To be a better man

【代码】获得障碍物检测框在图像中显示，并在Txt中打印。

#!/usr/bin/python# -*- coding: UTF-8 -*-import numpy as npfrom statistics import meanfrom scipy import statsimport statisticsimport matplotlib.pyplot as pltcommon_path_1 = "/home/tage/lidar_annotation/_label/"common_path_2 = "snow/01/"label_txt .

data_clear.py主要是用生成需要的数据，什么数据呢障碍物信息 x y z intensity非障碍物信息 x y z intensity障碍物点云强度 intensity非障碍物点云强度 intensityfrom statistics import meanimport numpy as npfrom scipy import statsimport statisticspattern = "Ground"common_path_1 = "/home/tage/lidar

为了证明获得的点云的反射强度是投影到障碍物上的，因此对获得的障碍物的点进行滤除，如果障碍物的点云大部分减少甚至完全滤除，证明获得的点云的反射强度是障碍物身上的。下面就上传一下获取障碍物点云反射强度的代码以及滤除障碍物之后合成的pcd文件的代码。data_clean.py获得障碍物的点云强度信息，也就是反射强度import numpy as nppath1 = "/home/tage/lidar_annotation/_label/dust1.txt" # 障碍物点云数据path2 = "/ho..

首先要报pcd中文件的坐标以及强度信息解析成txt如下图//该例程将订阅/turtle1/pose话题，消息类型turtlesim::Pose#include <ros/ros.h>#include <pcl/point_types.h> //PCL对各种格式的点的支持头文件#include <iostream> //标准输入输出流#include <pcl/point_cloud.h>#include <pcl/io/pcd_io.h&

最近在做一个关于不同障碍物点云强度的测试。第一步就是用官方驱动录制数据，没错，就是rosbag record的操作，接下来需要对录制的数据保存成pcd文件，并且必须是要带有强度信息的，这时候我们运行我们录制的数据，同时在一个文件夹下打开终端，在终端中输入如下命令rosrun pcl_ros pointcloud_to_pcd input:=/rslidar_points，其中rslidar_points为测试激光雷达的话题。...

import os, random, shutilfrom pathlib import Pathdef moveFile(imagesTrainDir,tarDir): image_train_pathDir = os.listdir(imagesTrainDir) # 训练集图片的路径 length_images_train = len(image_train_pathDir) # 训练集图片数量 filp_length = length_images_train//10

import os, random, shutilfrom pathlib import Pathdef moveFile(imagesTrainDir, imageValDir,labelTrainDir,labelValDir): image_train_pathDir = os.listdir(imagesTrainDir) # 训练集图片的路径 image_val_pathDir = os.listdir(imageValDir) # 验证集图片的路径 label_

import cv2vc = cv2.VideoCapture('视频路径') # 读入视频文件c = 1d = 0if vc.isOpened(): # 判断是否正常打开 rval, frame = vc.read()else: rval = FalsetimeF = 10 # 视频帧计数间隔频率# try:while rval: # 循环读取视频帧 rval, frame = vc.read() if (c % timeF == 0): #

import os, random, shutildef moveFile(fileDir, tarDir,labelTrainDir,labelValDir): pathDir = os.listdir(fileDir) # 原始图片的路径 file_list = os.listdir(labelTrainDir) # 原始标签的路径 filenumber = len(pathDir) rate = 0.2 # 选取图片的比例，这里我的训练集和验证集数据量比例为4:

json文件转成utf-8的格式import os#files = os.listdir(".")#获取当前目录下的文件from chardet.universaldetector import UniversalDetector def get_filelist(path): Filelist = [] for home, dirs, files in os.walk(path): for filename in files: # 文件

from PyPDF2 import PdfFileReader, PdfFileWriterori = “./wdq.pdf” # 源文件out = “./output.pdf” # 目标文件pdfReader = PdfFileReader(open(ori, ‘rb’))pdfFileWriter = PdfFileWriter()numPages = pdfReader.getNumPages()remove = (11,11) # 要删除的页面，注意起始页为0for index

#include <ros/ros.h>#include <sensor_msgs/Imu.h>#include <sensor_msgs/PointCloud2.h>#include <opencv/cv.h>#include <pcl/point_cloud.h>#include <pcl/point_types.h>#include <pcl_ros/point_cloud.h>#include &l

ping 不通root@7835ae7026f0:/# ping www.baidu.combash: ping: command not found解决方法：apt-get updateapt-get install iputils-ping

最小二乘所谓的最小二乘，就是求∑(观测值−理论值)2\sum(观测值-理论值)^2∑(观测值−理论值)2最小。详细解释可以参考：https://zhuanlan.zhihu.com/p/38128785最大似然估计

随机森林，是集成学习的方法。举个例子：就是大家都说你好，你才是真的好，而这个大家就是森林，具体到每一个人，个人就作为一个决策树，大家对你作评价的时候相互之间没有联系 ，保证评价对你是客观全面的。而决策树就是独立的学习方法，单纯的一个人对你评价可以会存在偏差，所以大家对你的评价才会更客观，所以说集成学习更全面，取长补短。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多。然后看看哪

需求分析要求从两个csv中，的以其中一个表格某一列的内容为参考，找到另一个csv的与之相对应的列内容，如果内容相同，就把这两个表格中的两条数据放到新表中，在新表中的一行中，分别是左边和右边代码实现import csvimport pandas as pdimport numpy as np'''查找相同子公共子序列 获得索引'''def print_hi(name): list1 = [] # 存放表格1 的列内容 list2 = [] # 存放表格2 的列内容

系统是Ubuntu 16.04TLSROS Kinetic相机型号是水星M-132GC 要停产了的相机经过测试，已经实现了在ROS下同时跑多个大恒相机并且是基于IP的。如果有需要可以留言，点赞收藏，我邮箱发给你们

T(n)=3T(n/4)+θ(n)T(n) = 3T(n/4) + \theta(n)T(n)=3T(n/4)+θ(n)T(n)=T(n−1)+θ(n)T(n) = T(n-1) + \theta(n)T(n)=T(n−1)+θ(n)T(n)=T(n2)+θ(n)T(n) = T(\frac{n}{2}) + \theta(n)T(n)=T(2n​)+θ(n)T(n)=T...

1.画图说明特征向量的几何意义是什么？2.非线性变换解决了神经网络中线性可分性的什么问题？3.简述通过主成分分析实现降维的流程。PCA降维步骤：1.对所有样本进行中心化处理2.计算协方差矩阵3.求协方差的特征值和特征向量4.将特征值按照从大到小的顺序排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为列向量组成转换矩阵5.通过低阶转换矩阵，把原矩阵转换成低维矩阵。4.最大...

1.深层网络的层次达到一定深度后会产生什么问题？Resnet是如何解决这个问题的？**问题：**网络层数加深后，网络优化难度加大，性能变差，出现网络模型退化问题。解决方案：通过浅层次网络模型获得特征直接copy到更深的网络。通过shot cut路径，直接把输入传到输出端，强行作为单位映射部分作为学习中的另一部分。2.Faster RCNN在RCNN，Fast RCNN的基础上进行了哪些改进？...

1. 相比Lenet-5, Alexnet进行了哪些改进？这些改进起到了什么作用？（1） ReLU代替Sigmoid,深度网络梯度离散；（2） Dropout随机激活，避免过拟合；（3） 两个CPU并行计算，提高计算效率2. VGG中为什么采用更小的卷积核？VGG网络参数数量很多,在深层次中用小卷积核捕捉细节的变化，同时降低了计算量3. 画出Inception模块的结构图，Google...

1.卷积层中的共享参数是什么？如果一组权重（卷积核）在图像中的某个区域提取有效的表示，也能在图像另外区域中提取有效表示，在相同激活映射上的不同位置的盛京医院共享相同的权重2.池化层的作用是什么？降低图片的空间尺寸。池化层根据神经元空间上局部统计信息进行采样，在保留有用信息同时减少神经元空间大小，是参数量减少并降低过拟合的可能。3.为什么ReLU经常用于神经网络的激活函数？对正数原样输出，...

1. 人工神经元如何模拟生物神经元中的轴突，突轴和树突的？输出层代表轴突，权重代表突轴，输入层代表树突。2. 传统神经网络采用什么训练方法，存在哪些问题？采用BP算法。BP算法存在的问题：（1）梯度越来越稀疏：从顶层越往下，误差校正信号越来越小；（2）收敛到局部最小值：尤其是从远离最优区域开始的时候（随机值初始化会导致这种情况的发生）；（3）一般，我们只能用有标签的数据来训练：但大...

好的特征具有什么样的性质？机器学习提取特征时存在哪些局限性？深度学习借鉴了人脑视觉机理的哪些特点？特征越多越好吗？特征多带来哪些影响？无监督学习和有监督学习的区别是什么？为什么需要深层神经网络？2006年多伦Hinton教授在《科学》上发表的开启深度学习浪潮的论文的主要观点是什么？...

打造炼丹神器1. 安装Docker2. 创建容器3. 添加Docker Interpreter1. 安装Docker具体操作就看教程吧，翠花，上链接：https://yeasy.gitbook.io/docker_practice/install2. 创建容器3. 添加Docker Interpreter参考：https://zhuanlan.zhihu.com/p/52827335...

SIFT 全称是Scale-Invariant Feature TransformScale-space extrema detection 尺度空间极值检测Keypoint localization 关键点定位Orientation assignment 方向赋值Keypoint descriptor 关键点描述尺度空间的第一步操作是获取高斯金字塔，高斯金字塔是图片在不同尺寸下进行的高斯模糊变换后的图片...

Canny 边缘检测主要步骤：先把图像变成灰色计算图像梯度，其中每个像素的亮度对应该店的梯度值。通过寻找最大的梯度值，就可以找到边缘。首先，我们需要读入图像import matplotlib.pyplot as pltimport matplotlib.image as mpimgimage = mpimg.imread('exit-ramp.jpg')plt.imshow(image)将图片转换成灰度图片，代码如下：import cv2 #bringing in OpenCV

本文分为两部分，一部分是介绍鱼眼相机畸变校正的原理，一部分是手撕OpenCV相机矫正代码。文章主要结构如下图所示：介绍鱼眼相机的原理什么是鱼眼相机相机内参标定相机内外参标定畸变矫正径向畸变枕型畸变桶型畸变切向畸变薄透镜畸变离心畸变OpenCV代码实现编译环境代码解析只转载不声明来源的行为是弟弟行为～参考文章：https://marvae.github.io/2018-09-06/opencv-install/...

先来写付费专栏的第一个项目吧。我们的宗旨是遇到问题，解决问题。那么首先我们看一下我们的问题是什么吧？发现问题\color{green}发现问题发现问题利用Gabor象限特征实现掌纹识别，从网上找到Gabor变换代码，进行象限特征提取和掌纹匹配（分别计算同一个掌纹和不同掌纹的相似度）拿到这个问题，我们首先抓住文章的关键词，我找到的关键词如下：分析问题\color{green}分...

背景与意义在Web2.0时代，尤其是随着Flickr、Facebook等社交网站的流行，图像、视频、音频、文本等异构数据每天都在以惊人的速度增长。例如， Facebook注册用户超过10亿，每月上传超过10亿的图片；Flickr图片社交网站2015年用户上传图片数目达7.28亿，平均每天用户上传约200万的图片；中国最大的电子商务系统淘宝网的后端系统上保存着286亿多张图片。针对这些包含丰富视觉信息的海量图片，如何在这些浩瀚的图像库中方便、快速、准确地查询并检索到用户所需的或感兴趣的图像，成为多媒体信息检

由zf=xxl\frac{z}{f}=\frac{x}{xl}fz​=xlx​得z=f.xxlz=f . \frac{x}{xl}z=f.xlx​ (1)由zf=x−bxr\frac{z}{f}=\frac{x-b}{xr}fz​=xrx−b​得z=f.x−bxrz=f . \frac{x-b}{xr}z=f.xrx−b​(2)由（1）（2）得f.xxl=f.x−bxrf . \frac{x}{xl} = f . \frac{x-b}{xr}f.xlx​=f.xrx−b​即：xxl=x−b.

预测值，模型的输出，模型训练以后得到的输出值。观测值，就是模型的输入，如果是图像的话，就是模型摄像头通过图像传感器的输入。真实值就是物理世界的值，是肉眼看到的，没有任何误差的。...

这是我的第一篇付费文章，我也不知道是否会有人看，为什么要开通付费专栏呢？一是今天我要写一片开发博客的时候，优快云原来的写文章变成了创作中心。点击链接进去之后，出现如下画面我就好奇了，我的阅读量那么多，怎么一点收益也没有，而且我的博客确实也帮助了很多人。那我就开通一个付费专栏，看看能不能收到一份钱吧。这是一个原因，此外还有另外的原因就是，也是激励自己多多创作，证明自己的价值吧。在现...