Xuefeng_BUPT的博客

定期学习积累

Paper 1：BiDet: An Efficient Binarized Object DetectorFrom: 清华Content： 基于网络的物体检测方法常常拥有极高的性能，但是计算量消耗极大。相比之下，二值化神经网络拥有极高的效能，但是，二值化参数和激活函数的过程会导致模型表现能力的下降。因此，这篇论文提出了一个高效的二值化基于神经网络的物体检测器。具体来说，本方法通过信息瓶颈原则去除了大量冗余的物体框，以降低原本二值化神经网络检测器的false positive。Paper 2：Foreg

Professional vocabulary and phrase《R-CNN》v&pcharacteristictranslationusageas measured on正如…所衡量的as measured on the canonical PASCAL VOC datasetplateauvi达到平衡；达到稳定阶段B has plate...

《Monocular 3D Object Detection for Autonomous Driving》是在CVPR2016上发表的文章。文章概览首先用两段话总结一下这篇文章。该方法将单目中的3D物体检测问题看作两步完成：首先该方法提出了一个生成一组类相关的物体推荐候选框的方法。然后利用一个CNN网络利用这组候选框提取出高质量的3D物体检测框。在物体推荐框提取的方法中，作者...

Depth Map Prediction from a Single Image using a Multi-Scale Deep Network（NIPS2014）论文阅读这篇文章是使用深度卷及网络进行单目深度估计的第一篇文章，该文章中提到的很多概念，一直被后来的研究者引用，因此拥有很高的阅读价值。这份工作发表在2014年的NIPS会议上。基本框架该网络分为两个模块，一个是“粗糙尺度网络”...

The Cityscapes 数据集该github库包含用于检查，准备和评估Cityscapes数据集的脚本。 该大型数据集包含来自50个不同城市的街道场景中记录的多种立体视频序列，除了20000个弱注释帧以外，还包含5000帧高质量像素级注释。详细信息和下载链接请登录：www.cityscapes-dataset.net数据集结构Cityscapes dataset 的文件夹结构...

逆透视变换部分参考其他文章，自己理解学习前言在多视图几何中，射影映射（projection mapping）是一种非常重要的三维平面到三维平面之间的变换，射影平面IP2IP^2上的点满足一种映射hh，使IP2IP^2上的点x1,x2,x3x_1,x_2,x_3共线时，当且仅当h(x1),h(x2),h(x3)h(x_1),h(x_2),h(x_3)也共线。并且射影映射可以组成一个群

编译LAPACK3.7.1不是很难，但是过程会遇到一些问题首先，解压lapack的压缩包，进入lapack目录进入解压后文件夹后，复制make.inc.example为make.inccp make.inc.example make.inc再编辑Makefile的内容，改成如下形式，将原本对第二行的注释，改为对第一行的注释#lib: lapacklib tmgliblib: blaslib var

上一步我们进行了线特征的提取和描述，接下来我们进行线特征的匹配。在此之前我们先通过预处理将一些明显无法匹配的特征给消除，以降低图匹配问题的维度。

LBD概述LBD算法源自2013年文章《An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency》

LSD是2010年发表在ipol上的一篇论文提出的直线提取算法，在较短的时间内可以提取一张灰度图上所有的线段特征。 (文中提到了a contrario model 和 Helmoholtz principle，在这篇文章中并没有进行讲解) LSD算法是基于梯度的，但是为了减少梯度的依赖性，LSD算法也做了一些必要的优化措施，所以它的流程如下。 1. 首先，对图片进行一次高斯降采样，缩小图片1.

1 综述message_filters是一个用于roscpp和rospy的实用程序库。 它将常用的消息“过滤”算法收集到公共空间中。消息过滤器被定义为一个消息的缓存，当消息到达消息过滤器的饿时候，可能并不会立即输出，而是在稍后的时间点里输出出来。 比如时间同步器，它接收来自多个源的不同类型的消息，并且仅当它们在具有相同时间戳的每个源上接收到消息时才输出它们，也就是起到了一个消息同步输出的效果。2

编译ORBSlam2的时遇到的问题找不到usleep函数 error: ‘usleep’ was not declared in this scope解决方法 在system.h头文件前，加入#include <unistd.h>#ifndef SYSTEM_H#define SYSTEM_H#include <unistd.h> //添加#include<string>

ORBSlam2中的闭环检测和后端优化LoopClosingLoopClosing在现在的Slam系统中是非常重要的一个部分，VO总是会有累计误差，而LoopClosing通过检测是否曾经来过此处，进行后端优化，可以将这个累计误差缩小到一个可接受的范围内。从而使得Slam系统应对大范围场景时，拥有更高的鲁棒性和可用性。

LocalMapping线程介绍ORBSlam2中的视觉里程计VO不仅仅包含Tracking线程，LocalMapping也是VO中的一部分。

ORBSlam2的位姿优化算法ORBSlam2中使用了对极约束，三角测量，PnP投影和BundleAdjustment算法 本文着重讲解在ORBSlam2中使用到的BundleAdjustment优化算法。

Tracking线程整体流程图Tracking线程函数主要功能和流程

写在前面本文基于ORBSlam2的Monocular模式撰写，所涉及的算法都是单目视觉下的算法。