- 博客(16)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 三维点云处理-聚类（下）
接着前一部分数据聚类方法的介绍，由于K-means和GMM方法都是基于欧式距离信息处理的，两者分别以圆形和椭圆形来作为数据的聚类分割方式，这种情况下会导致环形图和月牙图数据分割不准确，因此进一步的介绍一种谱聚类方法，该方法是基于图论的，关注的是数据与数据之间的连接性，聚类分割效果相对更好。并且除了谱聚类外，也会对 Mean-shift 和 DBSCAN 方法进行简单介绍。
2024-05-04 21:31:53
827
原创 三维点云处理-聚类（上）
给定样本集x1x2xnx1x2...xnxn∈RDxn∈RD聚类中心μkk12...Kμkk12...Kμk\mu_kμk表示第 k 个聚类的中心二分变量rnk∈01rnk∈01rnkr_{nk}rnk表示 当xnx_nxn属于第kik_iki个类别时，rnk1r_{nk}=1rnk1，否则为 0利用损失函数优化目标J∑n。
2024-04-25 18:08:09
1591
1
原创 三维点云处理-KDTree和Octree
点云数据主要是表征目标表面的海量点集合，并不具备传统实体网格数据的集合拓扑信息。因此，如何建立离散点间的拓扑关系，实现基于邻域关系的快速查找也是点云数据处理中比较核心的问题。对于一维数据来说，典型的树形存储结构如Binary Search Tree(BST)，特点在于：对于树中的每个节点，其左子树中的所有节点的值都小于该节点的值，而右子树中的所有节点的值都大于该节点的值，即中序遍历是有序的。这种结构在执行搜索操作时效率较高，在平均情况下，如果树保持相对平衡，BST 的时间复杂度为 O(log n)。
2024-04-21 20:11:10
857
1
原创 三维点云处理-滤波器
点云中往往会存在很多噪声，也就是常说的离群点，如下左图中的黑色圈位置，可能会对有效数据的提取分析造成影响，因此在数据分析前通常会考虑采用滤波器（Filter）等手段进行一些预处理的操作。过滤后的点云如下右图所示，这样的点云有助于对其进行更好的数据分析，如平面估计、分类、分割提取等。
2024-04-20 00:13:34
1581
1
原创 三维点云处理-PCA主成分分析
三维点云处理在三维重建、SLAM、机器人感知等领域都有涉及，那么如何更好地分析和利用三维点云数据也一直是一个比较热门的研究话题。常用的三维点云处理库如 PCL（Point Cloud Library）和 Open3D等。点云通常是指某个坐标系下点的集合。每个点可以包含多个维度的信息，如空间三维坐标（XYZ）、颜色（RGB）、强度值（Intensity）等等。
2024-04-18 19:47:46
1239
1
原创 Ubuntu系统下bazel工具安装
ubuntu20及之前的系统需要手动安装bazel编译工具，安装的方式有多种，可以直接参考官。这里以其中一种安装方式为例，主要记录bazel-release.pub.gpg无法curl通的问题。
2024-04-06 11:35:46
638
1
原创 状态估计问题-卡尔曼滤波
经典的卡尔曼滤波算法是Kalman在1960年提出的，此后出现了多种形式的变种，在机器人、自动驾驶和飞行控制等领域都有着广泛的应用。卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入观测数据，对系统状态进行最优估计的算法。通常它的输入信号中带有“过程噪声”和“观测噪声”，输出信号是对真实信号的最优估计。
2024-03-23 16:41:08
1118
1
原创 多传感器后融合算法-实战练习
前面介绍了多传感器后融合算法系统的框架设计、多传感器目标关联算法以及求解状态估计问题常用的卡尔曼滤波算法，这里使用一些真实传感器的目标数据来进行相关内容的实战。仅做学习用途。本节核心就是基于卡尔曼滤波实现LiDAR和Camera的后融合检测算法（支持Radar扩展）。
2024-03-22 17:40:18
1053
6
原创 多目标关联算法-匈牙利匹配
前面提到，传感器每帧数据检测出的Object通常不止一个，而如果要进行不同模态或者单传感器多帧检测结果之间的关联，势必会涉及到Object集合之间的匹配问题。如下图红色点和绿色点之间的匹配。一般而言，这种问题通常叫做二分图的最大匹配问题。而匈牙利算法(Hungarian Algorithm)和KM算法(Kuhn-Munkres Algorithm)是其中比较经典的求解方法。
2024-03-21 23:22:52
1888
2
原创 多传感器融合算法-后融合
自动驾驶系统通常由定位、环境感知和规划控制等模块组成，近年来主流的环境感知传感器包括、超声波雷达等。不同种类传感器由于其探测原理不同，所具备的优劣势也有所差异，且现阶段单一种类的传感器往往很难覆盖所有场景，为了使感知层获得的信息更为丰富、准确，通常需要将不同传感器的数据进行融合。（Multi-sensor Fusion, MSF）是指借助计算机和数据处理技术，将来自多传感器或者多源的数据以一定准则进行分析综合，增强整个传感器信息系统信息利用率的方法。根据数据融合方式的不同，主要可以分为前融合和后融合。
2024-03-19 21:13:03
2755
原创 ARS_408毫米波雷达数据解析学习记录-利用RVIZ实现解析结果的可视化
前面已经基本完成了ARS_408毫米波雷达数据的获取与解析工作。虽然已经将从CAN口获取的数据解析处理成指定的消息类型并进行了发布，但是需要注意的是，它们只是处于文本数据形态，我们仍然无法得到直观的显示结果，如点的分布和目标相对传感器的位置分布等等。因此，这部分将会利用ROS中的 Rviz 三维可视化平台来对解析后的clusters / object数据进行三维可视化显示。此外，考虑到之前部分是通过运行其它节点来启动的，因此为了操作方便，考虑利用launch文件一次性启动多个节点。一、RVIZ 部分
2021-09-04 16:26:37
3922
9
原创 ARS_408毫米波雷达数据解析学习记录-利用ROS发布数据解析结果
前面两部分已经利用SocketCAN类和协议解析文件实现了CAN口数据的获取、存储和解析工作。虽然已经进行了数据解析工作，但是我们并没有进行解析后结果发布的工作，因此这部分将会利用ROS结点及msg消息和srv服务来对解析后的结果进行发布。同协议组织部分类似，这部分也会将之前数据接收和处理封装为一个ROS结点来管理，同时对于各部分协议也会创建单独的话题来对解析结果进行发布。文章目录1、radar_cfg_ros 部分2、radar_state_ros部分3、motion_input_signals_r.
2021-07-18 21:56:05
5921
10
原创 ARS_408毫米波雷达数据解析学习记录-协议部分
本文主要是记录ARS_40X协议解读与简单实现过程。仍在学习过程中，难免存在理解误区，欢迎批评指正，共同进步。文章目录引言：1、RadarCfg部分2、RadarState部分3、Motion Input Signals部分4、Cluster List部分4.1、Cluster list status (0x600)4.2、Cluster general information (0x701)4.3、Cluster quality information (0x702)5、Object List部分5.1
2021-07-15 22:12:14
10740
2
原创 ARS_408毫米波雷达数据解析学习记录-SocketCan部分
因毫米波雷达通过CAN口进行数据传输，为便于在LInux系统下进行毫米波雷达数据的获取与解析，简单收集整理了一些CAN总线及CAN接口应用开发的资料。本文主要是记录学习利用SocketCAN接口进行CAN总线数据的收发。仍在学习过程中，难免存在理解误区，欢迎批评指正，共同进步。1、基础：CAN总线简介CAN 是控制器局域网络(Controller Area Network，CAN)的简称，由德国BOSCH公司开发，并最终成为国际标准(ISO 11898-1)。CAN总线主要应用于工业控制和汽车电子领
2021-07-13 15:37:06
8540
24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人