weixin_46559458的博客

快速射线变换算法，如Alg.2所示，它将输入的多视图2D图像特征转移到一个体素3d空间中，其中每个体素单元由预先计算的LU T填充相应的2D图像特征。对于重叠区域的多个视图的情况，我们直接采用第一个遇到的视图来提高表构建的速度。我们的提议不喜欢基于 Lift-Splat-Shoot 的改进视图转换方案 [1]、[15]、[26]，即使繁琐的 CUDA 并行计算没有足够快，更不用说使用 CPU 进行相应的计算过程，GPU 上的耗时可以忽略不计，CPU 上的速度远远领先于其他解决方案，这对于部署来说非常方便。

两个主要区别：1）点云是一种稀疏表示，而图像密集，2）点云是 3D，而图像是 2D。验证时的坐标转换方式和评价指标bbox ，3d，AOS计算方式的具体实现？pointpoillarss 的 one-stage 网络结构是怎样的？loss、optimizer等超参数计算方式，以及使用位置在哪里？CUDA下的部署有什么区别？PillarNeXt是否具备可迁移性？因此，来自点云的目标检测不容易适用于标准的图像卷积管道。数据处理流程是怎样的，点云怎么生成伪图像？数据增强是怎么操作的（离线，在线）？

opencv4.6报错error: ‘cv::xfeatures2d::SIFT’ has not been declared。SIFT 已经由 xfeatures2d 移至 主仓库。

sudo ln -fs /usr/lib/libcurl.so.4 /usr/local/lib/

微分计算

codeMetaNNtch0liweiC++ Template TutorialC++ 高阶操作：模板元编程bookMLPP

【代码】YOLO V5 SPPF代码块。

C++学习笔记分享

2023，我想有记录的学下去。

3d感知

opencv学习笔记

３Ｄ缺陷检测

学习资料存档

慢慢学吧，道阻且长

海思3516开发板

蓝牙bug

nlp学习

面经记录

回溯总结

pytorch学习