![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
智能环境感知工程代码调试
文章平均质量分 76
介绍一些自动驾驶常用的环境感知代码的运行和环境配置。
桦树无泪
智能环境感知博士
古月居签约作者 项目合作chengxiaolong658@163.com
展开
-
工程(十七)——自己数据集跑R2live
关于固态激光雷达和相机的数据集如何建立见之前跑r3live的博客。原创 2023-12-30 00:39:31 · 1174 阅读 · 0 评论 -
工程(十六)——自己数据集跑Fast_livo
Fast_liv/src/FAST-LIVO/config 需要改一个avia_resize.yaml和camera_pinhole_resize.yaml。关于固态激光雷达和相机的数据集如何建立见之前跑r3live的博客。下面两个直接把包下载下来一起编译就可以。选择自己的yaml文件和topic名称。1.config文件。原创 2023-12-29 23:48:14 · 1469 阅读 · 5 评论 -
工程(十五)——UBUNTU20.04跑Fastlio2
Ubuntu20.04ROS noeticPCL 1.8Eigen 3.3.4livox_ros_driver 三、运行测试下载作者提供的包https://drive.google.com/drive/folders/1CGYEJ9-wWjr8INyan6q1BZz_5VtGB-fP原创 2023-12-29 22:40:31 · 1329 阅读 · 1 评论 -
工程(十三)——基于激光视觉的SLAM三维重建
目前的主流三维重建算法包括:基于网络的纯视觉三维重建、基于SLAM算法的三维重建基于激光视觉SLAM(Simultaneous Localization and Mapping)的三维重建在多个方面具有许多优势,这些优势使其在许多领域如机器人导航、自动驾驶、建筑测绘、室内导航和虚拟现实等应用中受到广泛关注。以下是一些主要的优势:高精度:激光传感器能够提供高精度的深度信息,使得三维地图的重建精度很高。这对于需要精确定位和建立精确地图的应用非常重要,如自动驾驶车辆和机器人导航。原创 2023-11-07 22:44:50 · 1399 阅读 · 0 评论 -
工程(十四)——ubuntu20.04 PL-VINS
PL-VINS是基于最先进的基于点的VINS- mono,开发的一种基于点和线特征的实时、高效优化的单目VINS方法。原始的 PL-VINS是在ubuntu18.04基于opencv3去开发的。我的配置:ubuntu20.04+opencv4.2+eigen3.3.7更改好的代码如下,可直接用,需要修改mage_node_b.cpp的main函数第一行的地址。原创 2023-11-06 21:38:50 · 976 阅读 · 2 评论 -
工程(十二)Ubuntu20.04LSD_SLAM运行
博主将修改好的LSD_SLAM放到github上供大家使用,适用于18.04 20.04,可直接使用。LSD_SLAM适配于ubuntu20.04修改过程的参考连接如下。原创 2023-11-06 13:54:54 · 718 阅读 · 1 评论 -
工程(十三)——从零用自己数据跑R3LIVE
相机选用4mm的广角相机,相机内参标定选择用最常见的棋盘格方法,首先安装ROS自带的包用usb_cam启动相机后进行标定。的长X宽--square:棋盘中小格的边长(m)image:=/... : 订阅图像的话题camera:=/camera: 相机name标定完之后,会生成一个内参文件,Intrinsic是相机矩阵,Distortion是畸变矩阵。原创 2023-07-03 00:09:14 · 2354 阅读 · 8 评论 -
工程(十一)——NUC11+D435i+VINS-FUSION+ESDF建图(github代码)
P:投影矩阵,左边3*3矩阵是相机的内参矩阵,将相机坐标中的3D点投影到2D像素坐标,可能与相机内参K不同。K:相机内参矩阵,使用焦距(fx, fy)和主点坐标(cx, cy),单位为像素,内参矩阵可以将相机坐标中的3D点投影到2D像素坐标,数据顺序(fx,cx,fy,cy,1)height:图像尺寸,height代表高度,(height*width)相机的分辨率,以像素为单位。R:旋转矩阵,将相机坐标系统对准理想的立体图像平面,使两张立体图像中的极线平行,仅对双目相机有效。原创 2023-03-07 22:27:44 · 1867 阅读 · 2 评论 -
工程(十)——github代码ubuntu20.04在ROS环境运行单目和RGBD相机ORB-SLAM3稠密
orb-slam3的整个环境配置还是比较麻烦的,先将一些坑写在前面,供大家参考和避开这些坑。原创 2023-02-16 01:44:23 · 5973 阅读 · 18 评论 -
工程 (六) ——PointNet点云分类
首先打开model/pointnet2_cls_ssg.py的一个分类网络模型的文件,代码解析如下,可以看到分类网络主要通过三个特征提取层PointNetSetAbstraction之后再通过全链接来达到分类的目的。分类官方使用的是ModelNet数据集,将下载好的 ModelNet40数据集放在./data/路径下。语义分割与分类的不同是除了将点云下采样得到特征向量后,还需要将点集上采样回原始点集数量,网络结构如下。--log_dir 后面跟的是网络模型的名称,也就是model文件夹下的文件。......原创 2022-08-08 17:40:27 · 2552 阅读 · 4 评论 -
工程 (七) ——PolarSeg点云语义分割
点云有越远越稀疏的特性,相对于传统的BEV视角,点云分割更加的均匀。原创 2022-08-08 23:43:45 · 1235 阅读 · 4 评论 -
工程(一)Lego_Loam安装调试及运行
当第一次编译代码时,需要在“catkin_make”后面添加“-j1”以生成一些消息类型。将来的编译不需要“-j1”。编译时出现错误,找不到Cmake文件,则需要在路径中添加相应的环境变量。一定要加--clock时间,这样才能生成完整的全局地图。#下载编译Lego_loam。运行lego_loam程序。在代码建图过程中保存数据。utility文件修改。...原创 2021-11-02 21:43:05 · 2750 阅读 · 11 评论 -
工程(四)——Kitti转bag跑Lego-LOAM
链接:https://pan.baidu.com/s/1kjHSec1N9jAnvSWE9wHwPQ 提取码:87j4 pip install kitti2bag需要更改kitti2bag点云的强度信息,不然会出现如下情况 whereis kitti2bag将i改为intensity kitti2bag -t 2011_10_03 -r 0027 raw_syncedrosbag play kitti_2011_10_03_drive_0027_synced.bag获取frame_idrostopic l原创 2022-06-14 01:02:49 · 947 阅读 · 1 评论 -
工程(三)——多激光雷达标定、融合、聚类
一、单个设置IP 先能够成功接受数据16线激光雷达默认:196.168.1.102 255.255.255.0验证ping 196.168.1.201 ping自己的ip地址40线激光雷达默认:196.168.20.100 255.255.255.0和赛的激光雷达是广播的不用ping可以用rostopic echo /pandar_point检验是否有数据二、Robosence16驱动sudo apt-get install libpcap-devmkdir -.......原创 2022-05-08 00:38:40 · 7027 阅读 · 15 评论 -
工程(二)——DeeplabV3+语义分割训练自制数据集
目录1、配置环境1.1 利用conda新建一个环境并激活1.2 安装pytorch1.3 更新bashrc环境2、安装DeeplabV32.1 克隆代码2.2 下载数据集和预训练模型3、测试算法4、制作VOC数据集4.1 转VOC格式4.2 项目数据准备5、训练验证数据集5.1 visdom可视化5.2 训练网络5.3 验证模型1、配置环境1.1 利用conda新建一个环境并激活conda create -n deeplabv3.原创 2022-04-04 21:25:22 · 8272 阅读 · 4 评论 -
工程(五)——小目标检测tph-yolov5
代码】工程(五)——小目标检测tph-yolov5。原创 2022-07-30 00:23:30 · 688 阅读 · 0 评论 -
工程(九)——Deeplabv3+ 结合LeGO_LOAM语义SLAM
参见:工程(二)——DeeplabV3+语义分割训练自制数据集三、激光雷达与相机融合1、标定如果激光雷达在相机的坐标系关系想上图这样,数值可以直接用。 DistCoeff1矩阵不要动,我也不知道为什么,但使用标定后的数值效果不好。2、融合 得到彩色点云 需要将点云类型更改,参见 工程(一)Lego_Loam安装调试及运行。得到语义点云地图参见 工程(四)——Kitti转bag跑Lego-LOAM,因为KITTI数据集只有前视的摄像头,所以只用能够投影到前视的点云进行建原创 2022-07-09 16:30:35 · 1157 阅读 · 2 评论 -
工程(八)——yolov5可见光+红外双模态融合(代码)
目前,多模态数据融合主要有三种融合方式:前端融合(early-fusion)或数据水平融合(data-level fusion)、后端融合(late-fusion)或决策水平融合(decision-level fusion)和中间融合(intermediate-fusion)。前端融合将多个独立的融合成一个单一的特征向量,然后输入到机器学习分类器中。由于多模态数据的前端融合往往无法充分利用多个模态数据间的互补性,且前端融合的原始数据通常包含大量的冗余信息。......原创 2022-08-10 22:42:41 · 26417 阅读 · 184 评论