- 博客(53)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 PointNet2（一）分类
选择该最远点的索引作为第1次迭代（注意从第0次迭代开始），然后还是与每一个点进行比较，计算距离，如果距离小于distance中的距离，则让该距离小的值填充distance中对应位置，最后，在选择该轮中distance中的最大值所对应的索引作为 farthest。看这一行参数，表示，最远点采样采集512个点作为中心点，开始聚组，球半径分别为，0.1，0.2，0.3，在每一个半径中选择16个点,32个点和128个点。最终每一个组中，每一个点，都采样到了相同个数（nsample个）的点，
2024-09-15 23:59:14
1065
原创 PVN3D（一）代码框架
2.N*1792特征 投入到三个网络中，一个是特征点偏移探测网络，一个是实例分割网络，一个是中心偏移网络。后两个网络特征经过投票聚类，得到了实例级的点云目标，然后结合关键点投票，得到关键点位置；按照论文图上的流程，特征提取，实例分割、特征提取、偏移提取，loss计算、meanshift，RT计算等找到了位置，整体上构成了整个训练和RT计算的流程。深度图的特征，通过pointnet++提取，然后把两个特征连接起来。mesh_kps是模型上提取的3D特征点，是真值点。2.2 深度学习框架。
2024-09-04 21:46:18
333
原创 halcon（二）控制语句
有for-endfor,while, repeat, assign, assign_at, insert, :=, if-elseif-else-endif,try-catch-throw-end,注释等，涵盖了目前大部分控制语句。1.学习了halcon相关控制语句的代码。
2024-08-23 23:02:19
151
原创 立体相机镜面重建（二）双目立体镜面重建
该点与 步长点、右相机投影中心构成了一个反射光路，就可以根据这三个点计算在右相机下的该点在左相机中的法线了。4.把该按步长计算出来的三维点，根据左右相机的变换关系，变换到右相机坐标系下，然后投影到右相机中，得到带畸变的图像点，使用该图像点内插出来相位值，并对应到屏幕上该点的屏幕坐标。3.按照1中所计算的方向线，以一定的步长计算三维点，由于该点在左相机坐标系下，可以根据该点的方向、屏幕坐标在左相机坐标系下的坐标点 计算该点的法向了。1.用标定板的格网点 在左相机的像素点 计算出来的镜面点。
2024-08-12 22:55:40
327
原创 立体相机镜面重建（一）镜面标定
1.相机标定的时候，标定板的精度一定要高一点，如果不高，我发现在标定过程中，如果相机标定误差是镜面标定误差的3倍的时候，优化出来的镜子大小和相机到镜子之间的距离也会发现严重的失真，发生等比例缩放【笑哭】，一直找不到问题，后来发现是这个问题。（4）使用相机到虚像的旋转和平移矩阵，以及屏幕到相机的旋转、平移矩阵，计算剩下n张图像的镜面距离和法向。（5）全局优化，优化（屏幕到相机的旋转和平移矩阵，每一个图像下的镜子法向和相机中心到镜子的距离）（1）使用购买的棋盘格或者圆点标定板对单目相机标定，或者双目相机标定。
2024-08-10 22:28:01
473
原创 经典网络(一）resnet
因此需要 用conv(in_channel,out_channel, kernel_size =1, padding =0, stride =2)来改变通道数和图像长宽。#nn.Linear(512,numClass) 512*10，最后得到10类，选择最大的一个数字作为目标判别出来的类。#每一个layer有两层迭代，第一层迭代具有降采样和通道变换，第二层的时候，没有降采样，也没有通道数量的改变。# 如果stride=1，则长和宽是不变的，输出的长和宽是多大，输出的就是多大。
2024-07-22 23:33:58
446
原创 pytorch学习（十七）pycharm安装requirement.txt中的配置
最后，如果在pip install过程中，出现了某个安装包的版本无法找到，则查看其报错中所提供的可以找到的版本，选择一个版本号比较邻近的版本进行下载。在github上下载别人的代码后，一般和自己本地的环境是不一致的，这时候就需要配准环境。1）在github上下载该代码，使用pycharm打开该代码文件。python xx.py来执行一下看看会不会报什么错误。3.如果出现错误，无法执行，则换源。2.配置requirement。2）为代码创建一个虚拟环境。
2024-07-21 20:32:11
373
原创 pytorch学习（十六）conda和pytorch的安装
在安装了cuda驱动后，用everything查找到nvidia-smi,exe这个文件所在的目录，cd到包含nvidia-smi.exe的目录下，如图，查看cuda version发现版本是10.2下载pytorch的时候就下载10.2的就可以了。conda create -n (env-name虚拟环境名子） python=pythonxx(比如python3.7）可以看到下面这个界面，如果没有与cuda version版本一致的版本的pytorch，就需要点击下图中的安装以前的版本。
2024-07-21 20:21:25
559
原创 pytorch学习（十五）二维卷积和转置卷积
卷积爆喊了stride步长，padding是否加边，groups是否完全计算，kernel_size卷积核的大小，等尺寸，不同的尺寸组合，可以让图像在卷积后保持原来的形状，也可以让图像的通道数增加。具体参数的意义可以跟着代码来看，其中conv2d在本博客中分析的相对详细，转置卷积的padding没有测试。话有一个是转置卷积，当kernel_size核stride设置为一致的时候，可以扩大倍数的升采样。
2024-07-21 19:48:28
142
原创 pytorch学习（十四）层结构容器
本篇文章列举了nn.Sequential，nn.ModuleList，nn.ModuleDict三个容器的使用方法，并且还学习了一种使用类封装模块的方法。通过本篇博客的学习，你将学习到三个容器和使用类构建容易的方法。1.nn.Sequential第一种方法直接列出每一层结构，第二种方法通过add_module的方式堆叠层，第三种方法使用字典的方式对层进行组织，第四种方法通过LIST列表的方式先堆叠层，然后再用sequential来骄傲如每一层，*表示拆散成一个一个的。import torch
2024-07-21 18:49:09
309
原创 pytorch学习（十三）torch维度变换
包含了flatten、view reshape transpose permute squeeze unsqueeze cat stack；在琢磨一遍之后就比较好理解了。
2024-07-20 23:52:27
430
原创 pytorch学习（十二）c++调用minist训练的onnx模型
在实际使用过程中，使用python速度不够快，并且不太好嵌入到c++程序中，因此可以把pytorch训练的模型转成onnx模型，然后使用opencv进行调用。所需要用到的库有：opencv。
2024-07-20 22:32:36
549
原创 pytorch学习（十一）checkpoint
当训练一个大模型数据的时候，中途断电就可以造成已经训练几天或者几个小时的工作白做了，再此训练的时候需要从epoch=0开始训练，因此中间要不断保存（epoch，net，optimizer，scheduler）等几个内容，这样才能在发生意外之后快速恢复工作。min_loss_val 定义成全局的变量之后，应该在用到的函数中，使用global min_loss_val再次定义，否则会报错误。通过本博客的学习，你将学会最优模型保存和模型自动加载的方法。
2024-07-20 21:00:33
191
原创 pytorch学习（十）优化函数
优化函数主要有，SGD, Adam，RMSProp这三种，并且有lr学习率，momentum动量，betas等参数需要设置。3.大家copy代码后，可以调一调batch_size，lr，momentum，betas等参数。通过测试，发现每一次的结果都不一样，每一次结果的显示图也不一样。因为shuffle=True。代码参考《python深度学习-基于pytorch》，改了一下网络结构，其他没变化。通过这篇文章，可以学到pytorch中的优化函数的使用。
2024-07-20 19:39:05
196
原创 pytorch学习（八）Dataset加载分类数据集
item就是所要取数据的索引，这个函数主要是返回一个训练数据（比如一个图像），和一个结果数据，比如（该图像的分类结果是一个ant），因此用到刚os.listdir所列出的文件名字，用os.path.join加入路径，得到图像的绝对路径，用PIL导入图像，并给label赋值，返回图像和；一直报错，查找原因，发现是该数据集中的图像存在两个问题，第一个是大小不一，第二个貌似通道个数也不一致。可以直接len(os.listdir所列出的文件名的数组)，就可以得到数据集的长度。4）第三个要实现的就是数据集的长度。
2024-07-19 22:52:46
557
原创 pytorch学习（七）torchvision.datasets的使用
网络上已经有公开的数据集，并且这些数据集被整合到了torchvision.datasets中，使用自带的函数可以直接下载。结果为 torch.Size([3, 32, 32])
2024-07-19 21:10:59
241
原创 pytorch学习（六）transforms使用
中心裁剪、数据标准化、缩放、裁剪、旋转、仿射、反转、填充、噪声添加、灰度变换、线性变换、亮度饱和度以及对比度变换等。1.Transforms可以对训练图像进行预处理，以提高模型的稳定性，提高泛化能力。
2024-07-19 20:43:51
238
原创 pytorch学习（五）tensorboard使用
2.2图像实现的方法是add_image,第一个仍然是给显示框起个名字，第二个是图像，可以按住ctrl, 把光标放在add_image上，可以看到显示类型，有HWC,CHW等，如果是HWC，则需要使用dataformats指明格式。0，1，2就表示的是第0，1，2次。意思就是第0次显示img1,第1次显示img,第二次显示img1。2.1标量实现的方法是add_scalar,第一个参数是给显示框起个名称，第二个参数是一个标量（也就是一个数值），第三个参数是第几次。然后安装tensorboard。
2024-07-18 23:09:05
236
原创 pytorch学习（三）cpu-gpu训练
在训练模型的时候，不可避免的要使用GPU进行加速，但是我们一般加载或者创建生成的数据都是处于CPU上，怎么把数据加载到GPU上呢？初次学习需要注意的是 ：直接使用x.to(device)是不能把x数据加载到GPU上，必须使用x=x.to(device)1.首先看变量的CPU和GPU转换。2.训练过程中如何转换呢？主要是数据和模型的转换。
2024-07-17 23:14:53
187
原创 pytorch学习（四）绘制loss和correct曲线
这一次学习的时候静态绘制loss和correct曲线，也就是在模型训练完成后，对统计的数据进行绘制。以minist数据训练为例子。
2024-07-17 23:13:27
328
原创 ubuntu18.04上遇到的一些bug修复
在安装完nvidia驱动之后，重启屏幕一直处在黑屏状态，然后就用上一篇博客中的方法在reboot中卸载了nvidia,可以进入桌面了，在使用pcl库做一些算法的时候，编译过程中遇到了这个问题。然后把libGL.so拷贝到/usr/lib/x86_64-linux-gnu中。使用这一行代码找到所有libGL.so库文件，然后。编译pcl程序，成功。
2024-07-15 15:48:48
409
原创 ubuntu18.04安装显卡驱动后无法进入桌面的解决办法
reboot相当于是重启，重启后选择ubuntu, 不用选高级模式。然后就进入界面，可以正常操作了。1.第一步 进 安开机键进入 1 开机进入 选项界面，选择高级模式(ubuntu 高级选项）2.第二步 进去以后选择一个括号里面带recovery mode的选项，数字选最高最大的。我没有尝试完美恢复的方法，只尝试了卸载nvidia显卡的方法。3.然后弹出一个框，按上下键选择root 点击enter键。4.进入到了一个命令行中，按回车进入到自己的用户名下。5.输入命令卸载显卡驱动。
2024-07-13 16:54:08
430
原创 ubuntu 上vscode +cmake的debug调试配置方法
ubuntu vscode c++ 引用了PCL库ceres库，但是不用配置库的 调试方法
2024-07-10 14:10:40
508
原创 平面法向的角度表示以及坐标系变换
f为在当前帧坐标系下的平面参数(nx,ny,nz,d). f'为在世界坐标系下的平面参数，T表示的是当前帧在世界坐标系下的位姿。经过这个变换就可以把当前帧中平面参数变换到世界坐标系下。1.根据法线计算法线的垂直角sint和法线在水平投影与x轴的夹角phi。2.根据角度计算法线。
2024-07-08 15:52:33
177
原创 自组装mid360便捷化bag包采集设备
找到 ws_livox/src/livox_ros_driver2/launch_ROS1中的 msg_MID360.launch文件，设置rosbag_enable为true，就可以同时启动数据采集和包录制了。背着主机+电池，屏幕固定在mid360的支架上，qt程序开机自启动，启动后，点击launch开始，就可以开始采集数据了，然后手指点击关闭触屏中的终端，一个包包就录制完毕了。采集mid360数据的过程中，发现了头疼的问题，得一手拿着电脑，一手拿着mid360来采集，实在是累胳膊。
2024-06-28 14:19:38
1145
2
原创 mid360配置lio-sam、point-lio和faster-lio（faster-lio未敢配置）
由于要把gcc升级到版本9，害怕升级后原有的代码会出现错误，因此暂时这个先不做实验了。也先不安装和配置了。下载能支持mid360的lio-sam版本到 ws_livox/src中，直接编译，就可以成功。最终可以重建出来了三维场景，但是在重建过程中，一卡一卡的，不知道是啥问题。以及播之前我才记得Mid360的包，就可以到结果。一、使用mid360配置lio-sam。下载并编译point-lio。三、faster-lio。二、point-lio。
2024-06-26 15:37:29
856
原创 激光SLAM平面点的提取、使用学习
提取面的方式，使用了1）就是点投影到了range图上，对比该点和上一个点的垂直角，如果小于一定角度，则认为是地面点。同样用的是 extract_initial_seeds 和 estimate_plane 这两个函数，然后计算点到平面之间距离，使用满足距离约束的点来迭代拟合平面。extract_initial_seeds ：提取出来小于z阈值的该bin中的点，并求得这些点的均值，然后求取小于该均值的bin点。在优化的时候，也非直接使用平面-平面的约束，还是从点线距和点面距的角度来计算位姿变换。
2024-06-25 16:11:29
423
原创 fast lio 运行mid360采集的数据，并保存每一帧的点云PCD和位姿
表示通过激光雷达和IMU之间的变换矩阵，把当前激光雷达帧数据变换到 当前IMU位姿下。2）pcd_save_interval需要设置为1（设置为1，表示每一帧保存一次，如果设置为2，就表示每两帧合并成一个pcd文件保存一次），为了和pose对应上，这里就设置为1.因为feats_undistort是经过IMU补偿之后的点呀，所以保存的PCD是无畸变的鸭。首先我们看到在map_incremental中存在一个保存每一帧PCD文件的代码，因此想利用改代码。一. 改每一帧无畸变点云的PCD的保存代码。
2024-06-21 16:25:19
866
原创 ubuntu18.04 编译HBA 并实例运行
通过本篇博客，将会学习gtsam, 高版本的cmake安装， ceres安装,以及一个编译问题的解决，最终编译成功HBA，并使用hba进行数据处理。
2024-06-20 20:22:49
866
原创 mid360采集bag数据包以及bag包的基础操作
通过学习本篇文章，可以学到：mid360数据采集，以及播包并使用fast-lio进行重建，同时也列举了一些rosbag的常见操作命令
2024-06-20 09:41:28
521
原创 ubuntu18.04 配置 mid360并测试fast_lio
1）首先找到mid360_config.json，在src/Livox_ros_driver2/config文件夹中，host_net_info的子项cmd_data_ip, push_msg_ip, point_data_ip,imu_data_ip这四个都改成192.168.1.50。一般可以用来接9-27v的电源，推荐接12v的电源转换器，或者接14.4v的电源转换器。2）然后把lidar_configs子项 ip 改为192.168.1.1xx，其中xx为 mid360上的SN码后两位。
2024-06-12 09:27:40
1495
CloudCompare_v2.6.1.beta_bin_x86
2015-01-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人