2020年09月_AgentPotato

10月 09月 08月 06月

原创 (九) 画出KITTI本车行驶轨迹

一、两帧间计算距离和偏航原理为了在RVIZ中画出本车的轨迹，需要计算当前帧（frame）在本车坐标系下，其他帧（frame-1….n）下本车坐标系经过移动后的位置。车辆行驶时的偏航和平移可以看作是车辆坐标系的旋转和平移。如下图所示，先不考虑旋转，平移时第（frame）帧和第（frame-1）帧始终差一个d，这个d

2020-09-23 22:32:11 1770

进入python3环境(virtualenv)之后，先进入到catkin_workspace工作目录下，运行下面的source，然后再到相关的节点工作空间（如catkin_ws），就可以启动那些使用到cv_bridge库的相关节点了：#打开虚拟环境env_py3和进入catkin_workspace空间进行source。#workon env_py3cdcd catkin_workspace/#这里 --extend 参数的作用是让这次的路径配置不影响之前配置好的路径，否则这一次source会覆

2020-09-11 11:19:08 941

原创 ROS常用命令记录

/ROS版本Melodic*/roscorerosrun turtlesim turtlesim_node __name=‘turtle1’rosrun turtlesim turtle_teleop_key __name=‘turtle1’新建一个小乌龟rosservice call /spawn 3 3 0 ‘turtle’/常用命令行*****/rospack find turtlesimrosstack find ros_commrosls turtlesim #显示turtles

2020-09-11 11:17:05 314

原创基于多项式拟合和透视变换的车道线检测及曲率计算

基于多项式拟合和透视变换的车道线检测及曲率计算车道线的检测方法有很多，其中具有代表性的有霍夫变换检测车道线（直线检测效过较好但较容易出现错帧），详见：基于霍夫变换的车道线检测多项式拟合及透视变换检测车道线（可以较好的检测直道弯道，但实时性较差）深度学习模型检测车道线（泛化能力较强，检测效果好，但检测较慢）基于深度学习的车道线检测方法 &

2020-09-10 22:19:28 12039 15

原创（八）可视化KITTI标注的TrackID

一、KITTI 标注TrackID格式在Tracking文件中有一列为’track_id’ 这个ID是人为加注的，将同一个物体设定为一个永久的track_id在之后的探测中一直保持不变，因此可以使用track_id进行同一物体的路径跟踪，预测等功能。在本节中先完成在3D Bounding Box 上显示track_id的工作。二、使用Marker显示TrackID &nb

2020-09-07 15:45:16 1236

原创（七）可视化KITTI标注的3D BoundingBox

一、KITTI 标注3DBouding Box文件格式在以下网址下载已经标注好的文件，里面有20个场景的标注文件。寻找与自己对应场景的文件。比如我对应的为文档里的0004.txt 。　　可以从https://blog.csdn.net/qq_29931083/article/details/106460698 这里下载　　

2020-09-03 17:13:37 9565 7

原创（六）可视化KITTI标注的2D检测框

一、KITTI 标注文件格式在以下网址下载已经标注好的文件，里面有20个场景的标注文件。寻找与自己对应场景的文件。比如我对应的为文档里的0004.txt 。　　可以从https://blog.csdn.net/qq_29931083/article/details/106460698 这里下载　　通过Track

2020-09-02 21:22:51 1941 2

原创（五）ROS发布GPS数据

一、GPS数据格式从KITTI的readme文件中https://github.com/yanii/kitti-pcl/blob/master/KITTI_README.TXT可以看到GPS数据的格式，KITTI中的IMUS数据文件存在oxts文件夹下，以txt格式保存。　　GPS数据在IMU文件中的前三组，分别是 lat(latitude)维度，lon(longitude)经度和alt(altitude) 海拔，只可以通过topic发布出去，但无法可视化。　　通过Jupyter可以查看其中的GPS数

2020-09-02 20:54:49 4141

原创（四）可视化ＩＭＵ数据

一、ＩＭＵ数据格式从KITTI的readme文件中https://github.com/yanii/kitti-pcl/blob/master/KITTI_README.TXT可以看到IMU里数据的格式,　　KITTI中的IMUS数据文件存在oxts文件夹下，以txt格式保存。　　其中有[‘lat’,‘lon’,‘alt’,‘roll’,‘pith’,‘yaw’,‘vn’,‘ve’,‘vf’,‘vl’,‘vu’,‘ax’,‘ay’,‘az’,‘af’,‘al’,‘au’,‘wx’,‘wy’,‘wz’

2020-09-02 20:10:21 10480 1

neural-net-rbf-master.zip

RBF神经网络程序，其中包括PDF介绍文档和程序 In this exercise you will experiment with Radial-Basis Functions (RBFs). RBF networks is a neural network type which can be used for classication as well as function approximation. During this exercise you will study two aspects of RBFs: supervised learning of the network weights and unsupervised learning (self-organized learning) of the positions of RBF units in the input space. In both cases, function approximation will be an example of the practical use of an RBF network. When you are nished you should: understand the structure of an RBF network know methods for learning the weights in an RBF network know methods for learning the positions of units in the input space understand the terms vector quantization and expectation maximization know how to use an RBF network to approximate functions

2020-02-24

CNN-immune-RBF-master.zip

1，CNN对原始图片数据进行特征提取；2，利用优化后RBF神经网络对提取的特征进行分类。主要思想是，RBF中心点的确定大多是基于K均值聚类，通过迭代的方式进行选择，然后K均值聚类在计算中心点时受初始值影响较大，通常得不到好的效果，因此我直接利用免疫算法进行RBF中心点计算，包括两个主要程序:IMMUNE_FORRBF_MAIN是免疫算法主程序，mainforclasst.m是没有优化的rbf。