- 博客(24)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 pytorch+CRNN实现
最近接触了一个仪表盘识别的项目，简单调研以后发现可以用CRNN来做。但是手边缺少仪表盘数据集，就先用ICDAR2013试了一下。结果遇到了一系列坑。为了不使读者和自己在以后的日子继续遭罪。我把正确的代码发到下面了。1）超参数请不要调整！！！！CRNN前期训练极其离谱，需要良好的调参，loss才会慢慢下降。我给出了一个训练曲线，可以看到确实贼几把怪，七拐八拐的。2）千万不要用百度开源的那个ctc！！！网络代码：#crnn.pyimport torch.nn as nnimport torc
2023-07-15 23:25:12
2943
原创 11111111111111
https://github.com/SeanNaren/warp-ctc/tree/pytorch_bindings/pytorch_binding
2023-07-12 18:57:55
101
原创 ultra fast lane detection读后感及使用情况（附训练好的模型及libtorch端代码）
ultra fast lane detection读后感及使用情况（附训练好的模型及libtorch端代码）
2022-12-02 11:00:31
1592
4
原创 使用vs在linux下编译opencv程序
在LINUX下编译opencv的时候经常出现一些奇奇怪怪的问题。g++ FaceLinux.cpp -o test pkg-config --cflags --libs opencv可以直接使用该行代码对C++文件进行编译。
2021-08-13 15:58:24
435
原创 KM算法实现
今天手撸了一个KM算法 真是惨不忍睹 写了一大长串，但还是贴了出来。通常作为acm的经典入门题，送分罢了。流程大致是这样：（1）为每个左边顶点x分配与他连接的边的最大边权。右边y顶点赋值为0.（2）优先找x.w+y.wweight[x][y]。weight为点x与点y的边的边权。1.若找到这样的边，且没有占用，占用该边。2.若找到这样的边，有占用。寻找增广路径。该增广路径同样要求x.w+y.wweight[x][y]。若找不到x.w自减一，y.w自加一.(3)循环步骤2#include &l
2021-08-09 17:35:48
260
原创 基于图的图像分割方法 opencv实现
基于图的图像分割方法是selective search生成区域R的方法，opencv自带selective search方法，但是并没有实现基于图的图像分割方法，需要用cmake编译后配置contribution。选择性搜索方法：https://www.cnblogs.com/gezhuangzhuang/p/10451296.html不得不赞叹opencv的开发人员真是十分优秀的，singlestrategy方法只耗时十几ms，如果我自己编写的话，大概要几百ms。不过这些都是题外话，我要实现的是原版
2021-08-06 10:20:12
435
原创 关于earth-move距离与匈牙利算法
推土机距离https://blog.csdn.net/zhangping1987/article/details/25368183匈牙利算法：https://nieson.blog.csdn.net/article/details/94472313?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribu
2020-11-08 17:45:18
874
原创 简单实现一下光流法
之前看了光流法，可以用来目标检测和跟踪，甚至图像拼接，就计划实现一下。主要实现金字塔光流法。光流法由三大严格假设：1.亮度恒定不变。2.小运动。3.空间一致性。以上三个假设决定了光流法的局限性，但是光流法在静态、小位移、光不强的情况下，有不俗的表现。此外，金字塔LK光流法也可以勉强容忍较大的位移。特征点多选用健壮的角点特征。此方法仅作为验证金字塔光流法的用途，耗时很长。此外，Mat::at<>(i，j) 方法实在是太耗费时间了，我懒得改了，如果想节省时间，能用指针，就别用函数。详情
2020-10-17 22:13:04
652
2
原创 讲一讲有趣的图像处理算法（二）导向滤波
写在开头其实我写的所有算法都和ISP（图像信号处理）算法有强烈的关系，这些算法对目标检测、识别、跟踪的效果是怎样的呢。我正着手开一栏关于该问题的文章。锐化锐化算法的作用是加强图像边缘细节，对于图像而言，低频分量是图像的主要内容，而高频分量则是图像的边缘细节或噪声。因此，高斯滤波作为一种低通滤波，其实是会屏蔽掉一些高通分量。https://blog.csdn.net/hhygcy/article/details/4330939该博主提到了通过原图减高斯滤波后的图，得到边缘图，再加上原图，得到一张锐化
2020-10-16 21:42:50
644
原创 讲一讲图像处理中有趣的小算法（一）
我接触图像算法有些时间了，见到过不少有意思的算法，原理也不复杂，实现起来也比较简单，所以计划记录一下。相关的图例可以到我给出的网址中找。1.去雾算法https://blog.csdn.net/abc1014392016/article/details/78880865这篇文章博主讲的很好，我再简单讲讲原理。去雾算法一般用于交通监控，如果有雾那么可以选择使用去雾算法对他进行一个好的处理。首先，他有一个假设，叫做暗通道。没有雾的图像暗通道图像都是一片黑，有雾的都是一片白色。暗通道，也就是每个区域中像素点
2020-10-15 22:07:34
231
原创 两种通信方式：网口通信与串口通信。
串口通信串口通信介绍：https://blog.csdn.net/xiaobaixiongxiong/article/details/83998436串口通信目前工业常用的有RS232、以及RS485。RS232主要是全双工、485是半双工。使用的时候，记得串联传感器。串口通信协议包含了波特率、奇偶校验、停止位。主要设置该三种。只设置波特率也可以，但容易出错。串口通信C++实现：https://blog.csdn.net/songshu5555/article/details/788080
2020-10-12 20:44:30
18619
原创 PCL教程笔记（三)-深度图像显示
还是官方教程的解读。给出了一个显示深度图像的方法，其他的还是一样。需要注意原作者 typedef了一个pointtype，其实是一个坑，不转定义一下，我都没看懂。我不认为，加了这一个def可读性就变好了，可能原作者有更好的解释。此外，原教程有一些不得不指出的错误，一些不适用于本机操作的代码，我也进行了改动。#include "pch.h"#include <iostream>#include <pcl/common/common_headers.h>#include
2020-06-06 22:45:31
897
1
原创 pcl教程笔记（二）点云显示与线程
PCL官方教程提供了一份显示#include <pcl/visualization/cloud_viewer.h>#include <iostream>#include <pcl/io/io.h>#include <pcl/io/pcd_io.h> int user_data; void viewerOneOff (pcl::visualization::PCLVisualizer& viewer){ viewe
2020-06-05 15:08:18
1401
1
原创 PCL教程笔记（一）法向量特征
内容主要来自于PCL官方教程、3d特征法向量。作者认为3D特征，最起码应该有3个特性：1.刚体变换。也就是说该特征应当具有3D变换不变性。2.采样密度。不受传感器采样密度限制。3.抗噪音。以3D特征中的法向量为例，写了一段程序。法向量是几何渲染中的重要特征，一般会结合光照方向和视点，达到镜面反射、漫反射等的效果。如果对opengl有所了解，就知道没有法向量就无法完成光照渲染。opengl并没有提供关于法向量的计算，但PCL提供了计算法向量的算法，所以两者通常搭配使用，实现点云光照渲染。#inc
2020-06-01 20:53:29
1195
原创 激光雷达读书笔记（3）
Adaptive Covariance Estimation Method for LiDAR-AidedMulti-Sensor Integrated Navigation Systems今天读了这篇文章，文章有一处错误。式（3）与式（4）冲突了。文章主体大致讲了直线监测、角点检测，以及用协方差当权重。方法不新颖、老套。都15年了，还写人家七八年都搞出来的东西，不行。内容尚充实。看了这...
2020-04-17 16:53:26
247
1
原创 激光雷达读书笔记（2）
今天看了一篇关于提取特征进行匹配的slam文章文章比较久远，是05年的文章。https://www.doc88.com/p-9079793554791.html总结一下大概是这样。所用仪器扫描点数为181预处理：用了中值滤波，消除一些误差大的点。特征检测：提出了两点特征点必须是可计算和全时刻不变的。计算看的不是很明白，但也简单，反正把一些阶跃点监测出来了，匹配用的欧式距离，一般化...
2020-03-16 19:55:57
223
原创 2D激光雷达LMS研究（其一）
前言LMS511及LMS111拿在手里已经一年了，相关的算法开发已经进行了一年，写这个系列的目的在于备忘，我记性不大好，顺便复习一下所学的知识。另外，如果有很多人想看的话，我可能会写的详细一点，再讲一下如何编程实现二维图像显示和三维点云显示。如上所示，sick的激光雷达系列都提供了一个软件，用于测试。但是这个软件没有提供太多的算法支撑，所以最好还是自己编一个程序，实现自己的算法。https...
2020-03-05 21:35:54
949
原创 C++数组指针及引用
最近写代码，对于数组指针及引用的这部分内容有点忘了。&和*的区别&：与变量（如a）在一起为取地址，与变量类型（如int）结合为引用。取地址就是指针，引用就是变量别名，使用同一空间。*：与变量在一起为指向的空间，与变量类型在一起为指针。如果引用的地址发生改变会怎么样吗？会影响引用吗？int q=0；int *a=&q;*a=1;int &b=*a;//...
2020-02-28 12:42:19
308
原创 关于SIFT特征点检测与黑塞矩阵的读书笔记
SIFT特征点我看了不下六次，每次都看一半就不看了，现在还是半懂不懂，当然和我个人数学水平、知识积累、懒惰的个性有关。不过SIFT确实包含了很多内容，如高斯金字塔、DOG、矩阵求导以及黑塞矩阵，要求较深的矩阵知识和图像处理知识，如果是初学者我建议先不要看SIFT特征，一方面确实是浪费时间，另一方面是必须要有一定的编程能力、高等数学知识和图像处理理解，才能明白SIFT的深层含义。黑塞矩阵和拉普拉...
2020-02-15 17:43:54
653
原创 关于F检验的读书笔记
置信区间与置信水平置信水平越高，置信区间就越宽。那么置信水平越高，原假设是否就越可信呢？并不是。置信水平越高，拒绝域就越窄，原假设就越难被拒绝，难以被拒绝的假设被接受了是理所当然，难以被拒绝的假设被拒绝了足以说明此事越不可能实现。换句话说，置信水平越高，原假设越能被接受，越难被拒绝，但不能说明原假设越可信。所以置信水平的设置相当有水平，如果你本身认为这件事十分可信，我建议置信水平要低一点，这...
2020-02-15 12:26:24
1970
原创 最近看的算法总结
ransac算法随机采样一致性：1.建立初始化模型。确定未知的参数。以单应矩阵为例。单应矩阵是一个旋转位移矩阵，二维上的某点到某点的矩阵。2.确定矩阵参数。要确定单应矩阵，要求解八个未知参数（因为归一化后，必有一个系数为1，所以又八个，而不是九个），共需要八个线性方程，对于图像而言，就是需要四个点对。3.验证模型。再次随机采样，若有足够多的样能被纳入该模型，证明该模型是正确的。否则，就要...
2019-11-20 17:25:54
188
原创 LMS激光传感器的TCP/IP协议问题
今天调试程序发现的一个问题。LMS传感器与上位机为航插M12的网口连接，所用协议为TCP/IP协议，从而搭建成局域网，因此上位机的IP地址和LMS的前三位必须为一致的。LMS的地址默认为192.168.0.1：2112。官方提供的sopas软件可以改LMS的IP地址，但我们最好不要改动。所以，我们应当改本机的IP地址。IP地址的改法很简单，我就不说了，保证前三位192.168.0一样就可以...
2019-10-17 22:34:26
875
5
原创 激光雷达—读书笔记（1）
激光雷达—读书笔记（1）为了发论文，没有办法，只好新开了本笔记，用来鞭策自己好好学习，争取每个星期都能发一篇博客。昨天看了一篇论文，讨论了激光雷达的特性，并且建立了一个分布模型。我认为以下几点都很有意义：1.激光雷达技术早在2002年就已经较为成熟了，文中用了sick的LMS200传感器。2.激光的入射角、所测物体的表面材质和颜色都会影响测量结果。由入射角引起的误差可能会大一点，误差最大值...
2019-10-16 11:08:40
644
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人