挥剑决浮云的博客

KITTI范围：point_cloud_range = [0, -40, -3, 70.4, 40, 1]

1、开始选取一点，看邻域范围内是否达到MinPts，达到就加入簇，图示标为红，没达到就判断下一个。2、如果在该点的半径范围内至少存在MinPoint点，那么认为所有这些点都属于同一个聚类。优点是DBSCAN算法不需要事先指定聚类的数量，而是通过样本密度来聚合在一起，对于。（比如自动驾驶场景下的点云，含有车、行人、骑行者等，有些目标在空间上还很靠近）及。MinPts：聚类在一起的点的最小数目，超过这一阈值才算是一个族群。核心点：邻域内数据点超过MinPts的点。噪声点：既不是核心点也不是边界点的点。

云服务器租显卡跑些小模型很方便，但是当你想做可视化的时候，可能会遇到麻烦，云服务器没有显示输出界面，无法可视化一些检测任务的结果，或者可以下载结果到本地搭建环境跑可视化推理，但是，有些项目的可视化在win下不好安装依赖包。以上启动Server时，手动设置了rfbport=6006端口，下面通过SSH隧道将实例中的6006端口代理到本地。保持输入该命令后Terminal的开启状态，关闭后会杀掉进程，导致VNC Viewer登陆失败。确认vncserver的进程已经关闭，xxxxx为进程号，替换。

...

目前初步接触到的作用：降维（ dimension reductionality ）。比如，一张500 * 500且厚度depth为100 的图片在20个filter上做11的卷积，那么结果的大小为500500*20。升维同理。深度学习中，卷积本质上是对信号按元素相乘累加得到卷积值：卷积：多通道形式一个5 x 5 x 3矩阵，有3个通道，filters是3 x 3 x 3矩阵。首先，filters中的每个kernels分别应用于输入层中的三个通道，执行三次卷积，产生3个尺寸为3×3的通道：将这