- 博客(54)
- 资源 (58)
- 收藏
- 关注
RSS订阅原创 ubuntu18.04 error: conflicting declaration ‘typedef struct LZ4_streamDecode_t LZ4_streamDecode_t’
在ubuntu18.04上使用ros中的PCL库时会遇到lz4 冲突问题
2022-08-30 09:54:35
1290
1
原创 激光雷达和IMU标定
激光雷达和IMU标定激光雷达简介IMU简介算法的数学原理四元数ENU坐标系三维旋转欧拉角(Euler Angle)与旋转矩阵(Rotation Matrix)四元数(Quaternion)与旋转矩阵四元数与欧拉角三维空间的位姿描述和齐次变换优化器标定方法标定流程图激光雷达简介激光雷达，即LiDAR（Light Detection and Ranging），是激光探测及测距系统的简称，另外也称Laser Radar或LADAR（Laser Detection and Ranging）。激光雷达可以探测目标
2022-01-12 14:12:55
12562
1
原创 NDT点云配准算法
NDT点云配准算法NDT算法介绍NDT算法流程NDT算法可视化理解NDT算法PCL实现NDT算法介绍NDT正态分布点云算法，即Normal Distribution Transform，是将参考点云转换成多维变量的正态分布来进行配准。如果变换参数能够使得两幅激光数据匹配得很好，那么变换点在参考点云中对应的概率密度将会很大。因此，要使得两幅激光点云数据匹配最优，只需用优化方法迭代计算使得概率密度之和最大的转换矩阵。现实中，LiDAR扫描得到的点云可能和参考点云（如高精地图点云）存在细微的区别，此偏差可能
2021-08-17 10:26:49
8600
原创 ICP点云配准算法
ICP点云配准算法ICP点云配准算法ICP点云配准算法ICP算法介绍ICP算法流程图ICP算法优缺点与改进ICP算法的优点ICP算法的不足ICP算法的改进ICP算法PCL库实现ICP算法介绍ICP（Iterative Closest Point），即最近点迭代算法，是最为经典的数据配准算法。其特征在于，通过求取源点云和目标点云之间的对应点对，基于对应点对构造旋转平移矩阵，并利用所求矩阵，将源点云变换到目标点云的坐标系下，估计变换后源点云与目标点云的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到
2021-08-17 10:04:08
7979
原创 OCR开源代码库介绍
OCR开源代码库介绍简介tesseract-ocrchineseocr_liteEasyOCRPaddleOCRMMOCRSTR简介文字的发明是人类文明史上的重要进步，它改变了人类知识的存储方式和传播方式。文字于日常生活中无处不在，比如马路上的标志牌，商店的招聘，商品的包装盒等。办公自动化、工业自动化等应用场景迫切需要一套直接从图像中检测，识别并理解文字的工具。典型的OCR系统，按照流程分为两大支：先检测后识别（detection then recognition）；端到端识别(end to e
2021-05-18 13:43:05
5125
1
转载 ONNX、 ONNXMLTools与ONNXRuntime
ONNX、 ONNXMLTools与ONNXRuntime简介ONNXONNXRuntimePytorch导出ONNX模型部署 ONNX or Caffe部署坑点及解决办法ONNXRuntime用法调试ONNX模型简介ONNXONNX是微软与Facebook和AWS共同开发的深度学习和传统机器学习模型的开放格式。许多框架（包括 TensorFlow、PyTorch、SciKit-Learn、Keras、Chainer、MXNet、MATLAB 和 SparkML）中的模型都可以导出或转换为标准 ONN
2021-02-25 11:12:55
3965
1
原创 Docker容器内中文乱码
Docker容器内中文乱码显示系统说明修改dockerfile显示系统说明https://blog.csdn.net/iw1210/article/details/52463912修改dockerfileRUN apt-get install -y language-pack-zh-han* language-pack-kde-zh-han*RUN locale-gen zh_CN.UTF-8 && \ echo "export LANG=\"zh_CN.UTF-8\""
2021-02-06 11:53:03
245
1
原创 docker中VTK库vtkXOpenGLRenderWindow: Cannot create GLX context问题
@[TOC](docker中VTK库vtkXOpenGLRenderWindow (0x5613b7c758e0): Cannot create GLX context问题)问题在docker镜像中启动VTK显示时会出现如下问题：
2021-02-06 11:45:33
5536
3
原创 cuda10.0安装Apex
cuda10.0安装Apex安装apex使用安装合精度训练加速神器–Apex从https://download.pytorch.org/whl/cu100/torch_stable.html下载cuda10.0的pytorch安装pytorch，然后进入python3命令行输入：import torchtorch.version.cuda查看pytorch中cuda版本与机器本身安装的cuda版本，使得版本一致https://github.com/NVIDIA/apex，克隆apex代码，
2020-11-18 15:27:49
1481
1
原创 pytorch中的BN层简介
pytorch中的BN层简介简介pytorch里BN层的具体实现过程momentum的定义冻结BN及其统计数据简介BN层在训练过程中,会将一个Batch的中的数据转变成正太分布,在推理过程中使用训练过程中的参数对数据进行处理,然而网络并不知道你是在训练还是测试阶段,因此,需要手动的加上,需要在测试和训练阶段使用如下函数。model.train() or model.eval()在Pytorch中，BN层的类的参数有：torch.nn.BatchNorm2d(num_features, eps=1
2020-11-18 14:03:17
6952
原创 Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time
Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time简介简介给定一个3D激光雷达点云，我们如何快速且精确地分割它们？快速且精确的3D激光雷达点云分割是移动机器人在分类，跟踪，SLAM等不同应用中的重要问题。尽管它很重要，但是现有方法无法同时实现速度和准确性；尤其是，在3D域中执行分割的方法太慢，无法在实时处理中使用。我们提供了曲面体素聚类（CVC），一个利用了快速且精确的用于分
2020-11-03 17:21:29
750
原创 基于目标检测的实时单目测距
基于目标检测的实时单目测距简介环视测距前视测距简介单目摄像头的大致测距原理，是先通过图像匹配进行目标识别（各种车型、行人、物体等），再通过目标在图像中的大小去估算目标距离。环视测距特点：鱼眼镜头畸变矫正较大，环视相机一般用于低速场景，主要用于检测地面标识，所以相机镜头朝下；前视相机测距特点：前视镜头畸变较小，相机安装位置为车后视镜下方，可应用于低速、高速场景，用于检测前方车辆、行人、障碍物等，所以相机镜头朝前。环视测距环视鱼眼相机因为镜头朝下，且畸变系数大，基于相机模型，采用数学几何的方
2020-10-15 16:33:31
3700
1
原创 nvidia xavier ros
nvidia xavier rosNVIDIA Jetson AGX Xavier, jetpack 4.4ros安装：https://github.com/jetsonhacks/installROSXavier./installROS.sh -p ros-melodic-desktop -p ros-melodic-rgbd-launch ./setupCatkinWorkspace.sh [optionalWorkspaceName] #自动创建了~/optionalWorkspaceNa
2020-10-15 16:07:50
250
原创 RANSAC算法介绍与总结
RANSAC算法简介简介粒子分割主要使用RANSAC算法. RANSAC全称Random Sample Consensus, 即随机样本一致性, 是一种检测数据中异常值的方法. RANSAC通过多次迭代, 返回最佳的模型. 每次迭代随机选取数据的一个子集, 并生成一个模型拟合这个子样本, 例如一条直线或一个平面. 然后具有最多inliers(内联点)或最低噪声的拟合模型被作为最佳模型.一种RANSAC 算法使用数据的最小可能子集作为拟合对象. 对于直线来说是两点, 对于平面来说是三点. 然
2020-09-24 10:28:09
2205
原创 CMakeLists库配置
CMakeLists库配置pcl库eigen库opencv库yaml-cpp库openmp库pcl库find_package(PCL REQUIRED)include_directories(${PCL_INCLUDE_DIRS})link_directories(${PCL_LIBRARY_DIRS})add_definitions(${PCL_DEFINITIONS})add_executable (node_name source_code)target_link_libraries
2020-09-11 15:32:35
358
原创 git branch介绍
git介绍git分支相关命令git提交的要点：描述清楚，一看到commit msg就知道这次做了什么工作每次提交的内容相对独立每次提交前尽量先拉取，commit时尽量尽快地推送到远程，可以有效避免冲突提交commit log规范Feat：新功能（feature）Fix：修补bugDocs：文档（documentation）Style： 格式（不影响代码运行的变动）Refactor：重构（即不是新增功能，也不是修改bug的代码变动）Test：增加测试Chore：构建过程或辅助工
2020-09-08 08:51:14
2163
原创 了解docker容器和镜像
docker介绍docker什么是docker？docker和虚拟机的区别docker容器编排docker什么是docker？docker的思想来自于集装箱。集装箱解决了什么问题？在一艘大船上，可以把货物规整的摆放起来。并且各种各样的货物被集装箱标准化了，集装箱和集装箱之间不会互相影响。那么我就不需要专门运送水果的船和专门运送化学品的船了。只要这些货物在集装箱里封装的好好的，那我就可以用一艘大船把他们都运走。docker就是类似的理念。主要了解docker的容器和镜像概念。参考：可能是把Docke
2020-09-08 08:48:32
131
原创 超声波雷达应用总结
超声波雷达应用总结超声波雷达简介超声波雷达的数学模型超声波雷达的特性超声波雷达配置情况无人驾驶中超声波主要的应用超声波雷达简介常见的超声波雷达有两种。第一种是安装在汽车前后保险杠上的，也就是用于测量汽车前后障碍物的倒车雷达，这种雷达业内称为UPA；第二种是安装在汽车侧面的，用于测量侧方障碍物距离的超声波雷达，业内称为APA。UPA超声波雷达UPA超声波雷达的探测距离一般在15~250cm之间，主要用于测量汽车前后方的障碍物。如下图所示，为单个UPA的探测范围示意图。APA超声波雷达A
2020-09-07 10:22:35
3286
原创 安装 docker-ce以及nvidia-docker
安装 docker-ce以及nvidia-docker安装 docker-ce把当前用户加到 docker 用户组中安装nvidia-dockerdocker: Error response from daemon: Unknown runtime specified nvidia. 解决方法安装 docker-cesudo apt-get remove docker docker-engine docker.iosudo apt-get install apt-transport-https ca-
2020-09-07 09:37:53
306
原创 linux udev固定USB video设备号
linux udev固定USB video设备号简介固定设备号简介Video4 for Linux 2是Linux内核中关于视频设备的内核驱动框架，为上层的访问底层的视频设备提供了统一的接口。凡是内核中的子系统都有抽象底层硬件的差异，为上层提供统一的接口和提取出公共代码避免代码冗余等。 V4L2支持三类设备：视频输入输出设备、VBI设备和radio设备(其实还支持更多类型的设备，暂不讨论)，分别会在/dev目录下产生videoX、radioX和vbiX设备节点。ubuntu 下安装V4L2:sudo
2020-09-07 09:15:12
2140
原创 分类网络训练技巧
分类网络训练技巧简介优化器的选择学习率以及学习率下降策略的选择学习率的概念：学习率下降策略：warmup策略batch_size的选择weight_decay的选择label_smoothing的选择针对小模型更改图片的crop面积与拉伸变换程度使用数据增广方式提升精度通过train_acc和test_acc确定调优策略通过已有的预训练模型提升自己的数据集的精度简介在神经网络中，分类网络是基础网络，分类网络中的特征提取网络一般会作为其他网络的backbone，所以所以首先需要训练好基础网络。优化器的选
2020-06-24 14:26:50
1230
原创 神经网络运算量的计算
神经网络运算量的计算简介普通卷积普通反卷积分组卷积分组反卷积简介那么对于给定一个卷积神经网络的模型定义，该如何估算其浮点数运算量。对卷积神经网络来说，卷积层的运算量是占网络总运算量的大头，而对于一些像素级别任务，反卷积层也要算上。普通卷积卷积的运算一般的实现就是转化为矩阵乘法运算，首先来看一下卷积运算的简单的示意图：首先左上角定义了输入和输出的feature map的形状，假设卷积核大小...
2020-04-10 16:17:02
2372
原创 激光雷达点云的特征表达
激光雷达点云的特征表达简介激光雷达成像原理离散化BEV图Camera view图点对点特征（point-wise feature）提取特征融合简介激光雷达的稀疏点云成像与稠密像素点的图像成像不同，点云都是连续的，图像是离散的；点云可以反应真实世界目标的形状、姿态信息，但是缺少纹理信息；图像是对真实世界的目标离散化后的表达，缺少目标的真实尺寸；图像可以直接作为cnn网络的输入，而稀疏则需要做一...
2020-04-09 17:11:16
3536
原创 神经网络卷积操作总结
神经网络卷积操作总结简介Convolution1x1/Pointwise ConvolutionsSpatial and Cross-Channel ConvolutionsGrouped ConvolutionsSeparable ConvolutionsSpatially Separable ConvolutionsDepthwise Separable ConvolutionsFlatten...
2020-03-28 20:37:03
2270
原创 基于激光雷达点云的3D目标检测方法
基于激光雷达点云的3D目标检测方法简介基于BEV（bird’s eye view）的目标检测方法基于camera view的目标检测方法基于point-wise feature的目标检测方法简介根据lidar不同的特征表达方式，可以将目标检测方法分成以下4种：基于BEV（bird’s eye view）的目标检测方法基于camera view的目标检测方法基于point-wise ...
2020-03-24 17:16:52
10261
原创 卷积神经网络中的池化操作
卷积神经网络中的池化操作简介最大/平均池化随机池化中值池化组合池化Spatial Pyramid PoolingGlobal Average/Max PoolingNetVLAD池化Bilinear PoolingUnPooling简介池化操作(Pooling)是CNN中非常常见的一种操作，池化操作通常也叫做子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网...
2020-03-18 23:49:37
3823
原创 神经网络参数量的计算
神经网络参数量的计算简介卷积层BN层全连接层简介参数量就是指，模型所有带参数的层的权重参数总量。视觉类网络组件中带参数的层，主要有：卷积层、BN层、全连接层等。（注意：激活函数层(relu等)和Maxpooling层、Upsample层是没有参数的，不需要学习，他们只是提供了一种非线性的变换）卷积层K2×Ci×Co×+CoK^2{\times}C_i{\times}C_o{\times}+...
2020-03-18 20:10:58
1171
原创 深度学习中的优化算法总结
深度学习中的优化算法简介基本框架SGDSGD理论批量梯度下降法（Batch Gradient Descent）随机梯度下降法（Stochastic Gradient Descent）小批量梯度下降法（mini-Batch Gradient Descent）SGD缺点MomentumNestrovAdaGradRMSpropAdam简介优化算法是一个超参数，一个优化算法不是适合所有损失函数的，没...
2020-03-18 08:49:44
596
原创 keras数据增强方法
keras数据增强方法简介数据增强(Data Augmentation)keras数据增强接口keras接口使用方法简介在深度学习中，为了避免出现过拟合（Overfitting），通常我们需要输入充足的数据量。当数据量不够大时候，常常采用以下几种方法：Data Augmentation：通过平移、 翻转、加噪声等方法从已有数据中创造出一批“新”的数据，人工增加训练集的大小。Regu...
2020-03-08 15:14:19
2032
原创 常用 Normalization 方法与PyTorch接口
常用 Normalization 方法与PyTorch接口简介简介常用的Normalization方法主要有：Batch Normalization（BN，2015年）、Layer Normalization（LN，2016年）、Instance Normalization（IN，2017年）、Group Normalization（GN，2018年）。它们都是从激活函数的输入来考虑、做文章的...
2020-03-08 11:34:31
1498
原创 Complex-YOLO: An Euler-Region-Proposal for Real-time 3D Object Detection on Point Clouds
Complex-YOLO: An Euler-Region-Proposal for Real-time 3D Object Detection on Point Clouds简介3D目标检测整体框架点云预处理网络结构E-RPNAnchor BoxLoss简介在这项工作中，作者通过特定的复数回归策略扩展了YOLOv2(一个用于RGB图像的快速2D目标检测网络)，来在笛卡尔空间中估计多类别3D包...
2020-02-23 19:35:24
1824
原创 PointPillars: Fast Encoders for 3D Object Detection from Point Clouds
PointPillars: Fast Encoders for 3D Object Detection from Point Clouds简介3D目标检测整体框架数据增强生成伪图像基础网络检测头Loss简介考虑到点云数据的不规则，将点云编码为适合下游检测流程的格式，是一个首先需要处理的问题。一般有两种处理方式：固定编码器，这种编码器往往速度快但是以牺牲精度为前提在数据中学习的编码器，这种...
2020-02-23 17:52:35
2305
原创 SECOND: Sparsely Embedded Convolutional Detection
SECOND: Sparsely Embedded Convolutional Detection简介简介
2020-02-23 16:03:36
2537
1
原创 VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection简介3D目标检测整体框架特征学习网络卷积中间层区域提出网络（RPN）简介3D点云中物体的精确检测是许多应用中的一个核心问题，为了将高度稀疏的激光雷达点云与区域建议网络（RPN）进行接口。处理LIDAR点云的难点：点云稀疏、点云密度变化、点云数量比较多...
2020-02-23 14:14:35
1069
原创 YOLO v1整体检测框架
You Only Look Onceyolo的思想yolo整体检测框架yolo模型架构yolo lossConfidence预测Bounding box预测类别预测yolo的思想Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测, 整个系统如图所示: 首先将输入图片resize到448x448, 然后送入CNN网络，最后处理网络预测结果得到检测的目标。 相比R-CNN算法,...
2019-10-25 14:06:57
427
原创 PIXOR: Real-time 3D Object Detection from Point
自动驾驶标定算法IMU标定新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入IMU标定基本语法知识新的改变...
2019-10-24 14:45:06
1524
itti显著性检测，增加运动显著性
2018-07-01
itti视觉显著性计算模型opencv实现
2016-05-24
very_fast_pedestrian_detector.rar
2019-06-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人