多传感器融合
努力把公司干倒闭
主要从事人工智能,深度学习,图像识别,图像处理方面的工作,目前在做激光雷达与相机融合识别的项目,希望和大家一起学习,共同进步。
展开
-
虚拟机(Ubuntu1804)相机与激光雷达联合标定实现过程记录
【注意】这里的--pause可以暂停,当后面需要grab某一帧的时候按下空格键暂停,当不需要暂停的时候--pause可以删除,另外上面的bag一定要保证存在,后面的lslidar_point_cloud:=/points_raw是lidar话题转换为point_raw,否则后面的标定箱无法正常标定。4、打开先选相机,然后camera->Velodyne,注意此时我的棋盘格的大小为0.107m,一共有9乘7个格子,这里填入的是角点数,为10乘8。2、在文件夹libratia中新建一个终端。原创 2023-07-17 21:32:38 · 778 阅读 · 0 评论 -
智能车打开usb相机和激光雷达录制数据包的过程记录
首先,智能车的遥控器启动之后,要解除驻车挡位(尾灯不亮红色才可以),然后右上角的那个拨杆是喇叭,对应的左上角的那个拨杆是控制挡位的,包括前进档,后退档。假如是前进,往上拨,这个挡杆的正下方的挡杆应该位于下方,然后拨动右边的挡杆向上拨,此时车子为前进。进入lslidarC16_ws文件夹,打开一个终端。第二行打开的过程如遇问题可以采用tab的方式。1、直接新建一个终端运行roscore。4、新建一个终端打开rviz。6、查看第5步录制的bag。3、打开usb摄像头。原创 2023-07-16 16:50:05 · 781 阅读 · 3 评论 -
点云预处理(点云滤波)学习记录
1、点云预处理。原创 2022-11-14 15:39:01 · 222 阅读 · 0 评论 -
Ubuntu1804打开USB摄像头的过程记录
如果要打开摄像头,首先要在Ubuntu1804里面安装打开usb的依赖项,具体的安装过程参照。安装完成之后应该会出现打不开的情况,解决办法参照。1、进入catkin_ws目录下。原创 2022-11-08 14:12:47 · 531 阅读 · 1 评论 -
速腾(RoboSense)16线激光雷达调试出点云图(Ubuntu1804和windows系统都已经显示点云),包含各种遇见的坑【避坑指南】{[driver][socket]Rslidar poll}
1、雷达的出厂网络配置如下图,即默认雷达自身ip为1.200,电脑ip为1.102。最近在做一个项目,需要用到激光雷达,但是由于自己是第一次使用激光雷达,在此期间遇到了不少的坑,本人按照%zoe%博主的教程,出现了一些未知的错误,但是好在最后都解决了,在此做个记录,也希望能帮大家少走弯路。网上扒拉了很久也没解决,最后在计算机大佬的加持下解决了,他把我的端口改成了6690,7788,不再使用6690,6690,据他说这两个端口不能一样,所以修改了一下,至于具体原因,我也不清楚,不过确实解决了这个问题。原创 2022-11-08 09:55:28 · 4344 阅读 · 4 评论 -
在YOLOv5 6.0里面三步添加注意力机制
这里我使用的是yolov5s.yaml为模板,再里面插入了CA注意力机制。注意力机制放置的位置并不是唯一的,需要根据你的数据集来摸索测试,可能别人放这儿涨点了,但是你放这儿没有效果,多测试几次,成为调参大师。anchors: 3backbone:]head:]这里我把CA模块放在了SPPF前,讲解yaml文件之前我先说一下这个数字代表什么含义。from列表示输入来源层数,-1表示来自上一层的输出number表示该层模块堆叠的次数module为使用模块。原创 2022-10-16 15:34:05 · 1514 阅读 · 5 评论 -
多传感器融合学习笔记(如何构建自动驾驶的多传感器系统,相机,雷达成像原理,整体传感器系统设计)
多传感器融合原创 2022-10-13 14:19:52 · 233 阅读 · 0 评论 -
深蓝学院学习链接
1、3D里程计链接。原创 2022-08-30 14:27:17 · 364 阅读 · 0 评论 -
激光雷达的检测仿真代码详解(附Matlab源码详解)
在该示例中,车辆坐标系原点位于后轴中心,正X方向指向前方,正Y方向指向左侧,正Z方向指向上方,激光雷达安装在车辆的顶部中心,与地面平行。为了从激光雷达数据中识别障碍物,首先使用segmentGroundFromLidarData函数对地面进行分段,从有组织的激光雷达数据中分割出属于地平面的点。点云的位置属性是M×N×3的矩阵,包含点的X,Y,Z坐标(m)。激光雷达安装在车辆顶部,点云可能包含属于车辆本身的点,例如车顶或发动机罩上的点。了解车辆的尺寸,可以分割出离车辆最近的点。转载请附加转载链接说明!原创 2022-08-20 17:47:10 · 5635 阅读 · 5 评论 -
预训练权重到底是个啥
断点恢复的应用范围非常非常广。再比如,一个非常常见的情况,假如一开始设置了100个epoch,结果模型训练结束时,Loss还呈现下降的趋势,也就是模型还没有收敛,这种现象有可能就是epoch设置小了,所以可以把第100个epoch训练得到的权值文件当做初始权值文件再训练几个epoch看看,避免重新设置epoch从头训练。预训练权重,顾名思义,就是预先训练好的权重,这类权重是在大型数据集上进行训练的,训练出来的权重是普遍通用的,因此不必担心是否符合自己的实际情况,我们个人往往很难训练出预训练权重的效果。...原创 2022-08-04 09:59:55 · 14855 阅读 · 0 评论 -
多传感器融合论文已读
1]许博玮,马志勇,李悦.多传感器信息融合技术在环境感知中的研究进展及应用[J/OL].计算机测量与控制1-11[2022-08-01].http//kns.cnki.net/kcms/detail/11.4762.TP.20220705.0942.012.html。原创 2022-08-01 15:03:30 · 94 阅读 · 0 评论 -
级联匹配是什么意思(欧氏距离,曼哈顿距离,马氏距离,汉明距离,切比雪夫距离)
假如此时两个追踪器竞争同一个检测结果的匹配权,往往遮挡时间较长的那条轨迹的马氏距离更小,使得检测结果更可能和遮挡时间较长的那条轨迹相关联,这种不理想的效果往往会破坏追踪的持续性。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系(例如一条关于身高的信息会带来一条关于体重的信息,因为两者是有关联的)并且是尺度无关的(scale-invariant),即独立于测量尺度。在级联匹配中,会根据这个参数来对跟踪器分先后顺序,参数小的先来匹配,参数大的后匹配。...原创 2022-07-29 10:17:48 · 1849 阅读 · 0 评论 -
多传感器融合之相机标定步骤(含张正友标定)
主要在于坐标系的转换以及相机内外参的标定。相机的标定步骤可以参考以下手稿。原创 2022-07-29 09:21:34 · 539 阅读 · 0 评论 -
多传感器融合研究学习资料
多传感器融合原创 2022-07-28 09:21:05 · 80 阅读 · 0 评论