Wangxu的博客

原创 无人驾驶中的激光雷达（三）一种鲁棒的级联式地面点云分割方法

一种鲁棒的级联式地面点云分割方法介绍方法描述代码实现与链接介绍本次讲述的地面点云分割方法来自 2018 ITSC的会议论文：A Slope-robust Cascaded Ground Segmentation in 3D Point Cloud for Autonomous Vehicles [pdf] [Python code]原论文已提供Python版本代码，我将其迁移至了C++版本，速度整体有提升，但仍然达不到实时性能，可以进一步在C++基础上做一些多线程、GPU等改进以实现实时地面点云分割

原创 无人驾驶中的激光雷达（二）2019 IROS 点云分割论文复现

文章目录前言一、论文内容二、复现总结前言这次为发表在2019年IROS会议上的一篇论文，名称为《Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time Performance》与其他聚类方式比较一、论文内容论文主要使用了一种较为传统的方法，也就是将三维点云划分为三维体素再进行邻域搜索聚类的形式，但论文中使用的不是一般的方格聚类，而是采用了基于球坐标的扇形栅格进行划分，如下

原创 无人驾驶中的激光雷达（一）基于深度图的点云聚类方法

本项目目录基于深度图的点云聚类方法1.扫描线补偿2.地面点移除3.深度图生成4.邻域搜索与阈值设计5.最终效果6.代码链接基于深度图的点云聚类方法本篇博文主要讲述一种基于深度图的点云聚类方法。基于深度图的点云聚类方法最早且被应用最多的文章是 Bogoslavskyi等人提出的"Fast range image-based segmentation of sparse 3D laser scans for online operation" 2016 IEEE/RSJ International Con

原创 Ubuntu下python模拟串口通信

python用于在linux下模拟串口通信。

原创 PCL使用心得（二）点云数据可视化

系列文章目录PCL使用心得（一）点云数据读取、保存以及格式自定义文章目录系列文章目录一、cloud_viewer二、PCLVisualizer基本定义点云颜色定义点云大小点云中添加形状删除点云更新点云一、cloud_viewer最基本的点云显示：#include <pcl/visualization/cloud_viewer.h>pcl::visualization::CloudViewer viewer("PCD");viewer.showCloud(cloud);while

原创 PCL使用心得（一）点云数据读取、保存以及格式自定义

PCL使用心得（一）点云数据读取、保存以及格式自定义文章目录PCL使用心得（一）点云数据读取、保存以及格式自定义前言一、pcd 格式数据读取与写入二、自定义点云格式三、自定义点云bin格式读取与存储保存bin读取bin前言主要记录PCL库使用过程中的一些内容，方便自己回看。一、pcd 格式数据读取与写入读取： pcl::PointCloud<pcl::PointXYZ>::Ptr loadcloud( new pcl::PointCloud<pcl::PointXYZ&g

原创 一种融合JPDA、IMM、UKF的多目标跟踪方法

将联合概率数据关联、交互式多模型以及无迹卡尔曼滤波融合用于目标跟踪，其中交互式多模型中包含的运动模型为CV、CTRV、CVTRA。结果如下： 多目标跟踪 https://github.com/wangx1996/Multi-Object-Tracking...

原创 多台Ubuntu系统电脑使用ntp时间同步

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、ntp安装二、配置步骤其他1. ntp相关命令2. ntp授时原理相关链接：前言网络时间协议NTP(Network Time Protocol)的主要开发者是美国特拉华大学的MILLS David L教授设计实现的，由时间协议、ICMP时间戳消息及IP时间戳选项发展而来。NTP用于将计算机客户或服务器的时间与另一服务器同步，使用层次式时间分布模型。在配置时，NTP可以利用冗余服务器和多条网络路径来获得时间的高准确性和高

原创 无人驾驶中的激光雷达（四）Pointpillar+CenterNet实现的3D点云目标检测网络

简要介绍引言基本思路一一说明未完成的东西引言好久没总结过新东西了，这次就把最近自己通过拼凑代码实现的一个点云目标检测网络现在这做个总结吧。不过我的网络还没来得及改进，大思想就和别人的撞车了，人家已经发了CVPR，对于自己这个半成品网络也没什么兴趣继续改进了。CVPR2021的论文是：Center-based 3D Object Detection and Tracking代码：https://github.com/tianweiy/CenterPoint我搭的网络目前叫CenterPillar

原创 [从零开始环境配置] 联想R9000X-无人驾驶相关环境配置历程-Ubuntu16.04+anaconda+pcl-1.8+ros+cuda10.0+cudnn7.3

环境配置顺序序言1.Ubuntu 16.04 基本环境配置1.1 系统盘制作1.2 系统安装2. 基本环境配置2.1 网卡配置2.2 镜像源配置2.3 显卡驱动配置2.4 搜狗拼音安装2.5 ubuntu 与 windows 双系统时间不对3. 学习环境配置3.1 Anaconda3.2 CUDA10.0+CUDNN7.33.2.1 CUDA10.03.2.2 CUDNN3.3 PCL库安装3.4 ROS安装其他的一些问题1. conda命令不能用sudo2. pcl 在有anaconda下cmake编译问

原创 交互式多模型(IMM)算法

原创 联合概率数据关联JPDAF详解

JPDAF的推导参考：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.htmlhttps://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html原论文：《Sonar Tracking of Multiple Targets Using Joint Probabilistic Data Association》

原创 问题：munmap_chunk(): invalid pointer

问题：munmap_chunk(): invalid pointer在编写程序的时候遇到了munmap_chunk(): invalid pointer的问题，如下图所示，记录下如何解决这段报错很混乱，找不出错误原因，只能大致了解到是指针出了问题，我们希望能够对代码出错位置进行定位，这里使用gdb调试来进行定位；gdb基本操作：https://blog.csdn.net/mercy_ps/article/details/81542986另一个用于查看越界读写动态分配内存/读写已释放动态分配内存的工具