肆十二-CSDN博客

原创 zed2i双目相机重建流程

<think>我们根据用户要求，需要根据给定内容生成不超过150字的文章摘要。这篇内容是关于ZED SDK空间映射系统的原理和操作说明。摘要需要概括核心原理、流程和特点，控制在150字以内。我们先总结要点：程序使用ZED2i双目深度和视觉惯性定位，逐帧融合深度生成Mesh或点云；深度计算基于双目视差，定位用视觉+IMU；流程包括初始化、深度计算、位姿估计、空间融合、网格生成；软件特点是实时建图、支持保存PLY/OBJ。用户需要摘要，所以省略细节，突出原理。字数限制严格，要精简。写一个简练的摘要。</th

2026-09-07 16:14:54 230

原创水下导航扫盲

<think>我们根据用户要求，从提供的内容中生成一篇不超过150字的摘要。内容是关于AUV和载人潜水器导航原理的异同。摘要需要概括核心内容，包括挑战、传感器融合、AUV自主闭环、载人潜水器人工决策与母船跟踪，以及导航组合的结论。要简洁，不超过150字。</think>水下导航因无线电衰减而依赖多传感器组合：INS/IMU、DVL、深度计、USBL/LBL及视觉/声呐SLAM，经EKF或因子图融合。AUV自主闭环执行“定位—规划—控制”，载人潜水器则融合信息供驾驶员决策，并由母船持续声学跟踪。两者传感器原理

2026-09-07 00:21:08 200

原创正射影像和三维重建的区别

<think>我们根据表格内容生成摘要，不超过150字。需要概括主要比较点：各类项目的实时性、水下适用性、代码情况等，并突出推荐排序和关键结论。注意语言简洁。</think>该综述对比了九种空中/水下实时正射影像生成方案，评估其方法、实时性、地形校正与代码可用性。重点推荐aerial_mapper用于DSM与增量融合参考，OpenREALM提供完整实时架构；水下场景可选3D Sequential Mosaicing（无公开代码）或COLMAP Underwater（离线高精度）。综合来看，2016年Map2

2026-09-06 23:26:10 192

原创正射影像生成常见方法

2026-09-06 23:05:26 153

原创双目高斯算法

有，而且真正使用同步左右目、同时构建 Gaussian 地图的算法已经出现了。很多论文只做到第三项，不能算实时 Gaussian SLAM。结合你现在的 ZED 2i、4×RTX 4090 和水下应用，我建议优先看下面几种。

2026-09-05 16:03:37 168

原创水下机器人 SLAM 与三维重建技术路线

本文提出了水下机器人SLAM与三维重建的完整技术路线，分为实时作业和离线重建两个主要场景。系统采用多传感器融合架构，整合ZED双目相机、IMU/INS、DVL、深度计等数据源，通过实时SLAM生成轨迹和局部点云，同时完整记录原始数据用于离线优化。离线处理阶段采用回环检测、全局优化和3DGS等技术获得高质量三维模型。文章详细比较了ZED SDK、RTAB-Map和pySLAM等组件的适用场景，推荐分阶段实施策略，并指出了水下环境特有的技术挑战和风险因素。最终建议采用ZED+RTAB-Map实现实时定位，通过多

2026-08-16 01:03:25 243

原创 ZED 2i + ROS 2 配置记录

文章摘要本文记录了在Ubuntu 26.04系统上配置ZED 2i深度相机与ROS 2 Lyrical LTS的工作笔记。系统环境包含4块RTX 4090显卡和Wayland显示协议，面临的主要挑战是ZED Explorer和RViz在原生Wayland下的显示问题。通过使用XWayland兼容模式和软件渲染解决了显示闪烁问题，同时详细记录了ROS 2工作空间构建、依赖管理以及启动配置。文章还总结了ZED 2i相机特性、分辨率帧率限制，以及将CUDA计算与OpenGL显示分离的优化方案。最后提供了稳定运行

2026-08-15 18:47:52 211

原创声纳数据集汇总

整理日期：2026-08-14。

2026-08-14 18:15:10 287

原创 Sea-thru：从数学小白角度的全文精读

文章摘要 Sea-thru是一种基于物理模型的水下图像复原方法，通过修正传统大气去雾模型，解决了水下图像颜色失真问题。该方法认为水下像素由两部分组成：物体光线在水中衰减后的直达信号(D_c)和水中颗粒散射形成的后向散射(B_c)。算法流程包括：利用RGBD图像估计后向散射，计算随距离变化的衰减系数，最后恢复场景真实颜色。实验使用了1100多幅不同水域的图像验证效果。相比传统方法，Sea-thru更准确地建模了水下光传播特性，实现了稳定的颜色恢复。该方法不依赖深度学习，而是通过物理模型和精确的距离信息实现图像

2026-08-08 01:25:31 331

原创 Sea-thru算法讨论整理

Sea-thru水下图像恢复算法摘要 Sea-thru是一种基于物理模型的水下图像颜色恢复方法，主要解决两个问题：去除水体后向散射（蓝绿色水雾）和补偿光衰减损失。其核心成像模型将像素分解为衰减的物体光和水体散射光两部分，通过距离图辅助估计不同距离下的后向散射和衰减系数。算法流程包括：距离分段、暗像素选择、散射光拟合、物体光补偿等步骤。关键创新在于区分了光衰减和散射两个独立过程，采用不同系数进行建模。该方法不依赖深度学习，而是基于水下光学物理特性，通过指数函数模拟光的衰减过程，最终实现水下场景的真实色彩还原。

2026-08-08 01:14:18 191

原创深海载人潜器水下图像增强：20 篇核心文献精读（含关键定量结果）

本文总结了20篇深海载人潜器水下图像增强领域的关键文献，重点针对1500米深海冷泉生态系统的特殊成像场景（人工照明偏绿、潜器阴影、圆形耐压窗黑边）进行分析。研究指出，最有价值的创新方向应是物理引导、掩膜感知且时序一致的图像恢复方法，需严格区分水体退化、非均匀照明和无效视场三种现象。文献筛选涵盖CVPR、ICCV等顶级会议和IEEE期刊，特别关注物理模型、真实数据验证和下游任务应用。其中Sea-Thru、SeaThru-NeRF等方法在物理建模方面突出，而UVEB、UnDIVE等在视频时序一致性上表现优异。建

2026-08-06 13:43:27 173

原创 WSL2 + Orbbec Gemini 336L + RTAB-Map ROS2 RGB-D SLAM 教程

本文详细介绍了在WSL2 Ubuntu + ROS2 Jazzy环境下，使用奥比中光Gemini 336L相机运行RTAB-Map RGB-D SLAM的完整流程。主要内容包括：1) 通过usbipd-win将相机透传到WSL2；2) 启动OrbbecSDK_ROS2驱动发布RGB/Depth数据；3) 配置RTAB-Map参数订阅相机话题进行SLAM建图；4) 在RViz2和rtabmap_viz中可视化地图、点云和轨迹。文中提供了详细的命令行操作步骤，并解释了关键参数含义，同时针对可能遇到的USB权限问

2026-08-03 14:38:34 277

原创深度相机与传感器讨论总结

本文整理了今天关于 ZED 2i、奥比中光 Gemini 系列、线扫、结构光、ToF、双目和激光雷达的讨论，重点放在原理区别、各自目的和选型判断。

2026-06-25 17:44:20 260

原创【无标题】

exe导出，模型加载部分有些bug，还在调试。

2026-06-23 19:08:30 141

原创周报-20260616

本周工作主要围绕海洋生物检测和三维重建展开。在海洋生物检测方面，完成了2000个文物生物标签的GPT匹配，并添加了标签查看功能，后续计划补充缺失数据并添加核对人信息。三维重建部分介绍了RDK X5开发板和GS130VI双目相机的参数配置，计划用于深度估计和SLAM开发。同时阅读了Depth Anything论文，分析了其基于MiDaS和DINO模型的单目深度估计方法，通过大规模无标签数据和教师-学生框架提升性能，但需注意其输出为相对深度，与海洋应用所需的真实距离存在差异。

2026-06-22 11:23:13 161

原创双目视觉与视觉惯性 SLAM 讨论总结

σ2Ex−μ2σ2E[(x−μ2标准差 (\sigma) 表示典型误差尺度，方差 (\sigma^2) 是卡尔曼滤波公式中常用的量。Pσx2cov⁡xy⋯cov⁡yxσy2⋯⋮⋮⋱Pσx2covyx⋮covxyσy2⋮⋯⋯⋱对角线表示各状态变量自身的方差；非对角线表示不同状态误差之间的相关性。

2026-06-15 11:34:09 236

原创地瓜派开发记录2-双目IMU相机

地瓜双目IMU相机自带完整的标定参数，包括双目标定参数、IMU内参、双目和IMU之间的外参，用户无需额外标定即可直接使用。利用这些参数，可以通过双目立体匹配算法计算高精度的深度图，实现实时的三维环境感知。同时，相机的数据能应用于开源视觉惯性里程计（VIO）算法，如 OpenVINS 等，可计算相机位姿与轨迹信息。适用于机器人导航、避障等应用，为开发者提供即插即用的深度感知与视觉惯性融合能力。mipi相机代码仓库：https://github.com/D-Robotics/hobot_mipi_cam。

2026-06-14 16:46:22 257

原创地瓜派开发记录1-熟悉板子

D-Robotics RDKX5搭载Sunrise5智能计算芯片，可提供高达10Tops的算力，是一款面向智能计算与机器人应用的全能开发套件，接口丰富，简单易用，支持Transfomer、RWKV、Occupancy、Stere0、Perception等多种复杂模型和最新算法，加速智能化应用快速落地。RDK X5是一款全功能开发板，具有 10Tops 端侧推理算力与 8 核 ARM A55 处理能力，支持 2 路 MIPI Camera 接入，4 路 USB3.0 接口。

2026-06-14 16:35:21 261

原创深海slam相关工作

方法先用 CNN 将 AUV 声呐图像转换为类似俯视图的合成图像，再与全局 overhead image 配准，把得到的变换作为因子加入 pose SLAM factor graph。普通 VIO 在水下容易遇到尺度估计困难和闭环困难，作者用低成本单波束声呐改善尺度估计，并引入高采样率磁力计与人工磁场线圈产生的磁场特征做地点识别。摘要：这篇关注水下洞穴建图。方法使用 SVIn2 做视觉/惯性估计，再把关键帧和位姿送入 COLMAP 做全局优化和稠密重建，并用人工测绘工具 MNemo V2 做验证。

2026-06-12 15:19:35 228

原创大规模AUV通信方案

在复杂的深海环境中，随时可能有 AUV 因为洋流、故障、地形阻挡而掉线。软件定义水下网络（SDN）与拓扑自愈算法。网络具有“自组织（Ad-Hoc）”能力。如果母船与 AUV-C 之间的直接声学链路被一座海底山脉挡住，邻近的 AUV-B 会自动感应到，并在微秒级内将自己转变为“中继节点”，把母船的调度指令转发给 AUV-C。整个编队像网格（Mesh）一样紧密交织。

2026-05-24 17:33:23 454

原创【大作业-65】从零开始掌握CLIP模型：理论到实战完全指南

CLIP（Contrastive Language-Image Pre-training）是OpenAI在2021年发布的一个多模态模型，它的核心能力是理解图像和文本之间的关系。8,000张训练图像1,000张验证图像1,000张测试图像每张图像有5个不同的英文描述│ ││ 理论篇 → 实战篇 ││ ├── CLIP是什么 ├── clip.py 网络结构 ││ ├── 论文核心 ├── flickr8k_dataset.py 数据加载 │。

2026-04-06 16:17:35 622

原创多模态学习经典论文总结

多模态学习经典论文摘要（150字）本文系统梳理了多模态学习领域的重要研究成果。早期工作(2015-2016)以CNN+RNN架构为主，如Show and Tell开创图像描述生成任务，VQA建立视觉问答基准。2020年视觉语言预训练(VLP)兴起，UNIMO实现跨模态知识迁移，Oscar引入对象语义对齐。2021年ViLT简化视觉编码器，采用纯Transformer架构。CLIP通过对比学习实现图文匹配，成为里程碑式工作。BLIP系列统一理解与生成任务，大型多模态模型(LMM)如GPT-4V展现强大能力。

2026-04-02 11:30:35 269

原创【大作业-64】多模态之YOLO-World

YOLO-World是一个基于 YOLOv8 架构的开放词汇目标检测模型，由腾讯 AILab-CVC 团队提出，发表在 CVPR 2024。

2026-03-22 20:20:32 710

原创实时开放词汇目标检测研究综述

开放词汇目标检测研究综述摘要开放词汇目标检测(OVOD)突破了传统目标检测的封闭类别限制，能够通过自然语言描述识别任意新类别。本文系统梳理了OVOD的研究进展：首先分析传统检测方法的局限性(封闭类别、泛化能力差、扩展成本高)，明确OVOD的核心定义是"基于文本引导识别新物体"；其次对比传统与开放检测在类别设定、文本输入、零样本能力等方面的差异；然后介绍OVOD发展历程，从2017年萌芽期到2023年实时期(YOLO-World等)；最后指出OVOD的优势在于无需重新训练即可扩展新类别，

2026-03-22 14:57:53 1003

原创深度学习驱动的海洋生物检测与细粒度识别：基于“检测-检索”级联架构的模型开发策略与前沿算法分析

摘要本文提出了一种基于"检测-检索"级联架构的深度学习模型开发策略，用于解决海洋生物检测与细粒度识别的关键挑战。该策略首先采用通用目标检测器定位水下生物，再通过度量学习进行细粒度分类，有效应对了水下视觉退化、物种长尾分布等难题。研究详细分析了水下图像增强技术、数据不平衡处理策略，以及开放世界目标检测算法，并探讨了半监督学习在提升模型泛化能力方面的优势。实验表明，该方法在保持高召回率的同时，显著提升了稀有物种的识别准确率，为海洋生态监测提供了可行的技术方案。

2026-03-21 13:38:23 486

原创什么是OpenClaw

它们是同一个产品，只是名字变了。如果你看到Clawdbot、Moltbot、OpenClaw这三个名称，指的都是这个项目。

2026-03-03 14:20:24 802

原创【大作业-63】基于YOLO26的交通手势识别系统

本文档描述了一个基于PyQt5的YOLO模型推理展示GUI工具，包含两个主要页面：模型加载页面（支持模型选择、类别显示和参数设置）和检测页面（支持多种检测源选择、实时结果展示和历史记录）。该工具要求界面直观、响应快速，支持Windows系统，使用YOLO库进行推理。文档详细说明了功能需求、界面设计、交互流程、实现计划以及可能的技术风险与应对措施，最终将交付可执行脚本和使用说明文档。

2026-02-23 22:03:24 1655

原创 YOLO模型推理展示图形界面需求文档

2026-02-23 17:11:34 912

原创个人心得 powershell中使用conda

最近使用ai工具帮助编程，编程的过程中需要使用到conda虚拟环境，我直接使用有点问题，需要在powershell中激活对应的虚拟环境。

2026-02-19 21:25:26 231

原创【大作业收官-62】基于VGG的肺炎图像分类系统

本文介绍了基于VGG网络的肺炎图像分类系统实现。首先概述了VGG网络结构特点，包括其模块化设计思想（由卷积层、ReLU激活和最大池化组成的重复块结构）和VGG-11的典型架构。接着详细说明了项目实战流程：数据准备阶段强调数据集清洗和按6:2:2比例划分训练/验证/测试集；模型训练使用timm库加载预训练VGG模型，并记录了训练过程中的准确率和损失变化曲线；最后通过test.py脚本对训练好的模型进行验证。项目完整展示了从理论到实践的深度学习应用过程，特别针对医学图像分类任务提供了可复现的实现方案。

2026-01-17 11:59:11 853

原创侧扫声纳图像

之前看到侧扫声纳的图像，实在是不太直观，我不明白为啥中间是黑的，大概原理是声音在传播的时候是需要时间的，中间那个部分相当于是t为0的时刻，后面黄色的部分表示的是后面的时刻所接收到的声音信号的强度。

2025-12-19 18:29:18 830

原创智能标注工具X-AnyLabeling使用指南 02-用户手册

《X-AnyLabeling智能标注工具使用手册》摘要本手册详细介绍了X-AnyLabeling智能标注工具的各项功能和使用方法。主要内容包括：文件管理（数据导入/删除/保存）、对象操作（创建/编辑）、视图设置、多种标签格式的导入导出（YOLO/VOC/COCO等）、工具栏功能（数据统计/标签管理）、帮助及语言设置、用户配置（快捷键/标签颜色）、多种标注任务支持（分类/检测/分割/OCR等）、模型管理和高级功能。手册提供了从基础操作到高级应用的完整指导，包含快捷键操作、自动保存设置、标签文件格式说明等实用

2025-12-18 16:57:44 2546

原创智能标注工具X-AnyLabeling使用指南 01-软件安装

摘要 X-AnyLabeling是一款支持AI辅助的智能标注工具，适用于计算机视觉任务。本文介绍了其安装方法，包括：提供pip安装和Git源码安装两种方式详细说明了使用Miniconda或venv创建虚拟环境的步骤区分了CPU和GPU版本（CUDA 11.x/12.x）的安装命令介绍了开发者模式安装及常用命令行参数支持高级功能如远程推理、视频目标追踪等（需Git克隆方式安装）该工具特别适合离线环境下的专业领域AI模型构建，如海洋生物识别等特殊场景。

2025-12-18 16:48:47 1852

原创 Fast Livo2配置指南-软件篇

文章摘要本文介绍了实时3D重建任务的技术方案配置指南。作者通过分析B站两个3D重建案例（水下考古和大明湖场景），确定了使用激光扫描仪+GPS+专业处理软件LCC Studio的技术路线。详细讲解了坐标系转换原理，并提供了Ubuntu 24.04系统的安装配置方法，包括分区方案、软件源更换、终端优化等。特别针对Ubuntu 24.04安装ROS1的问题，给出了强制安装脚本和清理脚本的具体代码。全文为实时SLAM重建任务提供了完整的技术实现路径。

2025-12-12 16:47:36 1710 1

原创 SAHI中的切片策略

SAHI库的get_sliced_prediction函数通过智能图像切片提升大图像和小目标检测效果。核心参数包括：切片尺寸控制（slice_height/width）、重叠比例（overlap_ratio）、后处理算法选择（NMS/NMM/GREEDYNMM）以及是否执行标准预测（perform_standard_pred）。该函数通过自动切片分辨率、交小比度量标准等特性优化小目标检测，同时支持结果合并与内存控制，在精度和效率间取得平衡。参数配置需根据目标大小、图像分辨率等场景特点调整，如小目标检测建议使

2025-10-19 16:00:00 684

原创目标检测中的后处理方式 nms和nmm

本文介绍了目标检测中的三种后处理算法：NMS、NMM和GREEDYNMM。NMS通过保留最高置信度框并删除重叠框来消除冗余；NMM将重叠框分组后合并；GREEDYNMM则采用贪婪策略逐对合并重叠框。分析表明，GREEDYNMM通过合并而非删除的方式处理重叠目标，能更好地应对目标堆叠场景，是遥感等密集目标检测任务中的最优选择。

2025-10-19 15:57:07 869

原创 GMT的安装和使用

本文介绍了GMT软件的安装和使用方法。首先说明了GMT有命令行版本和Python版本，推荐使用Python版本便于熟悉。详细记录了Windows系统下GMT的安装步骤，包括环境变量配置和验证方法。同时介绍了PyGMT的安装流程，包括创建Python 3.11虚拟环境、通过conda或pip两种方式安装，并提供了测试脚本验证安装是否成功。文中还推荐了GMT中文社区作为学习资源。安装完成后，用户即可开始使用GMT进行地形图绘制等开发工作。

2025-10-09 11:11:02 1234

原创【大作业-22】手把手教你用deeplab进行视杯视盘分割

本文介绍了使用DeepLabV3和DeepLabV3+进行眼底图像视杯视盘分割的方法，用于青光眼诊断。通过空洞卷积和空间金字塔池化等技术，模型能精确分割视盘和视杯区域，计算杯盘比（CDR）作为诊断指标。实验采用ResNet18轻量化主干网络，评估指标包括mIoU和mAcc，结果显示模型能有效分割眼底图像中的关键结构。该方法为青光眼等眼病的自动化诊断提供了可靠工具，可辅助医生提高诊断效率和准确性。

2025-09-30 22:12:26 1434

原创【大作业-31】基于改进yolo11的摔倒检测系统（数据集+模型+改进+图形化界面）

本文介绍了一个基于改进YOLOv11的摔倒检测系统，包含完整的数据集、模型优化方案和图形化界面。系统在YOLOv11的基础上引入了CBAM（卷积注意力模块）进行模型改进，通过通道注意力与空间注意力机制增强关键特征提取能力。项目提供了详细的环境配置指南（包括PyTorch和CUDA版本选择）和模型改进流程说明，支持多种YOLO版本对比。实验结果表明，该系统能有效检测摔倒行为，适用于安防监控等场景。资源包可通过视频置顶评论获取，包含完整代码和训练好的模型权重。

2025-09-30 22:04:12 1375

原创【大作业-30】基于改进yolo11的垃圾检测系统（数据集+模型+改进+图形化界面）

本文介绍了一种基于改进YOLOv11的垃圾检测系统，包含数据集、模型优化方法和图形化界面实现。系统通过两种方式改进模型：一是添加注意力机制（SE模块和CBAM模块）提升检测精度，二是采用轻量化卷积降低计算量。文章详细说明了环境配置步骤和模型改进流程，包括模块添加、代码修改和配置文件调整。实验结果表明，改进后的系统能有效提高垃圾检测的准确率和速度，并提供了直观的图形界面和Web界面展示检测效果。

2025-09-30 22:02:06 1784