![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
位姿估计
文章平均质量分 60
Flying Stone
这个作者很懒,什么都没留下…
展开
-
blender创建简单的三角化网格模型(保存为obj)
shift + A 选择对应的网格点这个只显示网格点击面可以把面三角化4. 可以变成这样5. 如果觉得太稀疏可以选择体素的大小,体素重构,比如0.026. 然后导出为obj就行open3d 可视化import numpy as npimport open3d as o3dpath='xxxxx/cube.obj' #保存的obj路径# obj面片显示textured_mesh= o3d.io.read_triangle_mesh(path)print(textu..原创 2021-11-27 22:51:29 · 3582 阅读 · 0 评论 -
RGBD图像和深度图对齐
相机:Xvisio目的:获取同一坐标系下的深度图和RGB图像首先根据给出的read_calibration sample把灰度相机改成RGB和TOF相机,得到两个相机的外参和内参Stereo:彩色相机Calibration: R:[0.999942, -0.0105642, 0.00221015, 0.0106091, 0.999714, -0.0214202, -0.00198323, 0.0214424, 0.999768] T: [0.00129305, -0.000780199, 0.0原创 2021-11-19 19:01:51 · 5403 阅读 · 1 评论 -
label fusion 学习记录
安装 Install nvidia-docker下载工程使用nvidia-docker2的话要用这个工程,现在ubuntu18.04应该是不支持nvidia-dockergit clone https://github.com/ianre657/LabelFusion.git使用nvidia-docker的系统,要用这个版本的工程https://github.com/RobotLocomotion/LabelFusion3.运行dockerLabelFusion/docker/do.原创 2021-10-31 23:38:54 · 2153 阅读 · 14 评论 -
Aruco板生成及位姿估计(Python实现)
下边的代码仅从结构上给出示意,如果想要使用还需要弄明白参数的设置,否则识别效果可能很差opencv对应函数说明:https://docs.opencv.org/master/de/d05/classcv_1_1aruco_1_1GridBoard.htmlAruco板生成代码import cv2 import numpy as npmarkersX = 2 #X轴上标记的数量markersY = 6 #EY轴上标记的数量 本例生成5x7的棋盘m原创 2021-10-26 19:28:43 · 2654 阅读 · 1 评论 -
PVNet阅读记录
Proposed approachrigid transformation (R; t)from the object coordinate system to the camera coordinate system 刚性变换,从目标的坐标系到相机的坐标系采用两阶段的流程:首先用CNN检测出来2D关键点,然后使用改进的PnP算法来进行位姿估计。我们的方法使用PVNet的方式检测2D关键点,类似RANSAC,但可以鲁棒地解决遮挡和截断问题。基于RANSAC的投票也给出了每个关键点的空间概率分布原创 2021-10-26 00:06:33 · 539 阅读 · 0 评论 -
PVN3D学习记录
class Configself.dataset_name 数据集名称self.exp_dir 当前文件路径self.exp_name 当前文件名self.resnet_ptr_mdl_p RESNET预训练模型self.log_dir train_logself.log_model_dir checkpointsself.log_eval_dir eval_resultsself.n_total_epoch = 25se原创 2021-09-04 19:34:22 · 507 阅读 · 1 评论 -
YCB-VIDEO DATASET
YCB-VIDEO DATASET提供物体姿势和分割真值标记以物体为中心的数据集通常因为是人工标注的,所以数据量很小。例如常用的LINEMOD数据集提供大约1000图像的手工标记为数据集中的15个对象。虽然这样的数据集对于评估基于模型的姿态估计技术很有用, 它比用于训练最先进的深度神经网络的典型数据集小了好几个数量级。解决这个问题的一个办法是用合成图像来增加数据。然而,必须注意确保性能在真实场景和渲染场景之间的通用性。A. 6D位姿标记为了避免手动注释所有的视频帧,我们只在第一帧中手动指定物体的姿势原创 2021-09-04 00:03:44 · 4828 阅读 · 2 评论