- 博客(20)
- 收藏
- 关注
RSS订阅原创 KL散度详细数学推导
占个坑，参考：https://hsinjhao.github.io/2019/05/22/KL-DivergenceIntroduction/
2024-06-17 16:53:32
109
原创 自动驾驶中Ground Marks对于视觉定位的作用探讨【欢迎讨论】
当前在众包建图中，基于视觉的定位占据了主导地位，基于激光的定位太重，采集存储处理成本高，因此基于视觉信息来重建道路上的标线成为了主流。
2024-06-17 14:36:30
394
原创 立体几何知识点汇总
参考：https://blog.csdn.net/weixin_45750972/article/details/121172793总结：一般直线方程（两个平面方程联立）对称式方程：根据直线上一点获取 (x-x0)参数方程：x = x0 + mt直线方向向量：取两个平面的法向量做叉积即可直线夹角：余弦定理直线与平面夹角：对直线与平面法向量做余弦定理，sin = cos’异面直线距离：计算两直线方向向量的叉积，该叉积的单位向量与两直线上任意一点的连线的点积即为异面直线的距离。
2024-06-17 14:21:35
167
原创 关于自动驾驶技术栈的一点思考【欢迎交流】
未来的主流趋势，是端到端的感知建图定位，传统的SLAM方法，比如VIO，LIO等目前还有不少厂商在用，但是随着技术升级，深度学习的不断迭代，这些方法都会被替换掉，因为比起基于规则的方法，数据驱动的方法才有着不断迭代进化的能力，这也是我们通往更强大，更广泛的人工智能的必经之路。, 这样做的一个目的是为了节约数据采集的成本,当然,随着时间的推移和数据的积累,数据还是否会是一个瓶颈?自动化的矿山开采以及其他领域?目前的感知主要分为针对视觉（图片）的感知，和对激光雷达获取的点云的感知，以及针对两者融合的感知。
2024-06-12 15:30:22
200
原创 【GPT对话】神经网络中为什么要使用非线性激活函数
省流总结：深度学习的多层结构（比如卷积），会将输入映射到多维的空间，而这多维空间中的结果需要经过激活函数，再到输出层（常见的如全连接层-回归，softmax-二分类），如果激活函数是线性的，可以理解为整个网络就是一个巨大的线性模型，ax+by+c + a’x+b’y+c +…, 那么多层和单层起到的效果差别不大，而如果是一个非线性激活，比如exp(x)，在一层一层的非线性变换之后，是否可以理解为类似于对一个复杂函数的傅里叶变换？通过非线性来拟合真实空间中的分类场景，无限逼近一些复杂的形状？
2023-06-27 11:20:35
682
原创 【无标题】
记录一个win10磁盘100%的解决方案：经常会遇到这种情况，很卡。我修改了我的电脑里的这个选项，把原本的手动改为了自动，竟然就好了不少。仅供参考。我还在探索别的优化方法。
2022-02-02 10:47:42
179
原创 CSDN Markdown 语法范本
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2022-01-22 18:51:05
161
原创 多视角三维边缘重建
Multi-View Stereo 3D Edge Reconstruction2018 IEEE Winter Conference on Applications of Computer Vision这是一篇讲述从多视图的角度进行三维边缘重建的文章。之前的方法主要从视频中重建直线或者边缘点，但是无法重建曲线。这篇paper1. 提出了EdgeGraph3D system，可以从无序的图像序列中重建出直线和曲线的三维坐标。2. 提出了一个基于图的二维边缘表示方式，从而鉴定出最重要的structura
2021-01-11 14:01:13
805
原创 基于图像和点云数据融合的三维重建方法
Reconstruction of accurate 3-D surfaces with sharp edges using digital structured light projection and multi-dimensional image fusion 阅读笔记2017 Optics and Lasers in Engineering这篇文章讲的是在结构光三维测量中，对于Sharp Edge测不好的一个状况，得到的点云边缘经常是frayed，难以满足工业metrology上对于critic
2020-12-13 14:34:56
3431
5
原创 基于结构光的2D深度边缘检测
Structured Light Based Depth Edge Detection for Object Shape Recovery 文章总结比较经典的一篇2D depth edge detection的文章，2005年CVPR文章大意：现有的Canny边缘提取算法，无法区分texture edge and depth edge, 然后作者结合structured light and white light image, 以白光图像中提取的边缘作为candidate，再在白光图减去structur
2020-12-13 09:01:50
445
2
原创 psql - macOS-readline
@[TOC] psql - macOSBUG记录：AdamLideMacBook-Pro:~ adamli$ psqldyld: Library not loaded: /usr/local/opt/readline/lib/libreadline.7.dylibReferenced from: /usr/local/bin/psqlReason: image not foundAbo...
2020-01-28 06:20:07
158
原创 SLAM6:BA优化
投影模型与BA代价函数BA是非线性优化的一种特殊情况， 具体表现在优化过程中稀疏矩阵的数学处理。因此我们需要首先了解投影模型，然后利用我们上一节学习的最小二乘法来进行BA优化。a. 首先，把世界坐标P转化为相机坐标P’，用到相机的外参矩阵b. 然后，将坐标P’投至归一化平面，得到归一化坐标c. 考虑归一化坐标的畸变情况d. 最后，根据内参模型，计算像素坐标这就是之前的观测方程，内参和...
2019-09-06 06:10:17
891
原创 SLAM重点摘要4:非线性优化方法
关键词：最小二乘法，增量方程状态估计问题的表述：在之前我们已经讲过了经典的SLAM数学模型，由运动方程和观测方程两者所组成。如下：xk = f(xk-1, uk) + wkzk,j = h(yj, xk) + vk,j方程1被称为运动方程，描述相机的运动，方程2被称为观测方程，描述特征点的观测模型。而在相机模型中，依据内参外参矩阵，有如下方程：Szk,j = K exp(&...
2019-08-29 05:31:49
309
原创 SLAM问题的数学表述：为之后的非线性优化以及BA模型铺垫
SLAM问题的数学表述场景：机器人（简称为小哪吒）携带着传感器在环境里移动，相机每隔一段时间拍照，并获得相应的照片。问题1: 什么是运动？相机只在离散的时刻拍摄，我们也只关心这些时刻的位置和地图，将这些离散的时刻视为 t = 1, …, K。对于运动的描述，就是小哪吒在这些时刻运动到了哪里。然而在SLAM里，对于运动的描述，不仅仅是三维空间的位置，还包括了相机的方向，综合起来，也就是我们所理...
2019-08-20 04:53:23
361
原创 SLAM重点摘要3:相机畸变模型与内外参矩阵
关键词：针孔模型， 畸变模型，内参矩阵，外参矩阵针孔模型：相似三角形模型Z/f = X/X’ = Y/Y’这里我们将成像平面固定在相机焦点处，在外界物体距离相机较远比如十倍焦距以上的，根据理想状态下相机模型：1/u + 1/v = 1/f相距将在f很近的位置，因此将胶片放置在f处具有科学道理。以透镜的光心为原点，以光轴所在直线为X轴，以胶片的网格方向为XY轴方向，我们可以建立相机坐标系...
2019-08-16 04:46:56
676
原创 SLAM重点摘要2:李群与李代数
李群与李代数关键词：优化，约束，求导把求解相机位姿的问题，构建成一个优化问题，求解最优的R，T，使得误差最小化。因为旋转和变换矩阵带有约束，使得优化变得困难（解空间受到约束），通过李群-李代数之间的转换关系，从而将其转换成无约束的优化问题。（求最优解，可以连续求导）推导过程较为麻烦，我们直接会使用结论即可：在t0 = 0附近，假设初始旋转矩阵R（0）= I，我们有 R(t) = exp...
2019-08-15 11:33:06
264
原创 SLAM重点摘要1: 相机变换之旋转矩阵与平移向量，R，T，变换矩阵
注意：本章内容简要，不涉及具体详细的数学推导，只简要介绍相关的数学理论关键词：旋转矩阵，平移向量，变化矩阵，齐次线性坐标在我的理解中，向量，表示的是两点之间的相对位置，就比如现在在一个坐标系中，有(1,0,0)向量l，在任何起点引出向量l，都会得到一个不同的终点，因此向量并不代表位置，而只是代表位移。首先我们建立一个世界坐标系W，在这个世界坐标系里面我们定义了原点为O，XYZ三个轴的正方向以...
2019-08-15 00:43:34
6974
原创 博客目的简述以及个人介绍
博客介绍博客目的简述以及个人介绍博客目的简述以及个人介绍博主为SLAM以及三维点云处理方面的硕士新生，我们团队的研究主要集中于三维点云的处理，包括显示，拼接，位姿求取，地图构建等方面，作为一名九月入学的新生，本着磨刀不误砍柴工的理念，在暑假期间，主要针对相关内容进行理论学习，从而为之后的研究打下基础。也欢迎大家有相关问题可以与我讨论，大家一起共同成长。万丈高楼平地起，地基扎实最重要。在看书的过...
2019-08-14 23:51:19
275
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人