如何在MONO 3D寻找最短路路径

前段时间有个客户说他们想在我们的3D的机房中找从A点到B点的最短路径,然而在2D中确实有很多成熟的寻路算法,其中A*是最为常见的,而这个Demo也是用的A*算法,以下计算的是从左上角到右下角的最短路径:
左上
具体的实现方式是,先将地板进行了分割,分成一个数组,然后再计算该点上是否有3D的对象,若是有,就置成该点不能通过的标记,否则就表示该点可以通过(如果你分割的越细那么算的就越精确,但是算的当然也就慢一些,关键看你的要求),以下是分割地板的代码:

1 var size = {x: 100, y: 100}; // 100*100
2 var topLeft = {x: 228, y: 53};
3 var width = 524;
4 var height = 400;
5var dw = width / size.x;
6var dh = height / size.y;
7var start;
8var end;
9var graph;
10function to2d() {
11     var nodes = [];
12     for (var i = 0; i < size.x; i++) {
13         var nodeRow = [];
14         var x = topLeft.x + dw * i
15         for (var j = 0; j < size.y; j++) {
16             var y = topLeft.y + dh * j;
17             if (isHasObj(x, y)) { //判断该点上是否有物体
18                 nodeRow.push(0);
19             else {
20                 nodeRow.push(1);
21             }
22         }
23         nodes.push(nodeRow);
24     }
25     graph = new Graph(nodes, {
26         closest: null,
27         diagonal: false
28     });
29 
30     //这里是找一条从(0,0)到(79,80)的路径。
31     start = graph.grid[0][0];
32     drawPath(7980);
33}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Mono3D网络是一种用于单目图像深度估计和3D目标检测的神经网络模型。它的主要思想是将单目图像转换为深度估计和3D检测任务的输入,然后通过卷积神经网络进行处理,最终输出深度估计和3D检测的结果。 具体而言,Mono3D网络首先通过卷积神经网络提取输入图像的特征,然后将这些特征用于预测图像中每个像素的深度估计。接着,网络还可以将这些特征用于检测图像中的3D物体,预测它们的位置、姿态、大小等信息。 Mono3D网络的主要优势在于它能够同时处理深度估计和3D检测任务,而且只需要单目图像作为输入,不需要额外的传感器或多个视角的图像。这使得Mono3D网络在自动驾驶、虚拟现实、机器人等领域中有着广泛的应用前景。 ### 回答2: Mono3D网络的主要思想是通过单张图像实现三维目标检测和定位。传统的三维目标检测方法通常基于多个图像或点云数据来提取三维信息,但这些方法需要大量的计算资源和数据,限制了它们在实际应用中的可用性和实时性。相比之下,Mono3D网络利用单张图像作为输入,利用深度学习技术从中提取三维目标的信息。 Mono3D网络首先通过卷积层和池化层对输入图像进行特征提取,得到高层次的语义特征表示。然后,网络根据这些特征预测出二维边界框和相机参数,如焦距、光心等。接下来,通过与深度回归模块结合,网络可以将二维边界框转化为三维边界框,从而实现目标的位置和尺寸的估计。 与传统的方法相比,Mono3D网络具有以下优势:首先,它只需要一张图像作为输入,减少了数据采集和处理的时间和成本。其次,Mono3D网络能够实时地检测和定位目标,适用于许多实时应用场景,如自动驾驶、机器人导航等。另外,Mono3D网络还能够解决传统方法中的目标遮挡和视角变化的问题,提高了目标检测和定位的准确性。 总而言之,Mono3D网络通过单张图像实现三维目标检测和定位,具有实时性高、成本低以及准确性好的优势,有着广泛的实际应用潜力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值