biter0088的博客

ubuntu系统配置大恒相机驱动并读取ros话题

点云数据中的噪点通常是指那些无意义、不规则的点，它们可能由于传感器的错误测量、环境的干扰等因素造成。在处理点云数据时，需要将这些噪点去除，以提高数据质量和后续处理效果。

open3d，python-pcl，numpy 点云数据格式转换

print(torch.cuda.is_available()) False（1）查看torch版本，及其是否与cuda版本是否匹配：（2）查看cuda是否还存在以及cuda的版本（3）查看显卡驱动是否正常（4）安装显卡驱动--这一步可能不需要执行（5）解决显卡驱动问题（6） 测试cuda是否可用

训练自己的opencv级联分类器@meng一 采集数据并制作正负样本数据集二 利用matlab制作制作正样本标注框文件三 开始训练opencv级联分类器3.1 生成正样本文件pos.txt3.2 生成负样本文件neg.txt 3.3 生成样本文件四 测试级联分类器及调参4.1 pub_image功能包4.2 利用级联分类器检测车辆4.3 编译运行

目录search() [1/3]search() [2/3]search() [3/3]search() [1/3] template<class NODE , class I >NODE * octomap::OcTreeBaseImpl< NODE, I >::search ( const OcTreeKey & key, unsigned int depth = 0 ) const作用：...

说明：updateNode函数是octomap中常用的函数，在多个头文件中都有定义：octomap::OccupancyOcTreeBase< NODE >octomap::OccupancyOcTreeBase< ColorOcTreeNode >octomap::OccupancyOcTreeBase< OcTreeNode >octomap::OccupancyOcTreeBase< OcTreeNodeStamped >...

--持续补充1 std_msgs::ColorRGBA定义如下，其中rgb三个参数范围为float32 rfloat32 gfloat32 bfloat32 aR，指的是红色值（Red）；G，指的是绿色值（Green）；B，指的是蓝色值（Blue）；A，指的是透明度（Alpha）。R、G、B这三个可以为整数，取值范围为0~255，也可以为百分比，取值范围为0%~100%；值越大，颜色越重。参数A为透明度，跟opacity（不透明...

说明：下面的步骤将octomap、octomap_server、octomap_ros、octomap_msgs等功能包的源码（cpp、.h等）进行了集中，使其在一个工作空间中，这样就能够点击查看任何函数、任何变量的定义了目录1 下载备用（1）下载octomap源码：（2）下载octomap_mapping源码：（3）下载octomap的其他包2 搭建octomap工作空间（1）创建工作空间（2）放入octomap_mapping包（3）放入octoma...

目录一 参数latch分析1 launch文件的一种配置为：（latch为true）2 latch传递值给m_latchedTopics3 查询m_latchedTopics4 判断是否发布特定话题（1）publishFreeMarkerArray--空闲三维栅格（2）publishMarkerArray--占据三维栅格（3）publishPointCloud--点云（4）publishBinaryMap--二值八叉树地图（5）publishFullMap--...

报错：[ WARN] [1652516663.964101392]: MessageFilter [target=odom_combined ]: Dropped 100.00% of messages so far. Please turn the [ros.octomap_server.message_filter] rosconsole logger to DEBUG for more information.报错原因：启动octomap建图时，ros系统中的坐标转换（...

1 安装依赖：1.1 查看ros自带的octomap版本到文件：/opt/ros/melodic/share/octomap/octomap-config-version.cmake中检查ros自带的版本：（其他ros版本也在对应位置） 我这里是1.9.7版本。到github下载对应版本的octomap：https://github.com/OctoMap/octomap依次点击三个箭头所指处：Tags，v1.9.7,Cod...

张量投票： （注：下文中的“点”指的是，用传感器模型获得的环境的离散化表示，如用激光雷达获取的点云，或者是把双目相机的图像转换得到的点云等）Stumm等人提出张量投票是一种获得密集几何信息的方法。基本上，张量投票通过点投票提取几何基元(例如平面、直线和球体)和相关的显著性（这里理解为：是某种几何基元的可能性大小）。这个过程通常分为两步：首先，假设点是球体，它们之间进行投票，以获得局部结构的第一个想法/理解（稀疏投票）；然后，提取的张量根据其形状和显著...

目录0 前言1 下载编译1.1 下载1.2 编译2 从点云数据包创建栅格地图2.1 ImportError: cannot import name perf_counterImportError: dynamic module does not define module export function (PyInit__tf2)2.2 目录不对2.3 缺包2.4 NameError: name 'reload' is not defined2.5 运行效果.

1 安装使用pip安装即可pip install kitti2bag 其中kitti2bag的github链接：https://github.com/tomas789/kitti2bag 如果因为proxy代理的原因，一直pip install不了，可以试试换台电脑转换数据(这或许更有用）2.下载并解压数据数据 到网页：The KITTI Vision Benchmark Suite下载数据（可能需要注册）；这里下载一个“数...

原文名称: PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space译文名称：PointNet++：度量空间中点集的深度分层特征学习在这项工作中，我们提出了 PointNet++，这是一种强大的神经网络架构，用于处理在度量空间中采样的点集。PointNet++ 在输入点集的嵌套分区上递归地运行，并且在学习关于距离度量的分层特征方面是有效的。为了处理非均匀点采样问题，我们提出了两个新颖的集合抽象级

RangeNet++: Fast and Accurate LiDAR Semantic SegmentationRangeNet++：快速准确的 LiDAR 语义分割目录摘要1 Introduction2 Related Work3 Our ApproachA. Range Image Point Cloud Proxy Representation(距离图像点云代替表示)B. Fully Convolutional Semantic Segmentation(全卷积语义分

PointNet：用于 3D 分类和分割的点集的深度学习PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation正在上传…重新上传取消Abstract点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将此类数据转换为规则的 3D 体素网格或图像集合。但是，这会使数据变得不必要地庞大(voluminous)并导致问题。在本文中，我们设计了一种直接消耗点云的新型神经网络，它很好地尊重

FastFCN: Rethinking Dilated Convolution in the Backbone for SemanticFastFCN:重新思考膨胀卷积在语义分割主干网络中的作用注：部分插图近几天补上，赶其他ddl去了摘要： 当前的语义分割方式通常会在主干网络中使用空洞卷积（dilated convolutions ，扩张卷积）以提取高分辨率的特征图像，但这会带来严重的计算复杂度和内存占用。我们提出了一个名为JPU的新奇的联合上采样模块，通过从多...

编译move_base的spatio_temporal_voxel_layer包时报错：CMake Error at /usr/local/share/cmake-3.9/Modules/FindPackageHandleStandardArgs.cmake:137 (message): Could NOT find OpenVDB (missing: OPENVDB_LOCATION)Call Stack (most recent call first): /usr/local/share

FsatFCN上一篇：深度学习(五)：FastFCN代码运行、测试与预测_biter0088的博客-优快云博客3 测试模型3.2.4 predict [multi-scale]（多尺寸）#github参考输入#predict [multi-scale]CUDA_VISIBLE_DEVICES=0,1,2,3 python -m experiments.segmentation.test --dataset pcontext \ --model encnet --jpu [JP

0 前言本机：RTX3070,cuda-11.0 官方github:https://github.com/PRBonn/lidar-bonnetal 论文：RangeNet++: Fast and Accurate LiDAR Semantic Segmentation0.1 KITTI语义分割数据集--SemanticKITTI 链接：SemanticKITTI - A Dataset for LiDAR-based Sem......

0 前言本机：RTX3070 cuda-11.0python环境：pytorch-1.7.0，python=3.7 作者github:https://github.com/fxia22/pointnet.pytorch 作者论文：https://arxiv.org/abs/1612.005930.1 shapenet数据集 官网地址：ShapeNet，是斯坦福大学发布的ShapeNet 由几个子集组成：.........

0 前言全称：FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation----沈阳自动化所团队 论文：https://arxiv.org/abs/1903.11816 github：https://github.com/wuhuikai/FastFCN 本机：RTX3070、cuda-11.0、torch-1.7.1+cu110...

目录一、tensorflow安装与测试1.1 tensorflow 与cuda版本对应版本1.2 测试gpu一、tensorflow安装与测试1.1 tensorflow 与cuda版本对应版本 官网链接：从源代码构建 | TensorFlow，选择英文版本： 本机为ubuntu18.04，cuda为11.0，对照安装tensorflow版本为2.4.0pip install tensorflow==2.4.0...

0 前言电脑:RTX3070、cuda-11.0，系统ubuntu18.04 官网：https://github.com/ultralytics/yolov51 环境配置1.1 python环境下载代码：git clone https://github.com/ultralytics/yolov5 进入到下载目录：#python3.7的环境conda create -n yolov5py37 python=3.7#安装其他需...

报错：QObject::~QObject: Timers cannot be stopped from another thread解决方案：重新编译opencv，将选项WITHOUT_QT设为True 参考：github issue。参考链接：ORB-SLAM2:QObject::~QObject: Timers cannot be stopped from another thread_Yan-优快云博客https://github.com/rau......

1.可视化卷积神经网络的网站CNN Explainer Learn Convolutional Neural Network (CNN) in your browser!https://poloclub.github.io/cnn-explainer/通过点击图标来理解卷积、池化、激活函数、全连接。2.Yolov5模型权重下载https://github.com/ultralytics/yolov5/releaseshttps://github.com/ultralytics..........

0.前言参考github仓：https://github.com/wkentaro/fcn1.配置环境 选择python3.6版本进行配置

无人驾驶学习的一些碎片知识点

一、二值贝叶斯滤波1.1 二值贝叶斯滤波背景参考链接：占据栅格地图（occupancy grid maps） -- 二值贝叶斯滤波应用https://blog.youkuaiyun.com/haishaoli/article/details/79647594

写一个简单的卡尔曼滤波器

0、前言 接着下面链接的2.1 simple demo。grid_map（二）：ubuntu16.04安装测试grid_map 1.6.0-1.6.2https://blog.youkuaiyun.com/BIT_HXZ/article/details/122783924?spm=1001.2014.3001.5502

0、前言 参考grid_map包的readme.md里面grid_map_filters部分，链接如下：https://github.com/ANYbotics/grid_map/tree/1.6.0#grid_map_filtershttps://github.com/ANYbotics/grid_map/tree/1.6.0#grid_map_filters

一、编译安装 系统ubuntu16.04、ros-kinetic。1.1 官方githubGitHub - ANYbotics/grid_map: Universal grid map library for mobile robotic mappingUniversal grid map library for mobile robotic mapping - GitHub - ANYbotics/grid_map: Universal grid map libr...

0.参考https://github.com/Slamtec/rplidar_ros/issues/5https://github.com/Slamtec/rplidar_ros/issues/5https://github.com/Slamtec/rplidar_ros/pullshttps://github.com/Slamtec/rplidar_ros/pulls1.报错:[ERROR] [1642410678.526574913]: Error, operation time out..

报错-- Could NOT find sparse_bundle_adjustment (missing: sparse_bundle_adjustment_DIR)-- Could not find the required component 'sparse_bundle_adjustment'. The following CMake error indicates that you either need to install the package with the same name or

一、gps1.SBAS（Satellite-Based Augmentation System）即星基增强系统，通过地球静止轨道（GEO）卫星搭载卫星导航增强信号转发器，可以向用户播发星历误差、卫星钟差、电离层延迟等多种修正信息，实现对原有卫星导航系统定位精度的改进。SBAShttps://baike.baidu.com/item/SBAS/712771?fr=aladdin2.RTK（Real - time kinetic ） 实时动态载波相位差分技术，...

0.前言作为一个学感知的人，学了一年半，没有一个拿出手的感知建图程序，自认为子自己时非常惭愧的，于是像多挖掘写grid_map这个强大package的功能；这个系列自己一定要更新到自己学明白呀呀呀呀。 github代码：https://github.com/ANYbotics/grid_maphttps://github.com/ANYbotics/grid_map......

一、修改launch文件和lua配置文件（1）修改revo_lds.lua到目录下，打开文件/xx/catographer_ws/src/cartographer_ros/cartographer_ros/configuration_files/revo_lds.lua修改三个地方，如下有注释的地方，其中--为注释 tracking_frame = "laser", --horizontal_laser_link改为laser published_frame = "laser