清华最新开源MARS!第一个基于NeRF的自动驾驶开源模拟器!

作者:泡椒味的口香糖 | 来源:3D视觉工坊

在公众号「3D视觉工坊」后台,回复「原论」即可获取论文pdf。

添加微信:dddvisiona,备注:自动驾驶,拉你入群。文末附行业细分群。

0. 笔者个人体会

这几年,NeRF可以说已经逐渐渗透进了各个领域,新视点合成、三维重建、SLAM等等很多应用都在想方设法得使用NeRF。那么自动驾驶领域呢?虽然在实车上直接边缘部署NeRF还有难度,但是NeRF可以应用到自动驾驶的场景合成上,再用合成的场景做其他事情!普通场景下的自动驾驶算法其实已经做的很好了,但是特殊场景还是很容易出错。主要还是因为特殊场景下的数据集太难找了!自己录制数据也非常麻烦。显然,NeRF强大的合成能力可以模拟极端场景下的路况,尤其是高动态场景,也就进一步模拟了真实的自动驾驶场景。

最近,清华、港科大、麦吉尔大学、北理工、新加坡国立、香港大学、帝国理工、浙江大学等11个单位联合开源了MARS,也是第一个基于NeRF的自动驾驶开源模拟器。直接模拟真实的自动驾驶RGB、深度图和语义分割Mask,这项工作具有实例感知、模块化和真实性等特点,支持多模态输入,可用于深度和语义感知组合渲染,已经获得CICAI 2023最佳论文Runner-up奖。今天笔者将带领大家一起欣赏一下这份工作,当然笔者水平有限,如果有理解

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
要运行Nerf-SLAM开源代码,首先需要确保您的计算机满足系统要求。Nerf-SLAM是一个基于Python和PyTorch的三维重建和SLAM算法,因此您需要安装Python和PyTorch。 在安装所需的软件和库后,您可以按照以下步骤来运行Nerf-SLAM开源代码: 1. 下载Nerf-SLAM的代码库,并将其解压到您选择的目录。 2. 打开终端或命令提示符窗口,并导航到代码库的目录。 3. 安装必要的Python库。可以使用pip或conda来安装依赖项,例如numpy、imageio、tqdm等。具体的依赖项可以在代码库的requirements.txt文件中找到。 4. 准备数据。Nerf-SLAM需要输入图像序列来进行重建。您可以将图像序列放在指定的文件夹中,并按照代码库中提供的文件命名约定来命名文件。 5. 打开config文件夹,并选择适合您的应用程序的配置文件。您可以根据自己的需求进行编辑和自定义。 6. 在终端或命令提示符窗口中执行模型训练命令。使用命令"python trainer.py --config=config_file_name",其中config_file_name是您选择的配置文件的名称。 7. 等待模型训练完成。根据您选择的配置和数据量的不同,训练过程可能需要一些时间。 8. 在训练完成后,您可以利用训练得到的模型来进行三维重建或SLAM。具体的操作方法和命令可以在代码库的文档中找到。 需要注意的是,运行Nerf-SLAM的代码需要一定的计算资源,并且对于大规模的数据集,可能需要更高的计算能力和存储空间。此外,在运行代码之前,建议您仔细阅读代码库中的文档和说明,以确保正确地配置和使用Nerf-SLAM开源代码。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

3D视觉工坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值