xiaobaiwsc的博客

博主开始研究自动驾驶，主要的方向是自动驾驶场景下的多目标检测跟踪及轨迹预测方向。主要分为三个方向吧，一是多目标检测；二是多目标跟踪；三是对于跟踪的目标进行轨迹预测。对于这三个方向，初步想法是先进行查看论文，进行金字塔知识体系最低端的建筑，打好基础。①先是对这三个方向单独进行看论文，多看综述论文，了解最新的算法研究，对此方向上做到尽量了解。（写这篇文章的开始已经做到了多目标检测算法框架和多目标跟踪算法框架的基本了解，然后要看轨迹预测的算法框架）②第二步就是开始搭建软件环境，并且...

SAM-Body4D实现免训练的4D人体网格重建，通过结合SAM系列模型解决了视频处理中的时序抖动和遮挡问题。其核心包括掩码序列生成器、遮挡感知细化器和掩码引导HMR模块，无需额外训练即可获得平滑自然的4D人体轨迹。实验显示该方法在快速运动、复杂遮挡等场景下表现优异，支持多人并行处理。该项目已开源，为VR/AR、动作捕捉等领域提供了高效解决方案。

本文介绍了一个融合目标检测、跟踪与深度估计的计算机视觉系统。采用YOLOv5进行实时目标检测，DeepSort实现多目标跟踪，Monodepth完成单目深度估计。

传感器融合少不了的就是联合标定，最近大火的激光雷达和相机传感器融合算法，让很多工程师学者投入精力学习，本文简单介绍一下激光雷达和相机传感器坐标系转换的原理。

毕设自动场景下的多目标检测跟踪与轨迹预测研究，用到的多目标检测PreScan软件的使用。

PreScan软件学习

学习目标：1、多目标检测算法模型2、主流的用于多目标检测的卷积神经网络框架3、目标检测算法（one-stage、two-stage）学习内容：1、 目标检测算法模型有哪些 目标检测算法模型有两种：一种是anchor-based类模型另一种则是anchor-free类模型。其中anchor-based类模型包括有（1）基于回归的one-stage方法，检测速度更快，一般步骤是特征提取、分类和定位回归；（2）基于候选框生成和分类的two-stage方法，特点是较丰富的特征和...