七月在线学习笔记2
第四节课 感知实战:目标检测
动态环境感知与2D Detection
基于图片的检测和基于点云的检测
基于图片的检测算法:
位置、类别、位置修正
RCNN:CNN提取特征+SVM分类,位置修正:Linear Regression
Fast-RCNN:CNN提取特征+CNN分类,位置修正:CNN回归
Faster-RCNN:CNN提取候选框(RPN:feature点对应的原图感受野框处生成不同ratio/scale的anchor box,对anchor box二分类+回归)
单步检测:优点:实时性,缺点:准确率不高,定位精度差(不够丰富且只回归修正一次),小物体差:anchor的scale不够多样,不规则物体差:anchor的ratio不够多样
tensorflow Faster-RCNN实战
基于激光点云的的检测算法:
数据特点:简单、稀疏、无序、精确
点云:简单精确适合几何感知
图像:丰富多变适合语义感知。
传统方法:分割地面、点云聚类、特征提取、分类地面分割依赖人为设计的特征和规则
基于激光雷达的点云处理方法:Pixel-Based(基于像素的)
Apollo2.0:俯视投影到地面网格每个网格计算8个统计量,使用UNet做障碍物分割。
第06 视觉定位
什么是跟踪:在连续帧中根据物体信息关联同一物体:运动模型和外观模型,online、offline
保持ID一样、跟踪比检测更快(可以用历史信息进行检测则更快)
产生式模型、鉴别式模型、基于相关滤波的跟踪算法、基于深度学习的方法。
第09 预测系统
PNC(planning and control)(序列)