狐狸饲养员-CSDN博客

原创 Carla学习（九）世界坐标和相机坐标变换——过滤视野内目标

出于两种原因，有时候需要知道哪些车辆或行人在相机的视野范围内/不在视野范围内利用Carla制作数据集时，不管是3D物体目标检测还是2D物体目标检测，我们都需要图片训练集。例如相机图片和图片内车辆或行人的ground truth（2d bbox， 3d bbox）。可视化呈现。例如在V2V通信场景下，车辆之间是有通信的，那么可以将这种通信关系在相机图片上绘制出来，表达更直观。上述两个例子我们都需要知道目标物体（车、人）是否在相机的视野范围内，例如生成车辆的3d bbox，只有在视野范围内的车辆才生成

2021-02-04 09:23:21 5608 8

原创 ubuntu下vscode编写C++环境配置，包括launch.json、tasks.json和c_cpp_properties.json文件说明

主要补了一下C++编译连接的知识，顺带着学习了一下VS code编写C++的环境配置问题，详细学习了几个json文件的作用

2021-02-01 23:01:13 5873

原创 Leetcode #39 #40 回溯法

#39给定一个无重复元素的数组 candidates 和一个目标数 target ，找出 candidates 中所有可以使数字和为 target 的组合。candidates 中的数字可以无限制重复被选取。说明：所有数字（包括 target）都是正整数。解集不能包含重复的组合。#40给定一个数组 candidates 和一个目标数 target ，找出 candidates 中所有可以使数字和为 target 的组合。candidates 中的每个数字在每个组合中只能使用一次。说明：所

2021-01-30 11:04:08 193

原创 Leetcode #33 #34 二分法

#33升序排列的整数数组 nums 在预先未知的某个点上进行了旋转（例如， [0,1,2,4,5,6,7] 经旋转后可能变为 [4,5,6,7,0,1,2] ）。请你在数组中搜索 target ，如果数组中存在这个目标值，则返回它的索引，否则返回 -1.#34给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。二分法在有序数组中查找某值，我们可以利用二分法，时间复杂度为O

2021-01-30 09:35:32 161

原创 C++ 头文件和源文件include问题：“error LNK1169：找到一个或多个多重定义的符号”

今天做C++练习时遇到一个问题，首先定义了三个文件：ex15_2.h、ex15_2.cpp和main.cpp，其中ex15_2.h头文件，ex15_2.cpp是ex15_2.h的实现文件，main.cpp是测试文件。三者包含关系为：//ex15_2.h...std::ostream& operator<<(std::ostream& os, const Query& query) { return os << query.rep();}.../

2021-01-25 16:54:16 353

原创平面坐标系旋转和平移

在Carla中可以用车辆传感器代替路侧传感器，由于传感器是依附在车辆上的，因此需要将作为传感器的宿主车辆隐藏起来。这个过程提前知道车辆的世界坐标和传感器的世界坐标。由于API要求传感器依附在车辆上，需要获得传感器相对于车辆坐标系的坐标，实际上等价于二维平面上点相对于原点进行平移和旋转后的新坐标。参考https://blog.csdn.net/qq_37682160/article/details/105609001的内容如下：设传感器世界坐标为P1，车辆世界坐标为P2，以P2为原点，则传感器在

2021-01-20 11:42:31 2684

原创 Carla学习（八）利用carla制作自己的kitti数据集

利用carla制作kitti 3D目标检测数据集基本上就是获得图片、雷达、2D和3D box。这里主要需要解决的问题就是carla世界的坐标系和kitti数据集的坐标系不太一样，kitti坐标系如下所示：具体的坐标转换我参考了@Fredrik00 https://github.com/Ozzyz/carla-data-export，这项工作在carla0.8.4环境下制作kitti数据。因为新版本的carla API变化很大，因此在此基础上我修改了原来的API和一些细节问题，现在可以用在Carla

2020-12-07 10:45:06 6633 51

原创 Carla学习（七）收集同步的传感器数据

为了收集同一时刻的图像雷达数据，利用到了两个点：同步模式和固定时间步这块挺疑惑的，到底是客户端的world.tick()驱动服务器更新step，还是服务器按照固定的时间步更新step，后面写了自己的猜测，不知道对不对。。。不过最后收集到的传感器数据是同步的time-steptime-step是服务器更新两个step之间的时间间隔，分为两种：variable time-step：取决于计算机计算的时间，通常很短fixed time-step：将两个step之间的时间间隔固定为一个常数值，那么每个

2020-11-18 11:15:09 3065 7

原创 Carla学习（六）创建一个带有各种传感器的车辆

1 在catkin_ws工作空间中，创建一个程序包，这里命名sensor_vehicle。这里程序包不需要依赖，因为之后直接拷贝官网给的创建车辆的程序包。~$ cd catkin_ws/src/ros-bridge && catkin_create_pkg sensor_vehicle2 现在把官方给的程序包carla_ego_vehicle中所有的内容都拷贝到刚刚创建好的程序包sensor_vehicle中。这个官方程序包结构为：carla_ego_vehicle——config

2020-10-14 17:36:02 2652 3

原创 Carla学习（五） Carla常用传感器

Depth camera,输出carla.Image，深度相机使用三通道RGB值存储距离信息，然后将其转换为距离灰度图：normalized = (R + G * 256 + B * 256 * 256) / (256 * 256 * 256 - 1)in_meters = 1000 * normalized传感器数据包含：frame：第几帧timestamp：仿真时间transform：世界坐标width：图像宽度height：图形高度fov：相机的水平角度raw_data：BGR

2020-10-14 09:18:10 5348 1

原创 Carla学习（四）ros-bridge创建自己的小车

想要创建一个带有传感器的小车，并且可以作为ros结点发布传感器数据的话，是不用自己写文件的。对于我这个刚刚接触ros的菜鸟来说，自己写ros和carla通信的结点根本就是天方夜谭，还好官方提供的ros-bridge的组中写好了很多ros package。其中carla_ros_bridge_with_example_ego_vehicle.launch定义个一个手动控制的车辆，包含三个结点，其中有发布传感器数据的结点，还有创建小车的结点，以及手动控制的结点。此次我就是将产生车辆的结点carla_ego_

2020-10-07 21:41:49 2430

原创论文阅读：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

论文名称：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation主要内容：本文利用点云的无序性和旋转不变性，提出了一个深度网络，直接将点云的（x，y，z）坐标作为输入，根据网络结构的不同可以完成分类、目标部分分割和场景分割任务。解决的问题：神经网络通常处理的数据都是有规范格式的，例如图片，文本信息。然而点云作为一种不规范的、无序数据，通常转化为以下几种形式再输入网络：1 栅格（体素）转化为规范形状的

2020-10-07 21:23:12 496

原创论文阅读：A Slope-robust Cascaded Ground Segmentation in 3D Point Cloud for Autonomous Vehicles

论文名称：A Slope-robust Cascaded Ground Segmentation in 3D Point Cloud for Autonomous Vehicles主要内容：本文提出了一种从3D点云中将地面点和非地面点分开的方法，并且对于斜坡型地面点有很高的识别率。方法主要分为两个步骤，受限利用激光雷达的物理特征（高度、角度）计算环间距，根据点实际间距与计算间距的比较初步去除部分非地面点。然后利用多区域RANSAC平面拟合方法进一步将地面点和非地面点区分开。解决的问题：很多地面点

2020-10-07 20:44:53 864

原创 Carla学习（三）安装carla0.9.10和ros-bridge踩坑

由于之前装的Carla0.9.4不再支持ros了，干脆把ubuntu系统重新装了一次，再次基础上成功安装carla0.9.10和ros-bridage。记录安装过程踩的坑～（注意：全过程基于科学上网）一、ubuntu的/home一定要分配150G，官方要求30/50G，实际上一开始分配了100G都不够，因此ubuntu18.04装了两次二、按照官方流程来就行了，中间不能出现报错，否则后面各种莫名其妙的错误，比如依赖不全。。。还是科学上网吧，否则国内无法下载，注意用python2.7编译ros-bridg

2020-10-04 22:13:39 2310 2

原创 Carla学习（二）简单传感器数据读取

给小车安装了三个传感器，碰撞传感器、RGB相机和Lidar。传感器也属于Actor类，在生成传感器时需要传入transform参数。对于相机和雷达来说，他们都是attach_to小车，所以传入的是相对于小车的相对坐标。碰撞传感器的transform直接使用默认值就可以。 # 设置RGN相机相对依附对象位置 transform_RGB = carla.Transform(carla.Location(x=0.8, z=1.7)) # 设置Lidar的transform tr

2020-09-26 21:16:36 4026

原创 C++两个类互相调用彼此的方法

今天在学习c++primer 第七章的时候，做练习题出现了个问题，如下：X.h文件代码：#pragma once#include"Y.h"class X{public:private: Y* y = nullptr;};Y.h文件代码：#pragma once#include"X.h"class Y{public:private: X x;};main函数：#include"X.h"#include"Y.h"int main() { X x;

2020-09-26 09:36:44 1905

原创 Carla学习（一）小车简单直线行走

看官方的文档加晚上的一些博主的教程，动手写了一个小车直线跑动的例子。官方最新的文档比较全面，但是东西太多了，本垃圾不知道从哪里学起，慢慢来吧。。。。导入Carla包在编写自己的客户端时，我们首先需要导入Carla包，利用下面这段固定的代码：try: sys.path.append(glob.glob('../dist/carla-*%d.%d-%s.egg' % ( sys.version_info.major, sys.version_info.minor,

2020-09-24 20:43:20 3968

原创 Carla内容简介

最近学长安排了新的任务，开始学习Carla仿真软件。这个软件之前在自己电脑安装一次，各种坑，坑到我怀疑人生，大概装了两三天才装上，之后因为毕设就没动过了，时隔小一年又重新开始学。。。（后续有时间打算重新装一边最新版本的Carla，感觉之前装的有很多问题，虽然可以运行）毕竟自己英语不好，本科也不是计算机专业的，学起来还是比较困难的，在这里记录一下学习过程，避免忘了hhh核心概念基础1 world和client客户端：请求信息或者更改仿真的模块，一个客户端在一个IP和特定的端口下运行。通过终端和服务器

2020-09-24 20:39:08 2046

转载关于C++在while(cin＞＞i)中输入^Z时输入循序对执行结果的影响

转载自https://www.cnblogs.com/chencong/archive/2011/11/03/2234880.html原文如下：在C++ Primer中，作者经常使用while(cin>>word)类似的语法，但是如何结束，可能会出现疑惑。有的时候需要两次快捷键才能结束循环，有的时候却只需要一次循环。在 Unix 系统中的实际的现象为：当输入为“字符串，回车，Ctrl+D”的时候，跳出循环；当输入为“字符串，Ctrl+D，回车”的时候，不会跳出循环；当输入为“字符串

2020-09-17 17:41:07 1473

原创 David silver强化学习课程第七课策略梯度

第七课策略梯度快开学了比较懒，这两天督促一下自己把后面的笔记都整理一下。。。强化学习方法分为两种：基于策略的方法和基于价值的方法。前面课程中提到的方法都是基于价值的方法，包括策略迭代、值迭代和值函数近似。基于价值的方法是根据价值函数来制定策略，这是一种间接优化策略的方式。那么我们可不可以直接得到策略？类似于值函数近似，我们用参数拟合策略，直接得到策略，这就是本课要讲的基于策略的方法—策略梯度。本节先引入了策略的直接表示形式，接着描述了最优策略的目标方程，最后提出三种梯度上升方法优化策略参数，得到最优

2020-09-07 16:07:43 587

原创 David silver强化学习课程第六课值函数近似

第六课值函数近似一开始看这节课内容的时候，还是有些乱的。不像前五章每一章的联系都很紧密，本章内容较分散，概念性的东西变少了，更多的引入了几种不同的算法，可以直接从算法上理解本课的内容—值函数近似。对于预测问题，我们可以参数化的表示状态值函数；对于预测问题，可以参数化的表示状态-动作值函数。本章讲了值函数近似的两种方法：增量方法和批方法，这两种方法主要在数据的使用上有所不同，但是都是基于随机梯度下降法。本章最后还引入了线性值函数近似的直接求解方法。上述方法在MC/TD(0)/TD(λ)下均有不同实现方

2020-08-26 16:53:07 862

原创 David silver强化学习课程第五课模型无关的控制

第五课模型无关的控制回顾上节课，主要讲了Model-free情况下如何解决预测问题，通过求解某一策略下的值函数评价该策略，主要有蒙特卡洛(MC)和时间差分(TD)两种方法。本节课主要讲Model-free情况下的控制问题，也就是如何找到一个最优策略，同样的利用到了蒙特卡洛和时间差分两种方法。本节集中解决Model-free的控制问题，由于缺乏环境信息，因此这是学习(Learning)过程而不是规划(Planning)过程，根据学习过程中代理是否利用自身经验改善策略，可以将强化学习分为两类：**同策略

2020-08-22 18:55:34 354

原创 David silver强化学习课程第四课模型无关的预测

第四课模型无关的预测在上一节课中，主要讲了利用动态规划的方法求解MDP的预测和控制两个问题，本质上它是model-based的，需要知道模型的信息如状态转移矩阵和回报函数。但是通常遇到的强化学习问题是不知道环境全部信息的，但是具有MDP的形式，在缺乏状态转移矩阵和回报函数的情况下如何求解预测和控制问题？本章主要讲了三种方法用来求解模型无关(model-free)的预测问题：蒙特卡洛方法(MC)，时间差分方法(TD)和介于这两者之间的TD(λ)方法。这三种方法需要智能体和环境进行交互，获取相关的信息，在

2020-08-22 18:04:59 433

weixin_41823188的博客