hehern的博客

1.卡尔曼滤波是什么？ 为什么要对事物状态进行估计？由于我们无法准确知道物体的当前状态，为了获得事物状态我们需要测量。但是测量值并不是准确的，总会存在噪声。卡尔曼滤波是一种结合预测（先验分布）和测量更新（似然）的状态估计算法。 预测模块就是对物体的运动建立运动模型，本文栗子中的行人状态估计我们采用恒速度模型（CV），通过对上一时刻的最优估计进行运动模型转换，得到当前时刻的估计状态，以及预测误差。 更新模块是根据当前时刻的测量值和预测状态得到当前时刻的状态最优估计。 2.卡尔曼公式 Predict： Xk=F

1.gpu驱动安装： 在nvidia官网下载符合自己gpu型号的驱动，chmod+x增加可执行权限，然后用./xxx.run安装 过程中提示gcc版本4.8.5不符合，需要安装7.4.0，教程：https://blog.youkuaiyun.com/xs1102/article/details/89175293 安装之后还是显示gcc compil是4.8，使用以下教程：https://blog.youkuaiyun.com/hizengbiao/article/details/103698560 https://www.jian

代码已经上传至github:lidar_perception https://github.com/hehern/lidar_perception 如果对你有帮助，请在github上帮忙点个star，谢谢！ 代码包含： １．点云坐标转换: 可以使用urdf实时tf发布，或者使用静态tf变换，实现雷达坐标系到车辆坐标系的坐标转换，车辆坐标系为前左天坐标系； ２．点云裁剪: 使用矩形框对点云进行裁剪，...

guthub分支：https://github.com/hehern/PIXOR phlip_huang的PIXOR分支：https://github.com/philip-huang/PIXOR 简介：该分支是copy的phlip_huang的PIXOR分支，直接使用的原代码主人的训练结果。在这基础上添加了ros实现代码-pixor_ros.py并在preprocess/LidarPrepro...