- 博客(17)
- 资源 (3)
- 收藏
- 关注
原创 Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation(论文阅读笔记)
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation(论文阅读)
2022-03-18 12:51:11 3718
原创 CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection(论文阅读笔记)
CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection(论文阅读笔记)通用化和模块化、概率驱动的融合学习、实时性和硬件资源占用、优异的检测性能一、重点内容提取在NMS前进行后融合,几何一致性、语义一致性二、实验概括三、进一步优化...
2022-03-11 15:36:19 3957
原创 基于相机和激光雷达数据的自动驾驶深度双模交通参与者实例分割方法(论文阅读笔记)
Deep Dual-Modal Traffic Objects Instance Segmentation Method Using Camera and LIDAR Data for Autonomous Driving(基于相机和激光雷达数据的自动驾驶深度双模交通参与者实例分割方法)双模实例分割网络、中阶段数据融合、超参数选优一、重点内容提取采用将雷达数据降采样为高分辨率图像与摄像头采集图像数据进行融合的双模感知方式,兼容了雷达对物体轮廓与距离的高精度感知和摄像头对色彩信息的敏感性,提升了交通参与
2022-03-09 10:27:40 231
原创 NVIDIA AGX Xavier 编译安装OpenCV3.2.0
NVIDIA AGX Xavier 编译安装OpenCV3.2.01. 安装依赖sudo apt-get updatesudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devsudo apt-get install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-
2021-12-16 12:53:43 627 1
原创 2021CIVC仿真算法挑战赛--自动驾驶组比赛回顾
1. 比赛介绍比赛介绍:http://news.china.com.cn/mts/2021-10/14/content_1174366.htm2021CIVC官网: https://civc.verodata.com.cn/AD Chauffeur 仿真平台官网: https://www.adchauffeur.cn/中国(沈阳)智能网联汽车大赛分为仿真算法挑战赛和实车前瞻应用挑战赛。仿真算法挑战赛包括驾驶辅助(决策组)、驾驶辅助(感知组)、自动泊车、自动驾驶四个项目。来自天津大学、清华大学、东南
2021-10-26 16:34:04 1700 3
原创 2021CIVC仿真算法挑战赛--决策组比赛回顾
1. 比赛介绍比赛介绍:http://news.china.com.cn/mts/2021-10/14/content_1174366.htm中国(沈阳)智能网联汽车大赛分为仿真算法挑战赛和实车前瞻应用挑战赛。仿真算法挑战赛包括驾驶辅助(决策组)、驾驶辅助(感知组)、自动泊车、自动驾驶四个项目。来自天津大学、清华大学、东南大学、东北大学、大连理工大学、毫末智行等众多高校以及企业的100余支赛队踊跃参与,其中企业赛队近30个,高校赛队70余个。比赛从9月15日开始,经过练习,预赛,决赛几个阶段,历时20
2021-10-22 18:21:04 921 1
原创 Autoware.auto 毫米波雷达目标检测demo展示
Autoware.auto 毫米波雷达目标检测demo 展示依赖:正确安装Autoware.auto(未安装参见 Autoware.auto安装)1. 代码及录制视频下载代码下载$ cd ~/adehome/AutowareAuto/$ ade start$ ade enter$ git clone https://gitee.com/knowmefly/radar-hands-on-ws.git视频下载:(CSDN 上传文件审核通过后更新链接)下载 laneVideo.h264
2021-10-09 20:16:38 2021 7
原创 Autoware.ai 安装教程
Autoware.ai 安装指导(NO GPU)安装依赖:Ubuntu:18.04ROS:Melodic1.Docker安装2.源码安装Melodic依赖安装$ sudo apt update$ sudo apt install -y python-catkin-pkg python-rosdep ros-$ROS_DISTRO-catkin$ sudo apt install -y python3-pip python3-colcon-common-extensions python
2021-09-16 14:17:44 1941 7
原创 Autoware.auto 相机车道线检测demo展示
Autoware.auto 激光雷达目标检测demo 展示依赖:正确安装Autoware.auto(未安装参见 Autoware.auto安装)1. 代码下载2. 编译安装
2021-09-14 16:28:22 1792 13
原创 ubuntu18.04 安装Autoware.auto记录
Autoware.auto 安装教程1. 相关程序版本说明ubuntu版本:18.04ADE:Autoware.auto版本(基于ROS2):2. Docker安装安装见链接教程:https://docs.docker.com/engine/install/ubuntu/将当前用户加入docker用户组$ # 创建docker用户组$ sudo groupadd docker$ #将当前用户加入docker用户组$ sudo usermod -aG docker $USER$ #
2021-09-13 16:41:39 1828 3
原创 TPCN: Temporal Point Cloud Networks for Motion Forecasting(论文阅读)
用于未来移动预测的时序性点云网络时序信息与空间信息结合、高精度地图、栅格化、图网络、多模态模型一、重点内容提取将时间和空间信息进行结合。空间:多重特征(点、体素)表征。时间:动态时间间隔、实例池化二、实验概括双重再现空间学习1.1 点特征学习1.2 体素特征传播动态时间学习2.1 多间隔学习2.2 实例池化:均匀选取实例的代表特征点,减小计算量三、实验实验准备消融实验测评四、收获结合时间和空间信息对未来移动轨迹进行预测...
2021-09-01 11:19:21 498
原创 Self-Supervised Pillar Motion Learning for Autonomous Driving(论文阅读)
自动驾驶自监督学习柱状移动物体自监督学习、激光雷达、感知一、重点内容提取目前的未知移动物体的感知都是使用监督学习的方法进行,然而雷达簇数据的标注需要大量的人力和时间成本。本文提出了一种结合移动概率蒙版和传感器交叉驱动正则化、基于激光雷达结构一致性研究的自监督未知移动物体感知。二、实验概括问题公式化基于雷达的结构一致性研究传感器交叉驱动的正则化概率移动蒙版损失函数优化骨干网络选取三、实验效果实验准备1.1 数据集1.2 具体训练相关参数详解1.3 评价矩阵消融实
2021-08-30 10:02:15 352
原创 LiDAR-based Panoptic Segmentation via Dynamic Shifting Network(论文阅读笔记)
LiDAR-based Panoptic Segmentation via Dynamic Shifting Network(论文阅读笔记)环形扫描骨干网络、动态漂移、一致性驱动的融合一、重点内容提取 目前的全景分割都是基于相机图像在做,该论文首次创新型的提取使用雷达数据进行全景分割,具有启发性的意义。 二、实验概括强大的骨干网络设计1.1 三个网络关键部分柱状卷积:由于激光雷达是通过旋转进行采集环境信息,采用柱状卷积的方式更加适合雷达数据的特征提取。语义分割分支:使用多层感知网络
2021-08-03 18:25:25 550
原创 PyTorch踩坑指南
更新torchvision后在终端输出该错误提示时# /usr/local/lib/python3.6/dist-packages/torchvision/ops/poolers.py in setup_scales(self, features, image_shapes)line161: lvl_min = -torch.log2(torch.tensor(scales[0], dtype=torch.float32)).item()问题原因是由于版本的变更,某些方法进行了重构,因此需要更改.
2021-03-24 14:06:33 98
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人