![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
激光雷达
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
-
关于融合项目点云pointpillars检测不显示三维检测框问题的解决
这里原先是0.6,在检测kitti的时候是0.6,由于kitti是64线激光雷达,我个人用的是16线激光雷达,所以把0.6降到了0.2.出现了三维检测框,问题解决。这个问题主要还是launch文件中出现了一些偏差。launch文件的第26行。原创 2023-08-23 17:04:51 · 152 阅读 · 0 评论 -
pointpillars在Ubuntu2004训练的总结
1、找到pointpcdet-master之后在此打开终端输入code进入VScode界面。4、将kitti数据集准备好放入data路径下之后开始训练。5、训练完成之后选择最优的权重做个demo。3、cd进入tools。原创 2023-08-07 14:01:24 · 211 阅读 · 1 评论 -
pointpillars改进意见
以下是针对上述提到的PointPillars轻量化的第一步和第二步在代码层面的具体实现。请注意,具体的代码可能会因使用的深度学习框架和PointPillars的特定实现有所不同,以下示例代码主要基于PyTorch框架。原创 2023-08-02 19:10:32 · 854 阅读 · 5 评论 -
pointpillars的demo过程记录
2、cd到/home/fyy/OpenPCDet-master/tools打开终端。直接就可以demo显示了。原创 2023-08-02 15:21:19 · 223 阅读 · 0 评论 -
RANSAC算法的伪代码和改进RANSAC算法的伪代码
在该伪代码中,算法会重复执行 k 次迭代,每次迭代中会随机选择 n 个数据点来构建模型,然后计算数据点到模型的误差,如果误差小于阈值 t,则认为该数据点适合于模型,并将其添加到当前的 Inliers 集合中。在所有迭代中,选择拥有最大 Inlier 数的模型作为最佳模型,并返回最佳模型的参数 bestModel 和适合于最佳模型的数据点集合 bestInliers。在该改进算法中,增加了对迭代次数的动态调整,使得算法可以根据当前内点比例来自适应地调整迭代次数,从而提高算法的鲁棒性和准确性。原创 2023-07-25 14:01:46 · 524 阅读 · 1 评论 -
运行yolov5
【代码】运行yolov5。原创 2022-12-16 17:11:25 · 101 阅读 · 0 评论 -
激光雷达点云处理(滤波在Ubuntu1804里面的实现)【已实现滤波】
路径中不能有中文,否则会报错。原创 2022-12-13 08:43:36 · 375 阅读 · 1 评论 -
ubuntu1804画出所有物体的轨迹(遇见部分错误未解决)
【代码】ubuntu1804画出所有物体的轨迹(遇见部分错误未解决)原创 2022-12-08 20:27:34 · 255 阅读 · 0 评论 -
ubuntu1804用ros在播放的kitti数据集上画出自车的形式轨迹
详细的过程去我的主页参考之前的博客,这里仅对代码的修改做个记录一、作出汽车行驶过程中的全部轨迹1、kitti.py2、data_utils.py3、publish_utils.py二、保留最近20帧照片的轨迹1、kitti.py2、data_utils.py3、publish_utils.py原创 2022-12-08 10:51:20 · 437 阅读 · 2 评论 -
ubuntu1804ros播放kitti数据集之目标追踪,显示物体的id
本文是在上篇博客的基础上,增加部分代码,以实现标题内容1、kitti.py2、data_utils.py3、publish_utils.py效果图如下原创 2022-12-07 20:23:27 · 199 阅读 · 0 评论 -
ubuntu1804在rviz中显示kitti数据集的2D检测框和激光雷达的3D检测框
之前所做的工作参考上篇博客ubuntu1804发布kitti数据集的gps资料,imu资料(包含发布图片,点云过程)_FYY2LHH的博客-CSDN博客本次将详解如何在ros播放的kitti数据集上作出检测框,首先需要知道的是对于kitti数据集中的每一帧都必须提前进行标注,而这个工作已经被别人完成了,所以我们的任务就是调用别人已经完成的文件,显示出来。提前下载好tracking的文件,如果没找到链接,可以用下面的链接链接:https://pan.baidu.com/s/1Acs4113jGlGMZz0Pf原创 2022-12-07 17:02:50 · 788 阅读 · 1 评论 -
ubuntu1804发布kitti数据集的gps资料,imu资料(包含发布图片,点云过程)
这是一套完整的学习过程,从发布图片,点云到发布gps,imu,并实现他们的可视化具体的学习链接如下,是对学习的记录,方便自己回顾,同时也希望帮到需要帮助的人。系列1:Ubuntu1804里进行KITTI数据集可视化操作_FYY2LHH的博客-CSDN博客系列2:自己编写程序publish出kitti数据集,可视化kitti数据集_FYY2LHH的博客-CSDN博客系列3:ubuntu1804自己编写程序发布kitti数据集的点云数据_FYY2LHH的博客-CSDN博客系列4:在rviz中利用KITTI数据集原创 2022-12-05 10:51:20 · 515 阅读 · 1 评论 -
在rviz中利用KITTI数据集画出自己的车子以及照相机的视野
在rviz中画出自己的车辆无非就是加载出网上下载的dae车辆模型在rviz中画出中照相机的视野主要是利用ros提供的画线工具画出照相机的视角范围这一节的kitti.py将拆分为三个py文件,增强py文件的可读性和简洁性 其中pyc文件是写完py文件之后保存之后自动生成的1、kitti.py2、publish_utils.py3、data_utils.py4、下载的dae文件夹所放的位置如下图 5、在下图所示的终端运行 6、效果图 我的dae文件老是报错 知道的同学可以评论一下,感谢批评指正原创 2022-12-05 09:22:58 · 455 阅读 · 1 评论 -
ubuntu1804自己编写程序发布kitti数据集的点云数据
接上一节自己编写程序发布kitti数据集的图像数据,本节将介绍自己编写程序发布kitti数据集的点云数据,操作步骤和上一节差不多,详细过程如下:主要分为三步建立publish读取点云资料以正确的格式publish出去1、新建publish2、在kitti.py所在的路径下,运行我的路径是~/catkin_ws/src/kitti_tutorial/src3、进来要Add一下新加的话题仍然选择By topic,选择kitti_point_cloud的PointCloud2这时候就能显示点云,如果觉原创 2022-12-03 18:56:20 · 345 阅读 · 0 评论 -
自己编写程序publish出kitti数据集,可视化kitti数据集
目的:不使用kitti2bag,因为kitti2bag的格式都是固定的,如果将来自己要添加什么东西,这个就会变得非常麻烦,自己编写程序就会右很多的变化。开始之前仍然要下载kitti数据集,下载方式参考Ubuntu1804里进行KITTI数据集可视化操作_FYY2LHH的博客-CSDN博客1、先执行roscore2、新创建一个pkg3、在上述路径中执行4、回车之后cd ..回到上一页(catkin_ws路径下)5、编译6、回到hom/catkin_ws/src/kitti_tut原创 2022-12-03 08:35:44 · 919 阅读 · 0 评论 -
Ubuntu1804里进行KITTI数据集可视化操作
3、生成上图所示的kitti_2011_09_26_drive_0005_synced.bag。如果没有pip,按照Ubuntu给的提示先安装pip。在第3步的最后一张图的路径下打开一个终端,输入。2、下载kitti数据集(下载圈出的两部分)进入上图所示的路径打开终端输入下面的命令。kitti数据集的百度网盘链接。4、kitti的可视化。打开一个新的终端,输入。原创 2022-12-02 22:03:15 · 1229 阅读 · 0 评论 -
降低点云密度的几种方法(含python代码)
均匀下采样有多种不同的采样方式,其中最远点采样是较为简单的一种,首先需要选取一个种子点,并设置一个内点集合,每次从点云中不属于内点的集合找出一点距离内点最远的点,如下图,这里的距离计算方式为该点至内点所有点的最小距离。一个常用的解决方式就是对点云进行下采样,将对全部点云的操作转换到下采样所得到的点上,降低计算量。体素下采样就是把三维空间体素化,然后在每个体素里采样一个点,通常可用中心点或最靠近中心的点作为采样点。(1) 无偏差采样性质 (采样区域的每个没有被覆盖的点都有相同的概率接受一个新的采样点);原创 2022-11-29 09:42:09 · 3089 阅读 · 1 评论 -
用python进行点云体素下采样
【代码】用python进行点云体素下采样。原创 2022-11-29 09:27:34 · 524 阅读 · 0 评论 -
K-means均值聚类原理分析——看这一篇就够了
三人在1975左右提出的。简单的说,k-means聚类算法就是根据你的数据对象的属性特征将你的数据对象进行分类或者分组。再简单点儿说,k-mean聚类就是将你的数据分类用的。K-means均值聚类分析一定要有一个好点的实例,否则很难理解,经过多方查阅资料,终于找到了形象化通俗化的解释,其实质就是均值更新迭代的过程。k均值聚类(K-Means Clustering)算法由。原创 2022-11-19 09:43:27 · 423 阅读 · 3 评论 -
欧式聚类记录
。原创 2022-11-17 21:09:30 · 73 阅读 · 0 评论 -
点云数据处理、点云滤波
点云滤波。原创 2022-11-17 08:58:31 · 188 阅读 · 0 评论