![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
文章平均质量分 89
秃头小苏
但凡凭努力就可以做到的事,就算不上困难吧!
展开
-
还不懂目标检测嘛?一起来看看Faster R-CNN源码解读
这部分同样参考霹雳吧啦Wz的视频,Faster R-CNN代码链接如下:Faster R-CNN源码 🍀🍀🍀 先说说这篇文章该怎么用吧?——我觉得最好是这样,你先看看对Faster R-CNN代码的解读,自己先理解理解,之后如果有什么不懂的再来这篇文章看能否找到你想要的答案;或者你已经基本弄明白了代码,那么可以将此篇文章当成一个速查手册。其实用视频和文字来表述问题是各有优劣的,看一段视频无疑会让你快速掌握一个知识点,视频中对某些问题的描述可能也会更清晰,让听者很直观感受到自己能力的提高;而读一篇文...原创 2022-07-08 09:49:37 · 3413 阅读 · 21 评论 -
论文阅读:RRPN:RADAR REGION PROPOSAL NETWORK FOR OBJECT DETECTION IN AUTONOMOUS VEHICLES
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:凸优化理论基础1–仿射集 凸优化理论基础2——凸集和锥🍊近期目标:拥有5000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩文章目录写在前面RRPN网络实验结果论文下载写在前面 在上篇文章中,我们学习到了激光雷达和相机融合的论文。那么这篇文章我将来介绍一下毫米波雷达和相机融合的方法。这里我先给出三种传感器(相机、激光雷达、毫米波雷达)的一些属性特点,如下:摄像头毫米波雷达(radar)激光雷原创 2022-05-16 11:28:58 · 1135 阅读 · 2 评论 -
论文阅读:Object Classification Using CNN-Based Fusion of Vision and LIDAR in Autonomous Vehicle
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:凸优化理论基础1–仿射集 凸优化理论基础2——凸集和锥🍊近期目标:拥有5000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩文章目录前言论文背景系统架构✨✨✨核心思想✨✨✨实验结果✨✨✨论文下载 前言 先来看看题目的中文解释叭,即在自动驾驶环境中使用CNN-Based融合视觉和激光雷达进行物体分类。我们常见的物体分类算法大多是纯视觉的,那么今天我分享的文章呢,是融合了视觉和激光雷达传感器进行物体原创 2022-05-09 21:54:17 · 470 阅读 · 5 评论 -
卡尔曼滤波物体轨迹预测趣味实战
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:卡尔曼滤波系列1——卡尔曼滤波🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 卡尔曼滤波实战 最近刚好看到了一个有意思的卡尔曼滤波的视频,于是就学习了一下,现分享给大家🥗🥗🥗 飞机大战视频演示原创 2022-04-08 10:18:59 · 4965 阅读 · 9 评论 -
卡尔曼滤波系列1——卡尔曼滤波
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解 霍夫直线检测代码实战🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩🥂原创不易,转载请附上原文链接🥂文章目录🥗卡尔曼滤波系列1——卡尔曼滤波🍦写在前面🍦卡尔曼滤波宏观理解🍦卡尔曼滤波引导小例🍦卡尔曼滤波数据融合小例🍦卡尔曼滤波公式🍦卡尔曼公式应用举例🍦结语🍦参考链接🥗卡尔曼滤波系列1——卡尔曼滤波原创 2022-04-06 11:06:53 · 2799 阅读 · 24 评论 -
霍夫圆检测原理+实战
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解 霍夫直线检测代码实战🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 霍夫圆检测原理+实战霍夫圆检测原理 在之前已经详细介绍过霍夫直线检测的原理了,这次我们来简单的谈谈霍夫圆检测的原理并进行实战演练。在霍夫直线检测中我已经非常详细的给出了直线检测的原理,不清楚的请先去了解。🥗🥗🥗 这篇文章我可能不原创 2022-03-24 16:13:39 · 6891 阅读 · 25 评论 -
霍夫直线检测代码实战
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 霍夫直线检测代码实战 上一节我们详细讲解了霍夫直线原理,想弄清楚霍夫直线检测原理的请前去阅读🚗🚗🚗这一节我们主要来进行代码实战——对车道线进行检测。🏝🏝🏝 本节主要利用opencv中提供的2个函数进行检测,分别为HoughLines和HoughLinesP函数。这里给出opencv官网对两个原创 2022-03-22 21:23:28 · 7404 阅读 · 15 评论 -
霍夫直线检测原理详解
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:对Nuscenes数据集一无所知,手把手带你玩转Nusences数据集🍊近期目标:拥有2000粉丝 霍夫直线检测原理详解 在自动驾驶检测车道线的过程中,利用霍夫变换是实现车道线检测的一个思路,下面将来详细介绍霍夫直线检测的原理🀄🀄🀄首先明确霍夫变换的大体思想,其实就是利用坐标系的转换来产生一些神奇的效果🎍🎍🎍 我们先来看这样的一个例子,在直角坐标坐标系中有一点A(x0,y0),则过该点的直线有无数条,我们.原创 2022-03-21 16:43:33 · 8081 阅读 · 23 评论 -
手把手带你玩转Nuscenes数据集2——nuScenes lidarseg and panoptic教程
文章目录准备工作✨✨✨数据读取✨✨✨导入相关库并加载数据集lidarseg和panoptic数据集的点统计panoptic数据集的instance统计获取lidarseg和panoptic的sample token的统计信息⭐⭐⭐渲染lidarseg标签⭐⭐⭐渲染panoptic标签⭐⭐⭐在图像中渲染lidarseg和panoptic 标签⭐⭐⭐渲染sample(例如lidar、radar and all camera)⭐⭐⭐使用lidarseg/panoptic标签为给定的相机传感器渲染场景渲染场景的所有原创 2022-03-17 15:39:48 · 8165 阅读 · 46 评论 -
对Nuscenes数据集一无所知,手把手带你玩转Nuscenes数据集
文章目录Nuscenes数据集简介准备工作✨✨✨数据读取✨✨✨安装库导入相关模块和数据集场景scene⭐⭐⭐样本sample⭐⭐⭐样本数据 sample_data⭐⭐⭐样本标注 sample_annotation⭐⭐⭐实例 instance类别categories属性attributes⭐⭐⭐可视化 visibility传感器 sensor校准传感器 calibrated_sensor车辆姿态 ego_pose日志 log地图 map总结 嗯,实话实说,标题可能写的有点夸张🎃🎃🎃怎么说是夸张呢,因为玩转原创 2022-03-12 21:43:14 · 28206 阅读 · 62 评论 -
yolo原理系列——yolov1--yolov5详细解释
yolo系列算法之yolov1--yolov5详解原创 2022-01-17 23:44:22 · 28182 阅读 · 16 评论 -
yolov5--从Github下载到运行遇到的错误集锦【pycocotools报错+Can‘t get attribute SPPF+in _next_assert img0 is not None】
yolo算法 YOLO(You Only Look Once)是一种基于深度神经网络的对象识别和定位算法,其最大的特点是运行速度很快,可以用于实时系统。现在YOLO已经发展到v6版本,不过新版本也是在原有版本基础上不断改进演化的。这次主要是克隆Github上yolov5版本的程序,然后再pycharm上运行。 首先,是从github上下载程序。【注意此次下载的是V5.0版本】 下载成功后就是漫长且易秃的环境配置之路????????????首先我们还需要一些准备工作——安装pytorch【原创 2022-01-04 22:14:50 · 3639 阅读 · 2 评论 -
卡尔曼滤波分析及程序
文章目录卡尔曼滤波是干什么的卡尔曼滤波例子分析卡尔曼公式卡尔曼滤波直观理解卡尔曼Python例子【使用jupyter-notebook】这部分内容不注重卡尔曼滤波的推导,只关注卡尔曼滤波的作用【据说推导很难????????,总之这篇文章是对卡尔曼的整体流程进行解释,没有纠结公式的逐步推导,看了这部分会让你知道卡尔曼滤波是干什么的,具体的步骤是什么✔✔】卡尔曼滤波是干什么的 卡尔曼滤波是用来对事物的状态进行估计的,为什么要对事物的状态进行估计呢?那肯定是我们无法准确的知道事物的当前状态,这时候我原创 2021-12-24 18:34:30 · 1557 阅读 · 3 评论 -
使用kitti数据集实现自动驾驶——绘制出所有物体的行驶轨迹
文章目录1、利用IMU、GPS计算汽车移动距离和旋转角度2、画出kitti车的行驶轨迹3、画出所有车辆的轨迹 本次内容主要是上周内容的延续,主要画出kitti车的行驶的轨迹同样的,我们先来看看最终实现的效果,链接如下:实现效果 接下来就进入一步步的编码环节。。。 1、利用IMU、GPS计算汽车移动距离和旋转角度计算移动距离通过GPS计算#定义计算GPS距离方法def computer_great_circle_distance(lat1,lon1,lat2,l原创 2021-12-22 14:27:11 · 2001 阅读 · 6 评论 -
使用kitti数据集实现自动驾驶——发布照片、点云、IMU、GPS、显示2D和3D侦测框
本次内容主要是使用kitti数据集来可视化kitti车上一些传感器(相机、激光雷达、IMU)采集的资料以及对行人和车辆进行检测并在图像中画出行人和车辆的2D框、在点云中画出行人和车辆的3D框。首先先看看最终实现的效果请点击如下链接:实现效果看了上面的效果视频,是不是充满好奇了呢,下面让我们一步步的来学习。。。1、准备工作1.1数据集下载在开始之前,先做一些准备工作,即从kitti上下载相关数据:kitty官网如图所示:下载途中箭头所指的两个文件【注:需要先进行注册】除了下载这两个文件,.原创 2021-12-20 13:01:34 · 5184 阅读 · 2 评论 -
多传感器时间同步
时间同步 第一次谈及时间同步,可能会有点懵逼。其实这在我们生活中是很常见的,小时候应该都用过那种电子手表,这种电子手表往往隔一段时间就会不准确,需要手动进行校准。这种手动校准的过程就可以认为是时间同步。想想看,若是没有时间同步,那可真是乱了套了,想要在家看个世界杯,都不能及时的和别人分享进球的喜悦,这这这…是不是也太难受了… 好了,下面就重点来说说多传感器的时间同步。多传感器数据的时间同步是多传感器信息融合的必备条件之一。实际上,由于各个传感器独立封装并按照自己的时钟基准运行,往往采样原创 2021-11-15 21:39:51 · 9859 阅读 · 0 评论