Paper Reading

最新推荐文章于 2024-09-12 11:59:32 发布
置顶 最新推荐文章于 2024-09-12 11:59:32 发布
阅读量234 收藏
点赞数
分类专栏： # Paper Slam 文章标签： 自动驾驶 算法 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoma_bk/article/details/120221073
版权

文章目录

1、2D_SLAM

real-time loop closure in 2D LIDAR SLAM

cartographer 涉及到的论文

2、3D_SLAM

Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

图森字样 3D激光slam

Tightly-Coupled Multi-Sensor Fusion for Localization with LiDAR Feature Maps

LIO-SAM 3D激光slam

3、Other

Inertial Aided Multi-Sensor Calibration

外参+时间偏移的多传感器标定

Recalibrating the KITTI Dataset Camera Setup for Improved Odometry Accuracy

Kitti 第一 主要是标定对精度的影响

xiaoma_bk
关注
专栏目录
【论文阅读】【三维目标检测】Multi-Task Multi-Sensor Fusion for 3D Object Detection
麒麒哈尔的博客
09-23 6012
目录网络点云分支图像分支Point-wise FusionLoss实验部分我的思考 文章 Multi-Task Multi-Sensor Fusion for 3D Object Detection 2019CVPR 该文章使用了相机和激光雷达传感器融合方法检测3D Object，使用了一个网络解决多任务，并且多个子任务是为了3D Object Detection服务的。 网络 网络结构图如下，主...
Neural Architecture Searching survey paper reading
01-27
Neural Architecture Search (NAS) 是一个自动机器学习（AutoML）领域的关键研究方向，它旨在通过算法自动设计高效的神经网络架构。这篇论文调查了NAS的主要组成部分，包括搜索空间、搜索策略和性能估计策略，并探讨...
Tightly-Coupled Multi-Sensor Fusion for Localization with LiDAR Feature Maps
xiaoma_bk的博客
09-17 966
文章目录介绍摘要：相关工作紧密耦合的传感器融合框架实验验证： 介绍 摘要： 长期定位中稳健而准确的姿态估计对于自动驾驶至关重要。在本文中，我们使用 LiDAR 特征图和多传感器测量来处理绝对定位。我们提出了一种具有固定滞后平滑的紧耦合融合方法。通过最小化联合成本函数来估计最近维护状态的滑动窗口。该成本函数包括全局 LiDAR 配准的残差以及来自 IMU 和车轮编码器的相对运动学约束。此外，我们通过改进 LiDAR 注册来增强我们方法的稳健性。为了实现这一目标，构建和开发了具有几何和正态分布特征混合的 LiD
ICRA 2021自动驾驶相关论文汇总 | 科研党看过来，全文干货
深度学习技术前沿
07-05 4180
本文来源：知乎作者：wanghy，编辑：智车科技/导读/ICRA（International Conference on Robotics and Automation）是IEEE机...
ICRA 2021| SLAM方向论文汇总
3D视觉工坊
05-17 3960
作者丨wanghy@知乎来源丨https://zhuanlan.zhihu.com/p/371744210编辑丨3D视觉工坊最近扫读了下ICRA 2021 SLAM方向相关的文章，由于总结...
paper reading1.pdf
04-06
majhong机论文Efficient and Precise Points-to Analysis: Modeling the Heap by Merging Equivalent Automata
Paper Reading — 《Spectral-Spatial Attention Networks for Hyperspectral Image Classification》
01-20
《Spectral-Spatial Attention Networks for Hyperspectral Image Classification》这篇论文探讨了如何利用深度学习中的注意力机制提升高光谱图像分类的性能。高光谱图像（Hyperspectral Images, HSI）拥有丰富的...
paper reading:Deep Residual Learning for Image Recognition
04-23
深度残差学习是深度学习领域的一个重要里程碑，由何凯明等研究人员提出，极大地推动了图像识别技术的进步。本文将详细解析"Deep Residual Learning for Image Recognition"这篇论文及其核心概念，结合提供的Network ...
2021 SLAM会议论文汇总
wwtx的博客
11-30 7281
1.ICRA2021 语义定位与建图： Visual Semantic Localization Based on HD Map for Autonomous Vehicles in Urban Scenarios RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving Road Mapping and Localization Using Sparse Semantic Visual F
多传感器信息融合的典型应用_自动驾驶定位算法(十五)基于多传感器融合的状态估计(MultiSensors Fusion)...
weixin_39959482的博客
11-29 1401
Coursera Lecture -> State Estimation and Localization for Self-Driving Cars -> Multisensor Fusion for State Estimation1、传感器(Sensor)选取自动驾驶系统中用于状态估计(State Estimation)的常用传感器包括GPS/GNSS、IMU、激光雷达...
二十五.SLAM中Mapping和Localization区别和思考
weixin_36773706的博客
04-09 6700
专栏系列文章如下： 一：Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono)，基于视觉-激光-惯导里程计的SLAM框架，环境搭建和跑通过程_goldqiu的博客-CSDN博客 二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-CSDN博客 三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍（除主要源码部分）_goldqiu的博客-CSDN博客 四.激光SLAM框架学习之A-LOAM框架---项目工程代
Paper: Recalibrating the KITTI Dataset Camera Setup for Improved Odometry Accuracy
xiaoma_bk的博客
10-18 1047
文章目录综述摘要标定的创新点内容默认校准建议立体相机校准角点检测与细化标定板的匹配和优化校准参数细化实验结果 综述 摘要 提出了一种用于 KITTI 数据集多相机设置的一次性校准的新方法。在较低的校准重投影误差和较低的视觉里程计误差的意义上，该方法产生更好的校准参数。我们进行了实验，展示了三种不同的里程计算法，即 SOFT2、ORB-SLAM2 和 VISO2，使用建议的校准参数显着提高了里程计精度。此外，我们的里程计 SOFT2 与所提出的校准方法相结合，在官方 KITTI 记分牌上实现了最高准确度，平
计算机视觉论文-2021-09-09
中科院AI算法工程师的博客
09-10 1303
本专栏是计算机视觉方向论文收集积累，时间：2021年9月9日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Identification of Social-Media Platform of Videos Through The Use of Shared Features AUTHORS: Luca Maiano ; Irene Ame...
自动驾驶系列—掌握速度，驾驭安全，限速信息提醒功能（SLIF）介绍
最新发布
u013889591的专栏
09-12 857
🌟🌟 欢迎来到我的技术小筑，一个专为技术探索者打造的交流空间。在这里，我们不仅分享代码的智慧，还探讨技术的深度与广度。无论您是资深开发者还是技术新手，这里都有一片属于您的天空。让我们在知识的海洋中一起航行，共同成长，探索技术的无限可能。🚀 探索专栏：学步_技术的首页 —— 持续学习，不断进步，让学习成为我们共同的习惯，让总结成为我们前进的动力。🌈 非常期待在这个数字世界里与您相遇，一起学习、探讨、成长。不要忘了订阅本专栏，让我们的技术之旅不再孤单！💖💖💖 ✨✨ 欢迎关注和订阅，一起开启技术探索之旅！
dp算法练习【7】
MADAO的博客
09-08 1377
给你一个按排序的整数数组nums，返回组成的新数组，要求也按排序。平方后，数组变为 [16,1,0,9,100]排序后，数组变为 [0,1,9,16,100]非常简单，思路平方后排序。优化：插入法。
【数据结构】排序算法系列——希尔排序（附源码+图解）
Skrrapper的博客
09-07 1121
希尔排序实际上是个相当复杂的排序算法，这主要是跟它的步长序列gap到底该如何取、后续应该减小有关。时，数组已经接近有序的了，就整体而言，最后一次整体的插入排序就可以大大提高效率——我们从插入排序的时间复杂度分析也可以看出，可以看到每次减小gap的规律是将原先的gap/2，但事实上这只是其中一种处理方法，并不说明这是最优解。，使得平均情况下的时间复杂度能够在O(n^1.3)左右，而不好的选择则可能导致接近最坏情况的性能。中，我们会将整体数据一分为多份，进行散布式的插入排序，这时候每一个子序列之间的间隙就是。
What are the biggest challenges you face when reading or writing an academic paper in English? How do you deal with it?
04-04
As an AI language model, I do not have personal experiences, but I can list some of the most common challenges for non-native English speakers when reading or writing an academic paper in English: ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值