DCT871-CSDN博客

转载 dataclass.Feild函数的使用

我们可以使用 dataclasses.field 来定制化 dataclass 字段的行为以及它们在 dataclass 的影响。仍然是上述的使用情形，让我们从__post_init__里去除 get_random_marks 的调用。dataclasses.field 接受了一个名为 default_factory 的参数，它的作用是：如果在创建对象时没有赋值，则使用该方法初始化该字段。对于一个dataclass类，若要进行初始化，一种简单的方式是使用__post_init__方法。

2024-10-12 14:58:46 12

原创 Opendronemap的docker使用

其中-v后面的内容是将本地的地址挂载到docker镜像上的索引，":"前面是本地的地址，后面不需要改变，是docker镜像中的地址。若以上方法不可行，可以通过如下方法，从可以完成pull的设备上拷贝镜像文件到当前设备（注意要保证采用的架构一致）添加阿里云docker资源（docker资源近期更换频繁，建议检查并更新该镜像源）该过程可能会出现网络问题，我在18.04上没有遇到，但是在20.04上遇到以下问题。采用的是ubuntu18.04的xavier和ubuntu20.04的orin。

2024-09-22 10:53:16 512

原创使用OPENSFM构建一个类似于DTU的数据集

cameras：width为图像宽度，height为图像高度，focal_x为横向焦距，focal_y为纵向焦距，c_x为视图横坐标中心，c_y为视图纵坐标中心，k1,k2,k3以及p1,p2为相机畸变矫正。"100_0039_0112.JPG"为照片标号，rotation为俯仰角，translation为三个坐标系上的平移。通过如下代码进行reconstruction.json的文件转存为camera的txt文件。通过如下代码进行pair构建，大多数的DTU格式数据集中相似度不关键，故设为1000。

2024-08-18 20:59:00 154

原创 DTU数据集中文件组成及其含义

请注意，深度范围和深度分辨率由最小深度、两个深度样本之间的间隔以及深度样本数量（如果未提供，则在训练/测试脚本中）确定。我们还保留了用于控制深度分辨率的选项。然后，最大深度计算为：pair.txr第一行为数据集中包含的源图像的数目之后的没两行为一小组，举例第二行和第三行第二行：0为源图像的标号第三行：第一个为10是参考图像的标号，第二个为参考图像的标号，第三个为参考图像和原图像的相似度；自此开始到最后，重复第二个和第三个的含义。

2024-08-18 20:32:41 413

原创通过GDAL实现tif图片坐标信息转换为WGS84

geoTransform[1]：影像宽度方向上的分辨率(经度范围/像素个数)# geoTransform[5]：影像宽度方向上的分辨率(纬度范围/像素个数)通过如上代码来确定要转换到的坐标系信息，其中4326代表WGS1984坐标系；# geoTransform[2]：x像素旋转, 0表示上面为北方。# geoTransform[4]：y像素旋转, 0表示上面为北方。# geoTransform[0]：左上角像素纬度。# geoTransform[3]：左上角像素经度。2.通过如上参数计算投影坐标。

2024-07-17 20:09:36 727

原创进行openrealm的slam模块更改

2.将OpenREALM_ROS1_Bridge-master\realm_ros\CMakeLists.txt中的70行左右，find_package中的find_package(ORB_SLAM2 REQUIRED)前的注释取消。5.然后将OpenREALM_ROS1_Bridge-master\realm_ros\launch\alexa_reco.launch中的。4.然后重新编译openrealm，再重新编译openrealm_bridge。

2023-12-13 10:39:00 584 1

原创关于openrealm中的试验

1.将其中的点云生成方法进行替换，例如orbslam，进行更深一步的点云替换，比如用sfm，colmap等输出的稠密点云数据。思路：一个process获取，另一个process进行传输，无法进行整体的替换，只能使用增量式的方法。点云以pointcloud形式存储，1.点云ID 2.Mat类型存储实际数据。经过实验，若整体的增加在-1~+1之间，对整体效果没有特别大的影响。2.在高程上添加一个随机数，看生成出来的拼接图像效果是否足够好。正在进行，在正射影像中的高程上添加了一个随机数。若有了点云还需要什么？

2023-11-26 17:01:31 334 1

原创 openrealm配置

下载测试数据集：https://drive.google.com/open?注意：其中的./install_deps.sh中包含的库中多数已经安装过，可以文本形式打开，自己选择其中未安装项进行安装。DBoW2 : 必须使用作者的修改版 https://github.com/shinsumicco/DBoW2.解压 tar -xvzf open_realm_edm_dataset.tar.gz。执行roslaunch realm_ros alexa_gnss.launch。

2023-09-06 20:31:14 1502 29

原创使用orbslam位姿进行map2dfusion的建图

所以要使用orb-slam生成该格式的位姿数据，此处为了提高建图融合的效果，选取将所有帧及其位姿用于建图。fx,fy,cx,cy是摄像头内参，改为config.cfg中Camera.Paraments的后四位。Camera.Paraments为摄像头参数，前两个为图像的分辨率，后面四个分别为摄像机内参。二、在orb-slam的System.cc中添加如下函数，保存所有的轨迹。k1，k2,k3,p1,p2为摄像头的畸变参数，这里全部设置为0。第5~8位是摄像头的rotation，采用的四元数的格式。

2023-08-03 17:08:12 1027 2

原创论文阅读:Map2DFusion: Real-time Incremental UA V Image Mosaicing based onMonocular SLAM

为了获得更好的拼接效果，通常在混合之前进行一个裁剪步骤，然而，大多数裁剪方法[28]对于瞬时应用来说计算成本很高，而且它们也丢弃了权重，并且需要对所制备的所有图像进行蒙版处理。对于关键帧Kj，其在视频中的时间戳为t j，在地图中的平移为Pmap t j，则其对应的GPS时间戳应为tg = t j + tvg，变换后的WGS84坐标为SvgPmap t j。为了生成高质量的地图，需要获得高质量的轨迹，但在视觉SLAM中，跟踪漂移是不可避免的，这会导致在长行程积累过程中产生不可容忍的不对中误差。

2023-06-08 17:02:02 1113 2

原创解析.bag文件获得图片，pcd点云，并将图片编成符合slam的数据集形式

(66条消息) 解析rosbag中的.bag文件，得到.jpg图片数据和.pcd点云数据_NJIER的博客-CSDN博客。调整到你需要存储图片的文件夹中，或者新建文件夹，新建终端执行以下命令，其中<>中为你的topic信息。调整到待解析的rosbag文件目录下，回放rosbag包，执行以下命令。2.若原有的数据集不符合slam的运行时序，采用如下代码进行修正。1.若数据集是用.bag文件进行提取的则采用如下代码进行编译。会生成一个rgb.txt文件，并且会将图片重新命名，可以看出topic类型以及数量。

2023-06-08 11:11:08 2464 1

原创 ORB_SLAM2的单目SLAM稠密点云建模

删除ORB-SLAM2_RGBD_DENSE_MAP-master/Thirdparty/DBoW2/build 文件夹。将 ORB_SLAM2 下的 Vocabulary 子文件夹复制粘贴到 ORB_SLAM2_modified 文件夹下。（2）ORB_SLAM2_modified/Thirdparty/g2o/CMakeLists.txt中删除。（1）ORB_SLAM2_modified/cmakelist.txt中删除。（1）修改build_ros.sh文件。四、编译./build_ros.sh。

2023-06-03 11:05:03 593 3

qq_60320488的博客