- 博客(37)
- 收藏
- 关注
RSS订阅原创 CNN非接触掌纹识别改进过程（二）
1.1使用学习率衰减算法后：BATCH_SIZE = 64 # 定义超参数，每次处理64张图片DEVICE = torch.device(“cuda” if torch.cuda.is_available() else “cpu”) # 检测电脑上是否有GPU，如果有就使用GPU，如果没有就使用cpuEPOCHS = 300 # 将数据集训练100轮LR = 0.001 # 学习率TRAIN_DIVISION = 3 # 训练集划分占比warm_up = 5decay_rate
2022-03-29 21:20:53
908
原创 CNN进行非接触掌纹识别的改进过程
1.模型和参数不变模型：参数：BATCH_SIZE = 32 # 定义超参数，每次处理32张图片EPOCHS = 20 # 将数据集训练20轮LR = 0.01 # 学习率TRAIN_DIVISION = 3 # 训练集划分占比optimizer = optim.Adam(model.parameters(), lr=LR) # 优化器1.1 只用IITD/Left部分数据1.2 用IITD/Left+Right数据...
2022-03-20 11:15:12
1835
4
原创 初次跑CNN进行掌纹识别遇到的问题
本意是想大概跑一下CNN对掌纹进行识别分类的代码，了解一下流程和框架。基本内容参考基于CNN对掌纹图片进行分类。1-1.RuntimeError: mat1 and mat2 shapes cannot be multiplied (32x100820 and 408980x230)1-2 RuntimeError: shape ‘[-1, 72000]’ is invalid for input of size 3226240这两个问题都是因为没有正确理解和计算卷积层、池化层的输入和输出大小而直接套
2022-03-05 11:42:33
4039
原创 终端常用的命令及功能
最近学习大数据理论及应用课程，用到一些虚拟环境中DOS命令，完全不熟悉，在此记录一下。sudosudo是 以系统管理者的身份执行命令，详细参考.cdcd+空格+目录跳转到指定目录下。cd\退出文件夹，回到根目录。lsls用于显示指定工作目录下内容（列出目前工作目录所含文件及子目录），详细参考.......
2021-05-30 22:49:15
5297
3
转载 python安装PCV
转载：https://blog.csdn.net/weixin_44330777/article/details/107920693下载PCV包：https://codeload.github.com/Li-Shu14/PCV/zip/master；压缩包不用解压，直接pip install即可。打开Anaconda的prompt窗口，输入：pip install D:\Python\PCV-master.zip等待安装输入命令：import PCV 检查是否安装完成；..
2020-11-08 09:55:44
2955
原创 图像处理——空间域和频率域部分图像增强学习
图像增强Image Enhancement：采用某种技术手段，改善图像的视觉效果，获奖图像转换成更适合人眼观察和机器分析、识别的形式，以便从图像中获取更有用的信息。1空间域图像增强：针对图像自身，以对图像的像素直接处理为基础的方法；点处理，模板处理；频率域图像增强：以修改图像的傅里叶变换为基础的方法；高、低通滤波，同态滤波。另外还有彩色图像的增强。1.空间域图像增强1.1基于灰度变换的图像增强属于点处理技术，这部分内容参考之前的笔记点运算部分内容 ,有线性变换、幂次变换等。1.2基于直
2020-11-02 20:47:26
6439
原创 图像处理——图像傅里叶变换实例
傅里叶变换Fourier Transform，有连续傅里叶变换CFT和离散傅里叶变换DFT，但是用到实时的图像处理中的是快速傅里叶变换。快速傅里叶变换Fast Fourier Transform是DFT的一种算法，但是在运算中减少了大量工作量，所以能够提高运算速度。傅里叶变换在图像分析、图像增强、图像压缩等工作中都有应用。1.对于已知图像，求其幅值谱和相位谱，并对幅值谱和相位谱分别进行图像重构：%————1.对已知图像求幅值谱和相位谱，并进行图像重构——————I=imread('11.png');
2020-10-29 15:14:56
2846
1
原创 图像处理的简单操作
图像的点运算，包括线性点运算和非线性点运算；包括图像平移、图像旋转、图像镜像、图像缩放；图像的逻辑运算，包括1.点运算点运算Point Operation，是对图像的每个像素点的灰度值按一定的映射关系进行运算得到一幅新图像的过程。线性点运算，方程描述：s=ar+bs=ar+bs=ar+b1）若a=1,b=0，输出图像与输入图像相同；若a=1,b不为0，使图像整体显示更亮或更暗；2）若a>1，增大图像对比度；3）若a<1，降低图像对比度；4）若a<0，图像反色。
2020-09-26 09:32:39
593
转载 Apollo自动驾驶进阶课（10）——Apollo实战
1.本机演示实战添加链接描述2.车辆与循迹驾驶能力添加链接描述3.障碍物感知和路径规划能力实战添加链接描述
2020-08-18 20:23:46
384
转载 Apollo自动驾驶进阶课（9）——Apollo安装与仿真平台
1.Apollo自动驾驶架构介绍添加链接描述2.Apollo平台的快速入门添加链接描述3.Apollo安装过程概述添加链接描述4.Azure仿真平台使用添加链接描述
2020-08-18 20:02:49
885
原创 Apollo自动驾驶进阶课（8）——Apollo ROS
ROS是机器人学习和无人车学习最好Linux平台软件，资源丰厚。无人车的规划、控制算法通常运行在Linux系统上，各个模块通常使用ROS进行连接。1.ROS背景介绍1.1引入ROS的背景介绍如上图所示：自动驾驶系统包括障碍物检测、行为决策、路径规划等一系列复杂的工程模块，同时还要支持激光雷达、相机、GPS等一系列传感器的实时数据收集和实时处理。如何将这些功能模块相互独立又相互交互集成一起，构建成一个稳定的自动驾驶系统是一个巨大的挑战，也是自动驾驶计算框架所承载的基本功能。首先自动驾驶系统还处在一个快
2020-08-18 18:45:00
1998
1
原创 Apollo自动驾驶进阶课（7）——Apollo控制技术
Apollo软件框架的输出结果是控制指令，与下层模块canbus（车辆交互标准）进行交互；同时控制模块也会从底层车辆得到反馈信号（车辆本身in vehicle reference frame：速度信息、四轮转速信息、车辆健康状况信息、底盘是否报错信息、危险信息）1.控制概览控制模块包括三个部分：预处理、控制器和后处理。其中，预处理部分的主要功能包括三方面，第一是对输入信号的检查，对不正常信号的过滤；第二是做一些紧急处理，第三是做一些滤波操作，例如信号的平滑等。控制器主要功能包括：模型建立、系统识别和分
2020-08-18 14:18:22
1420
原创 Apollo自动驾驶实践课（5）——启动车辆循迹
1.循迹原理介绍车辆自动循迹后，生成Apollo循迹文件包括：循迹轨迹定位信息，车速、加速度、曲率，车辆动作信息（油门/刹车踏板反馈、档位、方向盘转角）车辆启动的模块：Canbus，control，GPS，Localization，Planning，roscore，DreamView。2.循迹实践实操演练2.1配置文件简介Apollo安装根目录apollo/modules/calibration/data/ch:canbus配置文件：定位信息配置文件车辆配置文件标定
2020-08-16 01:07:04
1884
1
原创 Apollo自动驾驶实践课（4）——车辆动力学标定
通过Apollo软件进行车辆踏板标定的基本原理和方法步骤，了解车辆标定的作用，掌握标定后的数据处理过程，通过实际操作演示标定过程，帮助开发者快速掌握车辆方法和标定流程。1.标定的目的和基本原理Apollo系统软件的标定，是一个存在于操作系统软件的表：标定表：提供一个描述车辆速度、油门/刹车开合度、加速度量之间的映射表。Apollo自动驾驶判断依据：根据标定表判断和预估采取刹车或油门。加速度与油门刹车的关系：加速度为正值，需要油门完成正值加速度；加速度为负值，需要刹车完成负值加速度。不同的车，
2020-08-15 23:57:32
4024
1
原创 Apollo自动驾驶实践课（3）——定位模块配置
1.卫星定位基本原理无人车定位：广泛使用的定位技术是RTK（实时动态差分），在空旷无遮挡的户外达到厘米级精度。2.定位配置2.1配置M2：将M2升级线连接到M2上；通过串口延长线连接M2升级口；另一端接到工控机COM1串口；配置M2前要先给设备连接电源；基础配置2.2配置硬件安装Linux系统，下载并安装Apollo软件系统在工控机上下载一个串口助手cutecom（通过串口助手与M2设备进行交互，写入配置信息）；...
2020-08-15 22:54:26
1758
3
原创 Apollo自动驾驶实践课（2）——Apollo软件系统部署
Apollo自动驾驶软件系统：系统软件：Ubuntu操作系统、Linux4.4内核、Apollo1.5.5内核；驱动软件：GPU显卡驱动、ESD-CAN卡驱动或Socket CAN卡驱动；应用软件：Docker软件、Git软件、Apollo源代码；1.BIOS设置工控机启动，按F2进入BIOS设置菜单：选Advanced，设置风扇的相关参数：设置温度达到50摄氏度时风扇的最大转速；设置温度达到20摄氏度时风扇开始起转；选Power中的SKU POWER CONFIG，设置为MAX T
2020-08-15 15:07:01
1776
2
原创 Apollo自动驾驶实践课（1）——Apollo硬件连接集成
自动驾驶系统涉及学科：车辆学、人工智能、计算机科学、自动控制。一个闭环的自动驾驶系统挑战：技术门槛高、资金成本高、政策约束等。Apollo开源平台：降低学习自动驾驶的技术门槛；Apollo开发套件：降低了搭建闭环自动驾驶系统的所涉及到的车辆硬件成本高、采购周期长、测试场地限制等问题。循迹自动驾驶：让车辆按照录制好的轨迹线自动驾驶。涉及到自动驾驶最小子集：底盘线控能力、定位能力、控制能力需要解决的问题：Apollo硬件连接集成Apollo软件系统部署定位模块配置车辆动力学标定启动车辆循
2020-08-12 23:22:03
2425
原创 Apollo自动驾驶进阶课（6）——Apollo规划技术
1.规划概览规划问题本质上是一个搜索问题，即对一个给定的函数，寻找最优解。无人车规划问题就是给定现在的状态，找到无人车移动的最优解。通常最优解目标函数F(x)定义。从内容考虑，规划问题涉及三个领域：机器人领域 robotic fields，规划就是如何产生轨迹以完成目标，涉及RRT， A*，D* lite等。控制领域，规划理解为到达目标状态的动态系统，涉及MPC， LQR等。人工智能 artificial intellegence（AI），是生成状态到动作的映射，涉及reinforcemen
2020-08-12 20:52:07
5116
1
原创 Apollo自动驾驶进阶课（5）——Apollo感知技术
1.感知机器感知系统根据各种各样的传感器来获取汽车周围的驾驶环境，包括Lidar，Camera，Radar，超声波雷达以及拾音器等。相对人类而言，机器感知是全覆盖，并且感知精度更高，能够达到厘米级别，但是机器感知在语义感知方面相差太大。人类和汽车感知在地图定位方面，机器感知系统则依赖高精地图。高精地图和导航地图的最大差别是有参考线，汽车需要根据参考线进行行驶，而人很大程度上是根据经验驾驶。输出信息的比较，人类驾驶员的感知信息输出主要是大脑输出，一是道路信息，包括车道线位置，是左转还是右转车道，是否限
2020-08-02 17:24:47
7574
原创 Apollo自动驾驶进阶课（4）——Apollo无人车定位技术
1.无人车自定位系统1.1自定位系统无人车的自动定位系统：相对一个坐标系，确定无人车的位置和姿态。这个坐标系可以是一个局部的坐标系，也可以是一个全局的坐标系，比如全球坐标系，可以知道一个很精确的位置。位置和姿态有6个自由度。位置对应X，Y，Z，即相当于某个坐标系的汽车的平移。姿态是三个方向的一个旋转，一般会用欧拉角来表示。包括横滚、俯仰和航向，分别相对于X，Y，Z三个坐标轴。如果本地坐标系已经定义好，现在有一个车上的坐标系，它相对于本地坐标系的变化（即姿态的变化），就可用三个角度来表示，也就是
2020-07-29 16:13:13
2727
原创 Apollo自动驾驶进阶课（3）——高精度地图
1.高精度地图与自动驾驶在SAE的六等级分类方法中，L0级别是人类驾驶，L1到L3级别是辅助驾驶，L3以上是自动驾驶。L3级别以下不需要高精地图，但在L3、L4级别，高精地图是标配。1.1高精度地图HD Map （high definition map）高分辨率地图HAD Map（highly automated driving map）高度自动驾驶地图高精度地图最显著特点：表征路面特征的精准全面性。高精度地图精度达到Line级别，描述车道、车道边界线、道路上的交通设施和人行横道等，即把所有东
2020-07-28 15:57:40
14682
原创 Apollo自动驾驶进阶课（2）——Apollo开源模块
1.无人驾驶车这一部分相当于对入门课程（1）无人驾驶概览的补充。无人驾驶对安全精度和各种复杂技术的集成程度要求非常高无人驾驶车一定是线控车。线控（by-wire），就是被电脑控制。为了保证无人驾驶车的安全性，当它在路上行驶的时候，必须做到它跟云端是有连接的。无人驾驶车并不需要时时跟云端汇报接下来会如何处理，而是要告诉云端它的位置以及行驶规划。高精度地图高精度地图对于无人车的非同寻常的价值：高精度地图能够给无人车很多预判的空间。 当无人车通过高精度地图知道前方的路况和交通标识信息后，能够提前做
2020-07-21 10:39:26
3478
转载 Apollo自动驾驶进阶课（1）——自动驾驶行业概述
Apollo自动驾驶进阶课程是由百度Apollo联合北京大学共同开设的课程，邀请百度Apollo开放平台研发团队的中美专家联合讲授。本课程由Apollo团队面向对自动驾驶感兴趣的开发者免费开放的课程，可以从微信公众号“Apollo开发者社区”中学习，也可以从“Apollo开发者”官网学习。进阶课程1——纵览无人车...
2020-07-18 14:27:12
634
2
原创 Apollo自动驾驶入门课（7）——控制
控制实际上是无人驾驶汽车实现自动移动的方式。在控制中，通过转向、加速和制动来运行目标轨迹。PID控制是一种简单而强大的控制算法，线性二次调节器和模型预测控制是另外两种类型的控制器，它们更复杂，但也更强大、更准确。Apollo支持所有这三种控制器。控制1. 控制控制控制流程2. PID控制3.线性二次调节器LQR4. 模型预测控制MPC1. 控制控制控制是驱使车辆前行的策略。对于汽车而言，最基本的控制输入为转向、加速和制动。通常，控制器使用一系列路径点来接收轨迹。控制器的任务是使用控制输入让车辆通过这
2020-07-17 23:23:53
1476
1
原创 Apollo自动驾驶入门课（6）——规划
规划需要结合高精度地图、定位、预测的知识，从路线导航和轨迹生成两方面构建车辆轨迹。规划1.规划2. A*搜索算法将地图转为图A*算法3.轨迹生成3D轨迹评估一条轨迹4. Frenet坐标5. 路径-速度解耦规划路径-速度解耦规划路径生成与选择ST图速度规划优化轨迹生成6.Lattice规划Lattice规划ST轨迹的终止状态SL轨迹的终止状态Lattice规划的轨迹生成1.规划路线规划，目标是找到从地图上的A前往B的最佳路径，侧重于研究如何从地图上的A点前往B点。在路线导航时，将地图数据作为输入，并
2020-07-17 22:25:36
936
原创 Apollo自动驾驶入门课（5）——预测
将复杂的车辆运动转化为车道转换序列，从而减少场景数量、更快地进行预测；然后使用现有观测值以车道序列表示，训练神经网络来进行预测；最后将车道序列预测与车辆物理结合起来，为每个物体生成估计的轨迹。运动预测对于在规划中构建无碰撞的安全路径至关重要。预测1.预测2.预测方式基于模型预测数据驱动预测基于车道序列预测3.障碍物状态4.递归神经网络RNN在目标车道预测的应用5.轨迹生成1.预测无人车需要预测周围移动物体的行为，确保做出最佳决策。通过生成预测路径预测其他物体的行为，在每一个时间段内会为每一辆汽车重新计
2020-07-17 20:05:59
948
原创 Apollo自动驾驶入门课（4）——感知
感知是无人驾驶车用静态摄像头和其他传感器来感知环境，需要使用大量计算机视觉技术。计算机视觉是指计算机如何看待和理解世界的方式，在如今的计算机视觉中最广泛使用的是CNN方法。感知1.计算机视觉2.摄像头图像3.LiDAR图像4.机器学习5.神经网络6.反向传播算法1.计算机视觉无人驾驶车有四个感知世界的核心任务：检测Detection——指找出物体在环境中的位置；分类Classification——指明确对象是什么；跟踪Tracking——指随时间的推移观察移动物体；语义分割Segmentat
2020-07-17 00:24:24
1040
原创 Apollo自动驾驶入门课（3）——定位
定位是让无人车知道自身确切位置的方法，定位对于无人驾驶车的重要性不仅体现在找出车辆自身的大致方位，更在于以厘米级的标准将车感信息与高精地图信息进行比较来精准确定车辆位置。定位1.定位2.定位方法GNSS RTK惯性导航激光雷达定位视觉定位Apollo定位1.定位最常用的定位方法是将汽车传感器所看到的内容与地图上所显示的内容进行比较。车辆传感器可以测量车辆与静态障碍物之间的距离， 这些距离和静态障碍物的方向是在车辆自身的坐标系中测量的。在车辆自身的坐标系中，车辆的前进方向始终向前，坐标系正方向始终与车
2020-07-16 23:29:23
1279
1
原创 Apollo自动驾驶入门课（2）——高精度地图
高精度地图主要服务于自动驾驶车辆，通过一套独特的导航体系，帮助自动驾驶解决系统性能问题，扩展传感器检测边界。目前Apollo内部高精度地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景，帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。 ——Apollo开发者社区1.高精度地图高精度地图包含大量的驾驶辅助信息，最重要的信息是道路网的精确三维表征，例如，交叉路口和路标位置。高精度地图还包含很多语义信息，地图可能会报告交通灯上不同颜色的含义，也可能指示道路的速.
2020-07-15 19:09:17
1810
原创 Apollo自动驾驶入门课（1）——无人驾驶概览
本课程由Apollo团队面向对自动驾驶感兴趣的开发者免费开放的课程，可以从微信公众号“Apollo开发者社区”中学习，也可以从“Apollo开发者”官网学习。无人驾驶概览1.自动驾驶主要模块2.无人驾驶车简介3.无人驾驶车的运作方式4.参考车辆和硬件平台5.开源软件架构6.云服务无人驾驶开源部分的主要内容，包括高精地图HD Maps、定位Localization、感知Perception、预测Prediction、规划Planning、控制Control等模块。高精度地图几乎支持着软件栈的所有其他.
2020-07-15 16:09:24
3205
转载 PyTorch内部机制深入了解
为你讲解一个「支持自动微分的张量库」的基本概念结构，并为你提供一些能帮你在代码库中寻路的工具和技巧。我预设你之前已经写过一些 PyTorch，但却可能还没有深入理解机器学习软件库的编写方式。
2020-02-05 17:39:51
791
原创 pip升级使用多种方法失败解决方案
pip升级使用多种方法失败解决方案使用python -m pip install --upgrade pip升级失败使用python -m pip install -U --force-reinstall pip升级失败使用pip install --user --upgrade pip升级失败无数红字之后均显示：查找资料建议使用清华源升级使用pip install...
2020-02-02 17:54:52
634
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人