CDB3399的博客

末领取：开源人形机器人全套图纸+代码赶着的程序员节，刚刚发了个大福利：智元人形机器人，，包括设计图纸和代码！具体而言，这次开源的是智元家的。

通过这篇文章，我们学会了使用相似三角形计算图片中一个已知物体到相机的距离。需要先测量出目标物体的实际宽度和目标物体到相机的距离，然后使用图像处理的方法自动计算图片中目标物体的像素宽度，并使用相似三角形计算出相机的焦距。根据相机的焦距就可以计算图片中的目标物体到相机的距离。完整代码获取订阅我的公众号「资源充电吧」

k-nearest neighbors（KNN）算法是监督机器学习中最简单但最常用的算法之一。KNN通常被认为是一种惰性的学习算法，从技术上讲，它只是存储训练数据集，而不经历训练阶段。KNN的原理是将新样本的特征与数据集中现有样本的特征进行比较。然后通过算法选择最接近的k个样本（k是自定义参数），新样本的输出是基于"k"最近样本的多数类(用于分类)或平均值(用于回归)确定的。

YOLOv8现在可以接受输入很多，如下表所示。包括图像、URL、PIL图像、OpenCV、NumPy数组、Torch张量、CSV文件、视频、目录、通配符、YouTube视频和视频流。表格✅指示了每个输入源是否可以在流模式下使用，并给出了每个输入源使用流模式的示例参数。

YOLOv9是由Chien-Yao Wang, I-Hau Yeh, and Hong-Yuan Mark Liao开发的计算机视觉模型。Hong-Yuan Mark Liao和Chien-Yao Wang还对YOLOv4、YOLOR和YOLOv7等流行的模型架构进行了研究。YOLOv9引入了两种新的架构：YOLOv9和GELAN，这两种架构都可以从论文发布的YOLOv9 Python库中使用。

上周的组会上，我给研一的萌新们讲解什么是SLAM，为了能让他们在没有任何基础的情况下大致听懂，PPT只能多图少字没公式，这里我就把上周的组会汇报总结一下。福利。

目录00 引言01 点云特征提取与匹配1.1 传统点云特征提取1.2 点云深度学习1.3 点云卷积1.4 稀疏卷积1.5 点云Transformer1.6 点云旋转不变特征提取1.7 点云匹配02 场景点云语义分割2.1 场景表征与数据集2.1.1 室内场景表征与相关数据集2.1.2 室外场景表征与相关数据集2.2 点云场景语义分割2.2.1 全监督分割方法2.2.2 有限标注条件下的分割方法2.2.3 无监督分割方法2.3 多模态融合的分割方法2.4 场景点云的实例分割方法03 扫描点云物体补全3

本文主要介绍了关于视觉和激光雷达进行信息融合相关内容，包括相机标定，摄像头与激光雷达联合标定，信息融合节点等等利用激光雷达和视觉信息融合,我们可以结合二者的优点优化障碍物检测或交通标志的识别，以及优化其他相关任务等等。充电君会在第一时间给你带来最新、最全面的解读，别忘了三联一波哦。关注公众号：资源充电吧回复:Chat GPT充电君发你：免费畅享使用中文版哦点击小卡片关注下，回复：IT想要的资料全都有。