2020年11月_Kadima°

12月 11月 10月 09月

原创 class-aware与class-agnostic的含义，区别，应用场景

class-aware与class-agnostic的含义，区别，应用场景先给出官方的原文解释：class-awareFor a class-aware detector, if you feed it an image, it will return a set of bounding boxes, each box associated with the class of the object inside (i.e. dog, cat, car). It means that by the ti

2020-11-24 22:59:42 3108 2

转载你知道print和pprint的区别吗？

你知道print和pprint的区别吗？print()和pprint()都是python的打印模块，功能基本一样，唯一的区别就是pprint()模块打印出来的数据结构更加完整，每行为一个数据结构，更加方便阅读打印输出结果。特别是对于特别长的数据打印，print()输出结果都在一行，不方便查看，而pprint()采用分行打印输出，所以对于数据结构比较复杂、数据长度较长的数据，适合采用pprint()打印方式。当然，一般情况多数采用print()。以下为代码示例：import pprintdata =

2020-11-24 21:57:13 121

原创 Faster-RCNN中nn.Sequential(*list(vgg.classifier._modules.values())[:-1])的理解

Faster-RCNN中nn.Sequential(*list(vgg.classifier._modules.values())[:-1])的理解原博：https://blog.csdn.net/a1103688841/article/details/89383215先总结一下，self.RCNN_base = nn.Sequential(*list(vgg.features._modules.values())[:-1])，详解如下：vgg是已经构建好的vgg模型。vgg.features是取

2020-11-24 21:49:23 1678

原创 PCL学习笔记——利用KDTree进行近邻搜索

PCL学习笔记——利用KDTree进行近邻搜索k-d树（k-dimensional树的简称），是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。K-D树是二进制空间分割树的特殊的情况。索引结构中相似性查询有两种基本的方式：一种是范围查询（range searches），另一种是K近邻查询（K-neighbor searches）。范围查询就是给定查询点和查询距离的阈值，从数据集中找出所有与查询点距离小于阈值的数据；K近邻查询是给定查询点及正整数K，从数据集中

2020-11-23 17:06:20 2163

原创 PCL学习笔记——数据输入与输出

PCL学习笔记——数据输入与输出从PCD文件中读取与保存点云文件#include <iostream> //标准C++库输入输出相关头文件#include <pcl/io/pcl_io.h> //pcd读写相关头文件#include <pcl/point_types.h> //pcl中支持的点类型头文件//点云格式的宏定义，即使用PointT代替pcl::PointXYZtypedef pcl::PointXYZ PointT;int main(int a

2020-11-22 22:19:47 796

原创 PCL学习笔记——PCD(点云数据）文件格式

PCL学习笔记——PCD(点云数据）文件格式pcd文件数据举例# .PCD v.7 - Point Cloud Data file formatVERSION .7FIELDS x y z rgbSIZE 4 4 4 4TYPE F FFFCOUNT 1 1 1 1WIDTH 213HEIGHT 1VIEWPOINT 0 0 0 1 0 0 0POINTS 213DATA ascii0.93773 0.33763 0 4.2108e+060.90805 0.35641 0 4.2

2020-11-22 21:22:48 1398

原创【mmdetection3d】——torch.backends.cudnn.benchmark

MMDetection3D代码学习笔记——torch.backends.cudnn.benchmark前言大家在训练深度学习模型的时候，经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 这个 GPU 相关的 flag，可能有人会感到比较陌生。在一般场景下，只要简单地在 PyTorch 程序开头将其值设置为 True，就可以大大提升卷积神经网络的运行速度。既然如此神奇，为什么 PyTorch 不将其默认设置为 True？它的适用场景是什么？为什么

2020-11-21 22:51:55 912

原创 MMDetection3D代码学习笔记——Config文件学习

MMDetection3D代码学习笔记——Config文件学习1.Config文件的作用config在MMDetection3D系列中是作为配置文件与配置文件工具使用，它支持大多数常见的配置文件的格式，如python/json/yaml。它的接口与dict对象相同，同时也允许以属性的方式访问配置参数。2.Config在代码具体使用实例 Example: >>> cfg = Config(dict(a=1, b=dict(b1=[0, 1])))

2020-11-21 22:14:49 692

原创 Python学习笔记——os.environ模块

Python学习笔记——os.environ模块1.官方解释及作用environ是一个字符串所对应环境的映像对象，当我们想要用Python获得有关系统的各种信息时需要用到它。举例说明：environ[‘HOME’]就代表了当前这个用户的主目录。2.Windows下os.environ的key列表3.Linux下os.environ的key列表4.部分os.environ的key字段详细解释os.environ[‘HOMEPATH’]:当前用户主目录。os.environ[‘TEMP‘]:

2020-11-21 21:40:56 1696 1

原创 MMDetection3D代码学习笔记——fuse-conv-bn的作用

MMDetection3D代码学习笔记——fuse-conv-bn的作用fuse-conv-bn在mmdetection3d中的参数设置代码parser.add_argument( '--fuse-conv-bn', action='store_true', help='Whether to fuse conv and bn, this will slightly increase' 'the inference speed')由hel

2020-11-21 20:59:10 1422

原创 pytorch学习笔记torch.mul() 和 torch.mm() 的区别

pytorch中torch.mul() 和 torch.mm() 的区别torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵import torcha = torch.rand(1, 2)b = torch.rand(1, 2)c = torch.rand(2,

2020-11-21 20:41:45 994 1

原创 ubuntu系统安装meshlab并打开.ply文件（错误解决，实测有效）

ubuntu系统安装meshlab并打开.ply文件（实测有效）网上有很多方法，但大部分都因为各种原因不能安装成功，这里给出一种实测有效的方法1.下载源码#注意一定要添加--recursivegit clone --recursive https://github.com/cnr-isti-vclab/meshlab2.编译安装这里说明一下，由于meshlab不断在更新，因此网上有很多直接给出命令行安装的方法，因为源码的更新而失效，这里建议大家下载好源码后，进入文件夹，自行查找源码中自带的Re

2020-11-21 20:37:49 3849 2

原创网络骨架（Backbone）之——VGGNet

网络骨架（Backbone）——VGGNetVGGNet一共有6个不同的版本，最常用的是VGG16VGGNet的网络结构VGGNet采用了五组卷积与三个全连接层，最后使用Softmax做分类。VGGNet有一个显著的特点：每次经过池化层（maxpool）后特征图的尺寸减小一倍，而通道数则增加一倍（最后一个池化层除外）。##### VGGNet的优点：AlexNet中有使用到5×5的卷积核，而在VGGNet中，使用的卷积核基本都是3×3，而且很多地方出现了多个3×3堆叠的现象，这种结构的优点在于，

2020-11-16 21:36:17 538

原创骨架网络（Backbone）之——空洞卷积

骨架网络（Backbone）中各种层的作用总结空洞卷积空洞卷积最初是为解决图像分割的问题而提出的。常见的图像分割算法通常使用池化层来增大感受野，同时也缩小了特征图尺寸，然后再利用上采样还原图像尺寸。特征图缩小再放大的过程造成了精度上的损失，因此需要有一种操作可以在增加感受野的同时保持特征图的尺寸不变，从而替代池化与上采样操作，在这种需求下，空洞卷积就诞生了。优点空洞卷积的优点显而易见，在不引入额外参数的前提下可以任意扩大感受野，同时保持特征图的分辨率不变。这一点在分割与检测任务中十分有用，

2020-11-16 21:18:38 818

原创单目相机-双目相机-激光雷达-IMU联合标定集合

相机内参标定方法ROS Camera Calibration ToolsSLAM之相机标定外参标定：lidar_camera_calibrationlidar_camera_calibrationlidar_camera_calibration项目——激光雷达和相机联合标定相机雷达联合标定无人驾驶-激光雷达与相机联合校准（Lidar Camera Calibration）外参标定：but_calibration_camera_velodynebut_calibration_camera_v

2020-11-15 21:36:34 1457

原创如何查看自己电脑上英伟达显卡的compute capability以及显存大小

如何查看自己电脑上英伟达显卡的compute capability以及显存大小前提安装TensorFlow-GPU，在终端打开Pythonimport tensorflow as tfsess = tf.Session()

2020-11-12 20:00:50 1665

原创 Anaconda创建虚拟环境并安装tensorflow-gpu版本

Anaconda创建虚拟环境并安装tensorflow-gpu版本conda create -n [name] python=3.5 tensorflow-gpu=1.9.0

2020-11-12 19:56:42 455

原创 Autoware.ai学习笔记（一）Autoware.AI wiki介绍

Autoware.ai学习笔记（一）Autoware.AI wiki介绍介绍Autoware.AI是基于ROS的开源软件，可以让自动驾驶汽车在私人区域，城市道路和高速公路上进行测试。Autoware的另一个变种，又名，Autoware.Auto，是正在开发的另一款具有功能安全的用于商业部署的软件。定位Autoware.Ai的定位依赖于3D高精地图数据与NDT算法。并且使用从CAN信息和GNSS/IMU传感器中获得的里程计信息，通过Kalman滤波算法对定位结果进行补充。检测Autoware.A

2020-11-11 21:21:11 3490

原创 Docker学习笔记（五）——Dockerfile文件的作用及如何构建镜像

什么是 Dockerfile？Dockerfile 是一个用来构建镜像的文本文件，文本内容包含了一条条构建镜像所需的指令和说明。使用 Dockerfile 定制镜像1、下面以定制一个 nginx 镜像（构建好的镜像内会有一个 /usr/share/nginx/html/index.html 文件）在一个空目录下，新建一个名为 Dockerfile 文件，并在文件内添加以下内容：FROM nginxRUN echo '这是一个本地构建的nginx镜像' > /usr/share/nginx/

2020-11-07 15:09:24 494

原创 Docker学习笔记（二）——docker容器的使用详细介绍

Docker容器的使用1.获取镜像本地没有镜像，直接从docker hub中拉取镜像docker pull ubuntu2.启动镜像以命令行模式启动镜像：docker run -it ubuntu /bin/bash-i:交互式操作-t:终端启动容器并以后台方式运行：docker run -itd --name ubuntu-test ubuntu /bin/bash -d：指定容器以后台方式运行–name:指定容器的NAMES3.退出当前容器exit或ctrl+D4.

2020-11-07 14:49:51 208

原创 Docker学习笔记（一）——解决docker权限问题

1.解决docker权限问题安装完docker后，执行docker相关命令，出现：”Got permission denied while trying to connect to the Docker daemon socket at unix:///var/run/docker.sock: Get http://%2Fvar%2Frun%2Fdocker.sock/v1.26/images/json: dial unix /var/run /docker.sock: connect: permis

2020-11-07 14:19:03 3533

原创手动安装docker详细教程

手动安装docker详细教程1.卸载旧版本Docker 的旧版本被称为 docker，docker.io 或 docker-engine 。如果已安装，请卸载它们：sudo apt-get remove docker docker-engine docker.io containerd runc当前docker的软件包称为 Docker Engine-Community ，简称： docker-ce2.使用 Docker 仓库进行安装在新主机上首次安装 Docker Engine-Commun

2020-11-02 17:32:15 1176

原创解决安装完anaconda后每次打开终端都进入base环境的问题

解决安装完anaconda后每次打开终端都进入base环境的问题问题描述安装anaconda或miniconda后，每次打开Linux系统的终端会自动激活base环境。原因分析安装anaconda或miniconda的时候，选择了每次打开终端后自动激活base环境。解决方案conda配置里面设置取消自动激活base环境：conda config --set auto_activate_base false...

2020-11-02 17:01:18 4379

原创 Pytorch学习笔记——数据类型转换总结

1.Tensor与Numpy之间的相互转化tensor转numpya = torch.ones([2,5])b = a.numpy()numpy转tensora = np.ones([2,5])b = torch.from_numpy(a)2.Tensor与list之间的相互转化tensor转lista = torch.ones([1,5])b = a.tolist()list转tensora = list(range(1,6))b = torch.tensor(a)3.

2020-11-01 16:44:36 567

原创问题解决——Ubuntu18.04安装英伟达显卡驱动后无法进入图形化界面

问题解决——Ubuntu18.04安装英伟达显卡驱动后无法进入图形化界面首先，检查自己Ubuntu18.04镜像的版本是否为ubuntu18.04.4,如果是建议重新下载高版本镜像。如ubuntu18.04.5,因为Ubuntu18.04.4内核bug导致gdm3和nvidia驱动冲突，使得gdm3无法正常启动图形界面，而gdm不断尝试启动的后果就是屏幕的闪烁。更换高版本镜像后不会出现上述现象。...

2020-11-01 10:11:43 6691