- 博客(733)
- 收藏
- 关注
RSS订阅
原创 深度图补全-depth inpainting
Deep Depth Completion of a single RGB-D Image状态：开源，pytorch，matlab，C++下载地址: https://github.com/yindaz/DeepCompletionRelease思路：目前效果最好(截止至2019. 06)，耗时长。使用rgb image作为输入预测物体表面稠密法线及遮挡区域的边缘信息。使用这些预测结果与原始的depth图像结合，通过全局优化，对原始图像中像素缺失问题进行解决。由于现有数据集中ground trut
2020-10-31 21:30:15
5060
1
原创 ETAP（Event-based Tracking of Any Point）基于事件的任意点跟踪_原理和优缺点
ETAP 对应的是 ETAP: Event-based Tracking of Any Point，即“基于事件的任意点跟踪”，发表于 CVPR 2025，并获 Highlight.普通的 KLT 光流跟踪，主要依靠图像局部窗口在相邻帧之间的外观相似性；但事件相机没有天然的连续灰度图像，而且同一条物体边缘在不同运动方向下会产生不同的事件分布。事件相机输入: 稀疏、异步的亮度变化事件。ETAP 输出: 指定点在不同时间的二维位置及跟踪状态。举个例子：相机观察一条黑白边缘，向右运动时，边缘两侧会产生一组事件；相
2026-10-21 22:45:00
364
原创 Plücker直线_ 用两个三维向量描述一条空间直线
最直观的表示方法，是用三维直线上的两个点 (\mathbf A,\mathbf B) 表示一条线。但在运动估计中，**端点可能不可见、会被遮挡，**或者随着视角变化无法稳定对应。我们真正关心的是这条直线本身，而不是两个特定端点。Ldmdmd描述方向，m则把直线的位置编码进去。它不是直线上某个点的坐标，也不是直线到原点的距离。
2026-10-21 21:00:00
663
原创 事件相机_基于异步轨迹的结构和运动的线性n点求解器_ICCV 2025
ICCV 2025 的论文 《A Linear N-Point Solver for Structure and Motion from Asynchronous Tracks》 ：利用具有独立时间戳的二维点轨迹，结合角速度信息，统一估计相机平移速度与三维点结构。这篇论文的核心并不是提出了一种新的事件相机，而是提出了一种可以处理异步观测的运动与结构估计方法。下面按照它的几何原理，解释事件相机为什么能够用于运动估计。
2026-10-20 22:15:00
39
原创 KLT（Kanade–Lucas–Tomasi）光流特征原理及优缺点
给定第 1 帧某些点pxy求它在第 2 帧的位置p′xuyv从而得到一条短轨迹。
2026-10-19 21:45:00
574
原创 事件相机（Event Camera）有什么优点？未来发展前景如何？
chatgpt: 事件相机是一种有明确技术优势、但还没有全面替代传统相机的视觉传感器。它在高速运动、极端光照、低延迟感知，以及视觉与 IMU 融合方面很有价值；在自动驾驶和机器人领域，更值得关注的是事件相机与普通相机、IMU、激光雷达的融合，而不是单纯用事件相机取代 RGB 相机。
2026-10-17 22:30:00
652
原创 NetVLAD 地图检索：原理、流程与 VSLAM 中的应用
NetVLAD 是一种用于视觉地点识别（Visual Place Recognition，VPR）的全局图像特征描述方法。它可以把一张包含大量局部视觉信息的图像，转换成一个固定维度的特征向量，再通过向量相似度检索地图数据库中的候选图像，从而判断机器人或车辆当前可能处于什么位置。对于自动驾驶、机器人 VSLAM，NetVLAD 的核心价值是：从大规模地图中快速找到“看起来像当前场景”的历史位置，为后续的精确视觉定位提供候选地点。例如，车辆已经建立了一份包含 10 万张关键帧图像的地图。
2026-10-16 22:30:00
31
原创 3DGS_可视化工具SIBR_gaussianViewer_app_使用说明/快捷键
这是 Camera Point view 的导航模式菜单，用来选择「怎么控制相机看场景」。小结： 逛场景用 FPS 或 Trackball；按数据集里相机顺序自动插值移动。配合面板里的 Play 看「沿拍摄路径飞一遍」；面板里还能调 Scaling Modifier（高斯显示大小）、是否显示初始点云等。太快/太慢：同一面板里调 Speed / Rot. speed。乱了就点 Snap to closest，跳到最近的真实相机视角。没先 Alt+点击定中心时，Orbit 往往不好用或方向反了。
2026-10-10 22:15:00
333
原创 3DGS 从3D高斯球到2D图像像素：零基础完整数学推导
│││ │μ Σ位置 形状│ ││ R Σ Rᵀ│ ││ Camera Σ│ ││▼Projection││▼μ₂ᴅ, Σ₂ᴅ│││▼│▼G(u,v)││α · G(u,v)│▼││+ Color c│▼Pixel RGB。
2026-09-30 22:15:00
297
原创 VLN (Vision-and-Language Navigation) _视觉语言导航介绍
即。它是具身智能（Embodied AI）和机器人领域的一个核心跨模态任务。简单来说，VLN 就是。
2026-08-29 22:45:00
350
原创 点云处理_PCA理解_提取物体点云几何主轴
还告诉你：Cov(x,y),Cov(x,z),Cov(y,z)它不仅告诉你：Var(x),Var(y),Var(z)x 和 y 是不是一起变化，以及怎么一起变化。当 (x) 增大时，(z) 也增大。它通过协方差矩阵自动找到了这个方向。点云在 PC1 方向上分布最长。所有点在 x 方向上有多“分散”这是点云 PCA 最重要的一点。而在其他两个方向上的变化较小。“物体沿 45° 方向。
2026-08-28 23:00:00
457
原创 自动驾驶_规控_基于AR(自回归模型)的轨迹优化
生成，其实并不是一个陌生或遥远的概念。我们说出的每一句话，都是大脑在瞬间"生成"的产物；我们看到的每一张图像，本质上也是现实世界通过光线、结构与规律"生成"给我们的感知结果。从这个角度看，生成模型并不是凭空发明的新事物，而是人类在用机器去模拟一种早已存在于自然与认知中的能力。正因如此，生成模型的意义远不止"造图""写文章"这么简单——它的核心价值在于，让机器具备与人类相似的、创造性地产出信息的能力。从数学的角度理解生成模型。这个分布描述的是"生成某个具体结果 x 的可能性有多大"。
2026-08-10 23:15:00
265
原创 基于Diffusion的轨迹优化：扩散模型在自动驾驶中的原理、架构与落地挑战
当前输出由历史输出（以及可选的条件输入）逐步生成。这一思路在NLP领域已经非常成熟，典型代表包括GPT系列、Transformer Decoder，以及LLaMA/Qwen/DeepSeek等大模型。轨迹逐步生成、动作序列建模、多步planning rollout。
2026-08-07 21:45:00
717
原创 # 生成模型（Generative Models）基础介绍_四大分类_扩散模型介绍
而扩散模型通过"渐进式加噪—去噪"这一相对简单且训练稳定的思路，在图像生成质量上实现了对 GAN 的超越，也因此成为了 DALL-E 2、Stable Diffusion 等近年现象级生成模型的核心技术路线，代价是采样速度较慢（需要多步迭代），这也是目前该领域重要的优化方向（如 DDIM、蒸馏加速等）。G 试图生成以假乱真的样本欺骗 D，D 试图区分真假样本，两者交替优化，最终 G 收敛到能生成逼真样本。，使其尽可能逼近真实数据分布，从而能够采样生成"看起来像真实数据"的新样本（图像、文本、音频等）。
2026-08-06 22:15:00
457
原创 AI Agent 框架对比(2026)
定位基于 LangChain 构建状态机（State Graph）的 Agent 框架。LLM↓Decision↓Tool↓Memory↓Next Step企业级工作流LangGraph—— 状态管理和复杂流程能力最成熟。多 Agent 协作CrewAIAutoGen—— 擅长角色分工与协同。OpenAI 生态—— 官方支持、上手简单。知识库与 RAGLlamaIndex—— 文档检索和知识增强能力突出。长期运行与持续学习—— 强调持久记忆、技能沉淀和自主执行。
2026-08-03 23:15:00
515
原创 自动驾驶端到端训练_开环训练vs闭环训练
✅ 优点❌ 缺点稳定性极强（最大优势）：连续加速度模型，不易数值发散，长时间仿真不炸 → 非常适合大规模仿真 & RL 闭环初期行为过度理性，缺乏博弈：永远让行、不反击、不抢行 → RL 会学会「欺负世界」物理合理、可解释：基于车距、速度、相对速度，参数含义清晰 → debug 友好，安全团队能理解确定性强，易被 exploit：相同状态→相同行为、无随机性 → RL/Planner 容易过拟合计算代价极低：O(1) 计算，可百万级 vehicle 并行 → 吞吐量是学习模型无法比的无意图建模。
2026-08-03 09:46:36
131
原创 强化学习（Reinforcement Learning）介绍_基础知识
强化学习是机器学习的三大范式之一（另外两个是监督学习和无监督学习），核心思想是：智能体通过与环境不断交互、试错，根据获得的奖励信号来学习最优行为策略。一个强化学习问题通常包含这几个基本组成部分：这个循环不断重复：智能体观察状态 → 选策略 → 执行动作 → 环境反馈奖励和新状态 → 智能体据此调整策略。这个"用反馈调整行为"的过程就是强化学习的本质。与其他学习范式的区别强化学习的一个关键难点是信用分配问题（credit assignment）：如果一局游戏最后赢了，很难判断中间哪几步动作起了决定性作用。几个
2026-07-31 21:45:00
303
原创 世界模型与闭环仿真_介绍与相关关系
世界模型是指智能体内部构建的一个对真实世界的模拟器，它能够根据当前状态和智能体的动作，预测未来世界会变成什么样。让AI拥有"想象力"——在做决策之前，先在脑子里推演一下后果。闭环仿真是指在仿真环境中，智能体与环境持续交互，每一步的输出都会影响下一步的输入，形成一个完整的反馈回路。与之相对的是开环仿真，即只测试单步决策，不关心后续影响。世界模型是"脑子里的虚拟世界"，闭环仿真是"在这个虚拟世界里反复演练"。两者结合，让AI在没有真实风险的情况下，获得海量经验，快速成长。
2026-07-30 22:15:00
362
原创 模仿学习 vs 强化学习 对比、区别、优缺点
维度模仿学习 (Imitation Learning, IL)强化学习 (Reinforcement Learning, RL)核心思想让智能体直接模仿专家的行为，学习"专家怎么做"让智能体通过与环境交互试错，最大化累积奖励训练信号来源专家演示数据（人类驾驶轨迹、标注好的决策序列）环境反馈的奖励函数（是否碰撞、是否到达目的地、舒适度等）是否需要奖励设计不需要，直接学专家行为需要精心设计奖励函数，否则容易学到错误行为探索机制无探索，完全跟随专家。
2026-07-29 22:45:00
424
原创 c++代码执行shell命令_代码实现/示例
改进项说明超时机制支持设置命令执行超时时间，避免卡死错误输出捕获将 stderr 重定向到 stdout，同时获取错误信息命令注入防护函数安全转义用户参数危险命令检测阻止执行rm -rf /等危险命令RAII 资源管理自定义FilePtr类，避免资源泄漏和 double close更大的缓冲区4096 字节，提高读取效率执行耗时统计自动记录命令执行时间退出码解析获取进程退出状态和信号信息非阻塞读取支持超时检测时不阻塞多种接口提供简单版、完整版、回调版等灵活接口错误日志详细记录各种错误状态跨平台考虑。
2026-07-28 22:15:00
79
原创 特征匹配+Glue Factory 框架评估特征提取与匹配算法时常用的度量标准
glue factory源码地址：算法主流程：输入图像对 → SuperPoint 提取关键点 → LightGlue 匹配 → DLT/RANSAC 估计单应性 → 结果评估指标评估时的评价指标如下：这些指标是框架在评估特征提取与匹配算法时常用的度量标准，主要围绕来衡量性能。
2026-07-07 22:30:00
468
原创 hdf5文件(.h5后缀)查看_ubuntu20.04中
如果只是快速查看结构 → 用h5dump或h5ls。如果要读取和处理数据 → 用 Python 的h5py。如果想要可视化浏览 → 用 HDFView。
2026-07-06 22:45:00
359
原创 视觉定位概念_召回率_Top-K Recall，Loop Closure Recall（回环召回率），Localization Recall（定位召回率）
所有真正可以匹配成功的图片（或位置）中，有多少最终被系统找出来了。数学定义：其中正确找到的匹配本来应该找到，但是漏掉了因此Recall = 找到了多少 / 应该找到多少。
2026-07-03 22:15:00
709
原创 深度学习模型交换格式_ONNX
训练阶段│ Paddle ││ 导出▼ONNX（统一中间表示）│▼ ▼ ▼│ │ ││ │ │因此，ONNX 可以看作深度学习部署领域的"通用接口"或"中间语言（Intermediate Representation，IR）"。它将模型训练与硬件部署解耦，使同一个模型能够方便地迁移到 NVIDIA、Qualcomm、Intel、ARM 以及众多国产 AI 芯片平台，这也是它成为行业事实标准的主要原因。
2026-07-01 22:15:00
326
原创 深度学习模型推理框架_SNPT 对比 TRT
SNPE（Qualcomm Snapdragon Neural Processing Engine）和 TRT（TensorRT）都属于，但它们面向的平台、优化方式和适用场景完全不同。下面从多个方面进行详细对比。
2026-06-30 23:30:00
321
原创 Wonder3D论文深度解析：从单张图片到高质量3D模型
多视图立体重建。MVS↓从视差恢复深度（经典几何）NeRF↓从图像拟合连续场（神经表示）↓从法线恢复表面（几何+生成模型）对于 Wonder3D 这类单张图片生成3D的任务，由于没有真实多视角和可靠视差，MVS难以使用；NeRF优化又太慢。因此作者选择先利用扩散模型生成高质量多视角法线，再通过恢复几何，实现了质量、速度和稳定性的平衡。这也是 Wonder3D 相比 DreamFusion 类方法速度提升一个数量级的重要原因。
2026-06-25 22:15:00
823
原创 TRELLIS_大型AI 3D资产生成模型
结构化潜变量（SLAT）是TRELLIS模型的核心技术，是一种全新的3D数据“通用语言”。它本质上是一种稀疏的、带有结构信息的3D特征表示方法，旨在解决传统3D生成中“格式不统一”和“质量与结构难两全”的核心难题。
2026-06-24 10:45:30
501
原创 双目立体匹配_BM 与 SGBM 立体匹配算法详解与对比
只看当前窗口，寻找最相似块，是典型的局部匹配算法。在BM基础上加入多方向路径聚合和视差平滑约束，用较小计算代价近似全局优化，是目前传统双目视觉中最常用的立体匹配算法。
2026-06-23 23:15:00
587
原创 LLM_MoE_混合专家_介绍
MoE架构已成为当前主流大模型突破“参数规模-计算成本”瓶颈的关键技术。它通过稀疏激活和动态路由，让模型能够以可控的成本扩展到万亿级参数，是构建下一代更强、更高效AI系统的重要基石。
2026-06-22 22:30:00
256
原创 网络端口开放访问权限_Windows 11 上确保防火墙允许指定端口如3001可被访问
完成配置后，重启 mock-server 和小程序，真机应该就能正常连接了。如果显示规则信息，则说明配置成功。
2026-06-11 21:30:00
637
原创 定位_景象匹配（Scene Matching）
景象匹配技术（Scene Matching）是一种基于图像特征比对的导航与定位技术。它通过将实时传感器获取的“实时图”与预先存储的“基准图”进行高精度配准，从而确定载体（如导弹、无人机）的精确位置。这项技术最核心的价值在于，在GPS/北斗受干扰或拒止的环境下，依然能实现米级甚至亚米级的末端制导精度。景像匹配技术，本质上是一种让飞行器（如导弹、无人机）拥有“视觉导航”能力的技术。它通过将飞行中实时拍摄的地面图像，与预先存储在计算机中的卫星或航拍基准图像进行比对，来确定自身的精确位置。
2026-06-09 22:30:00
584
原创 图像修复_MPMF-Net中的“多维特征交互块”（Multi-dimension Feature Interaction Block, MFIB）
MPMF-Net是2025年发表在AAAI上的一种图像修复网络，专门用于（如雨、雾、雪等）。它在单一模型中处理多种天气类型，核心思路是解决两个问题：如何高效提取多样化特征，以及如何在特征内部实现精准的信息融合。它的创新主要包含三个技术层面，以下逐一拆解其原理与效果。
2026-06-08 22:30:00
684
原创 SLAM_VINS-Mono_IMU预积分残差对应的信息矩阵权重的优化
概念解释本质预积分测量值不确定性的数学表示，是协方差矩阵的逆。作用作为IMU残差项的权重矩阵，参与到后端图优化的总代价函数中。来源通过对IMU原始测量噪声、偏置随机游走进行协方差传播计算得出，通常与关键帧间时间间隔Δt强相关。维度通常为 15x15 (对应于ΔR, Δv, Δp, bg, ba残差)。与固定权重的区别固定权重是人为的常数标量，而信息矩阵是数据驱动、动态变化的矩阵，能真实反映IMU约束在不同状态下的可靠性。一句话概括。
2026-05-30 22:45:00
77
原创 SLAM_“图核描述符”与“传统BoW（词袋模型）”的区别
传统BoW忽略了特征的空间分布，在重复纹理环境下容易产生感知混叠。图核描述符通过将语义物体作为节点、空间关系作为边，构建场景的拓扑图，并利用图核函数（如Weisfeiler-Lehman核或最短路径核）计算图间相似度。其优点是能利用几何布局消除歧义性，对光照和视角有一定鲁棒性；缺点是计算复杂度高（NP难近似），且严重依赖前端物体检测和位姿估计的精度。因此，在实际系统中，我倾向于使用图核进行粗筛选（候选回环），结合BoW进行快速检索，最后用几何验证来平衡效率与精度。BoW问：“这两个房间里有同样的家具吗？
2026-05-29 22:30:00
87
原创 大语言模型_概念_Transformer_位置编码 RoPE 解释
RoPE 是什么：一种通过复数旋转来编码位置信息的技术。它做了什么：让 Attention 计算能天然捕捉 token 之间的相对距离。为什么重要：它是现代 LLM（如 Llama）能处理长文本、并具备强大泛化能力的底层支撑之一。如果你看代码，RoPE 通常体现在这样的函数中，它会在计算 Q、K 之前，对它们进行旋转变换。你看到的公式：是 RoPE 在复数域的优雅表达，证明了注意力分数只依赖相对位置。实际理解：在代码和实数域中，它就是对向量的每一对数字 (x,y)做了一次二维旋转。最终效果。
2026-05-25 22:45:00
666
原创 图标加载方式_zeroIcon_是否加前缀mdi
两种加载方式有什么区别？这两种写法的主要区别在于图标的资源来源和解析方式不同：第二种写法（自带前缀，自动解析）🎯 使用建议推荐使用第二种（带前缀写法），除非你有特殊需求：第一种写法的适用场景：如果第一种写法报错或图标不显示，检查：如果你用的是 @vueform/icon 或 unplugin-icons 这类库，通常第二种写法是官方推荐的标准用法。从包体积大小的角度来看，按需请求（第二种写法）的体积会更小，尤其是在小程序这种对主包大小有严格限制的环境下。主要区别在于图标资源的加载方式，这直接
2026-05-24 21:51:21
490
原创 前端_uniapp_uView-Plus 怎么安装
使用安装 uView-Plus 的步骤与 npm 类似，但需要注意一些 pnpm 特有的配置。
2026-05-24 07:46:07
309
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人