概念装入卡响应的调整。推荐使用内部产生的VMID电势作为RX脚的输入电势。为了提供一个稳定的参考电压，必须在VIMD脚接一个对地的电容C9,RX和VMID必须连接一个分压IC卡将回复自己UID，如果没有碰撞阅读器将收到完整的电路由R9,R10构成，而且天线与分压器间还需要用一个电容C10串接。由于IC卡工作在13.56Mhz下。石英晶体在产生用于驱动RC530和天线的13.56Mhz时钟时，还会产生更高频率的谐波。因此必须加上由L1,L2,C11,C13组成的低通滤波电路。
 
    MFRC522是NXP 公司针对三表最新推出的一款非接触式低功耗读写基站芯片，它是应用于13.56MHz非接触式通信中高集成读卡IC系列中的一员。该读卡IC系列利用了先进的调制和解调概念，完全集成了13.56MHz下所有类型的被动非接触式通信方式和协议。 MF RC522支持ISO14443A所有的层，传输速度最高达424kbps，具有三种主机接口方式：SPI模式、 UART模式、 I2C模式。MFRC523是一个高度集成的低功耗非接触读写芯片，集成了13.56MHz下的各种主动/被动式非接触通信方法和协议。
 
通讯主要分为4步：
 
第一步、寻卡，写通讯命令26H 或52H到FIFODATA，写命令1EH到COMMAND，成功后得到卡类型。
 
第二步、选择，写通讯命令93H到FIFODATA，写命令1EH到COMMAND，成功后得到卡号。  
 
第三步、认证，通过LOADKEY写KEY到KEY缓存，写参数命令60H（认证A密码）或61H（认证B密码）+块地址+卡号到FIFODATA，写命令0CH到COMMAND，成功后再写命令14H到COMMAND，此操作卡不返回数据，通过读取标记判断是否成功。
 
第四步、直接对卡进行读写增减值操作，也就是通过在FIFODATA上写入命令参数及数据，通过写命令1EH到COMMAND实现。
 
智能标签IC：
 
    EPCglobal标准的UCODE无源UHF转发器IC非常适合需要高速操作的供应链和物流应用，具有高度防冲突、面向远距离读取的高敏感度以及适合全球应用的更宽的频率范围。UCODE IC系列提供不同的存储容量和其他特殊功能，用户可以面向特定应用选择性价比最高的容量和功能。
 
    UHF EPCglobal第2代标准可将UHF RFID技术的大规模部署投入商用，并用于无源智能挂牌和标签。主要的应用领域包括全球供应链管理和物流，尤其考虑到欧洲、美国和中国的频率标准，确保可实现数米远的工作距离。
 
    G2X是专为无源智能挂牌与标签而设计的芯片，支持EPCglobal第1类第2代UHF RFID标准。它尤为适合需要在数米远进行操作以及高防干扰速率的应用。
 
    G2X属于恩智浦UCODE产品系列下的一款产品。所有UCODE产品系列均提供防干扰和干扰仲裁功能。这可让读卡器在其天线范围内同步操作多个标签/挂牌。UCODE G2X标签/挂牌无需外部电源。（芯片如：SL3ICS1002）。
 
    HITAG®是低频(LF) RFID，低频技术是严苛环境应用的首选技术，它可提供所需的高可靠性、稳定性和安全数据传输。
 
    NTAG®产品为NFC解决方案，包括广泛的供电选择：无源供电，半无源供电和互联IC供电等，在接近操作范围及每个安全级别和互动性方面具有卓越的性能。所以，无论是现在还是将来，客户都能找到适合他们应用的最佳解决方案。NTAG IC完全符合NFC Forum和ISO/IEC标准，可实现与NFC基础设施的最大互操作性。
 

 
 
搜索到的国内RFID相关企业：
 
1、深圳远望谷   
 
2、上海复旦微电子   
 
3、深圳先施科技   
 
4、北京航天金卡   
 
5、北京同方智能卡   
 
6、上海贝岭  
 
7、北京亚仕同方   
 
8、江苏瑞福智能   
 
9、上海坤锐电子   
 
10、凯泰科技
 
    对于 LF 和 HF 频段，系统工作在天线的近场，标签所需的能量通过电感耦合方式由读写器的耦合线圈辐射场获得，工作方式为电感耦合。型号为HRRFD-NF09的近场天线。
 
    对于超高频和微波频段，读写器天线为标签提供能量或唤醒有源标签，工作距离较远，一般位于读写器天线的远场。如图是型号为CS—771的圆极化天线。
 
应用相关：
 
    网上有开发人员实验验证，可支持手动认证操作的数据收发，认证操作就是一系列的数据收发，普通数据能收发，认证数据也可以。
 
    支持手动实现校验位操作，MifareClassic系列（就是使用Crypto-1密码系统）在认证中必须需要读卡器支持校验位控制。因为在MifareClassic系列的认证过程中，第二步和第三步读卡器、卡片之间传送的数据是加密的，但是校验位是对应明文的校验。如果处于自动校验状态，那么校验位肯定就是所收发的数据（密文）的校验而不是明文的校验。所以不支持控制校验就不支持手动认证。
 

 
 
主要性能参数：
 
 
 
技术难点：
 
    RFID 应答器天线作为RFID系统的重要组成部分，它的性能将极大的影响整个RFID系统的效率与质量。影响RFID 天线性能的主要因素包括天线的尺寸、工作频段、阻抗及增益等。
 
    一般常用的RFID天线常采用弯折线型偶极子形式，便于缩减天线尺寸及天线加工。该类型天线方向图为垂直于天线面，因此使用时贴附于目标物体垂直外表面；当物体的长度随之变化时，要求天线也随之变化，其增益也随之改变，因此需要设计出一款能够根据长度而改变的天线，另外，其各项天线性能也需要满足要求。在RFID系统中，天线分为电子标签天线和读写器天线两大类，分别承担接收能量和发射能量的作用。
 
    发射天线的基本功能之一是把从馈线取得的能量向周围空间辐射出去，基本功能之二是把大部分能量朝所需的方向辐射。
 
    RFID 系统中的术语“零讯号(null)”指的是尽管接收通信所需的电力的距离足够 ( 即，在可通信范围内 ) 仍不能执行通信的现象，并且存在可能导致这种零讯号发生的各种因素。反相就是一种这样的因素。由反相导致的零讯号将被称作反相零讯号。
 
    超高频 RFID 技术对一次性写入的数据量是有限制的，因此对于大数据的写入需要实现续写功能，也就是说每次数据写入都要从上一次写入数据的结束位置开始写本次需要存储的数据信息。数据安全是数据管理的重要组成部分，因此对业务数据的保护也是超高频 RFID 电子标签应用的重要部分。
 
    在射频读写器的应用中遇到的一个问题就是阅读器冲突，这是一个阅读器接收到的信息和另外一个阅读器接收到的信息发生冲突，产生重叠。解决这个问题的一种方法是使用TDMA技术，保证阅读器不会互相干扰。
 
 
 
专利相关：
 
    截止日前的相关已授权发明专利5952项，TOP5：NXP（95），国家电网（85），中兴（80），艾利丹尼森公司（76），富士通（70）。
 
思维发散——场检测和场激发：
 
金属探测仪：通常由两部分组成，即检测线圈与自动剔除装置，其中检测线圈为核心部分。线圈通电后会产生磁场，有金属进入磁场，就是引起磁场变化，由此判断有金属杂质。某些产品本身含水、盐等到点成分，也会对磁场产生类似金属的干扰。这种现象，称为产品效应。可以通过产品效应补偿功能解决此类问题。
 
    探测器产生周期性变化的磁场，周期性变化的磁场在空间产生涡旋电场。而涡旋电场如果遇到金属的话，会形成涡电流，可以被检测到。涡电流产生后反作用于磁场使线圈的电压和阻抗发生变化。
 
    发射线圈的电流会产生一个电磁场，就如同电动机也会产生电磁场一样。磁场的极性垂直于线圈所在平面。每当电流改变方向，磁场的极性都会随之改变。这意味着，如果线圈平行于地面，那么磁场的方向会不断地交替变化，一会儿垂直于地面向下，一会儿又垂直于地面向上。 
 
    随着磁场方向在地下反复变化，它会与所遇的任何导体目标物发生作用，导致目标物自身也会产生微弱的磁场。目标物磁场的极性同发射线圈磁场的极性恰好相反。如果发射线圈产生的磁场方向垂直地面向下，则目标物磁场就垂直于地面向上。             
 
    接收线圈能完全屏蔽发射线圈产生的磁场。但它不会屏蔽从地下目标物传来的磁场。这样一来，当接收线圈位于正在发射磁场的目标物上方时，线圈上就会产生一个微弱的电流。
 
    这一电流振荡的频率与目标物磁场的频率相同。接收线圈会放大这一频率并将其传送到金属探测器的控制台，控制台上的元件继而对这一信号加以分析。
 
    X光的光子与普通可见光的光子基本相同，但是它们携带的能量更多。这种较高的能量水平可以使X光直接穿过人体大多数的软组织。常规的X光成像技术利用的是光影原理。从人体一侧照射“光线”，此时，人体另一侧的胶片可记录骨骼的轮廓。