YEAH-Han-优快云博客

原创 [bevformer渲染可视化] 2d框可视化并可视化出小目标

3.按照需求修改代码（本文是2dbox面积的面积和整个图片的面积比小于0.03视为小目标）2.下载nuscenes v1.0-mini数据集,修改数据集路径，保证能读取到数据集。在bevfomer环境下运行此python文件。1.复制代码全文到任意python文件中。

2024-09-02 16:04:22 436 1

原创 [bevformer渲染可视化] GT与PRED进行iou匹配，输出漏检误检

2.修改bevformer_results = mmcv.load('test/bevformer_tiny/Sat_Jul__6_12_03_22_2024/pts_bbox/results_nusc.json')路径。1.复制代码全文到BEVFormer/tools/analysis_tools/visual.py文件中。3.可修改iou值，进行不同iou匹配输出不同程度的匹配结果。

2024-09-02 15:48:48 603

原创 [bevformer渲染可视化] GT和PRED输出到不同文件夹

2.修改bevformer_results = mmcv.load('test/bevformer_tiny/Sat_Jul__6_12_03_22_2024/pts_bbox/results_nusc.json')路径。1.复制代码全文到BEVFormer/tools/analysis_tools/visual.py文件中。

2024-09-02 15:34:09 493

原创 [bevformer渲染可视化] Pred和GT框在同一张图片上

2.修改bevformer_results = mmcv.load('test/bevformer_tiny/Sat_Jul__6_12_03_22_2024/pts_bbox/results_nusc.json')路径。1.复制代码全文到BEVFormer/tools/analysis_tools/visual.py文件中。（红色为GT框，剩下的为PERD框）

2024-09-02 15:20:24 415

原创 [bevformer渲染可视化] 2d框可视化并在图片中截出2d框

2.修改bevformer_results = mmcv.load('test/bevformer_tiny/Sat_Jul__6_12_03_22_2024/pts_bbox/results_nusc.json')路径。1.复制代码全文到BEVFormer/tools/analysis_tools/visual.py文件中。

2024-09-02 11:29:31 593

原创 Faiss assertion ‘err == CUBLAS_STATUS_SUCCESS‘ failed in void faiss::gpu::runMatrixMult(faiss::gpu::

报错：Faiss assertion 'err == CUBLAS_STATUS_SUCCESS' failed in void faiss::gpu::runMatrixMult(faiss::gpu::Tensor<float, 2, true>&, bool, faiss::gpu::Tensor<T, 2, true>&, bool, faiss::gpu::Tensor<IndexType, 2, true>&, bool, float, float, cublasHandle_t, cuda

2024-06-23 22:02:49 1093

原创 (3dcc)报错:torch.nn.modules.module.ModuleAttributeError: ‘VisionTransformer‘ object has no attribute ‘

【代码】(3dcc)报错:torch.nn.modules.module.ModuleAttributeError: ‘VisionTransformer‘ object has no attribute ‘

2024-06-17 11:16:02 483

原创 vscode操作git详解

基于 VScode 的 git 详细使用指南【保姆级！建议收藏！】_vscode git-优快云博客

2024-05-30 20:42:21 403 2

原创 (docker) 进入容器安装miniconda3,使用conda配置训练环境

注意：在第2步添加内容的时候，不可以写成：export PATH=$PATH:/root/miniconda3/bin，主要是因为系统会先遍历$PATH，再遍历/root/miniconda3/bin，如果在$PATH有其他conda环境，则会激活的是该环境，并非为我们的目标路径环境。如果有此命令，则不添加，进入3。激活进入miniconda环境，出现报错。按键i进入输入模式，将以下内容复制进去。按键Esc,输入：wq 退出并保存编辑。完成安装后，进行环境配置。按键Esc,输入：wq。

2024-05-11 09:40:46 1983

原创（docker）进入容器后如何使用本机gpu

首次创建容器，不能直接使用本机gpu在。

2024-05-11 09:23:17 1097 1

原创 ubuntu22.04:软件包 wps-office 需要重新安装,但是我无法找到相应的安装文件

说明： sudo命令是以root执行，第一行命令是要删除出错的deb包的dpkg的信息文件，这里把wps-office替换为你的出错的软件包名称即可。第二行命令就是强制移除出错的deb包的安装文件，同样将wps-office替换为你的出错的deb软件包名称即可。错误原因：手动在wps官网上下载的linux deb版本的wps2019,想卸载但是一直报错。解决办法：执行如下命令。

2024-05-06 23:46:54 504 1

原创 (bevfusion:多模态融合)报错：ModuleNotFoundError: No module named ‘tools.dataset_converters‘

执行命令： python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes后。报错找不到tools.dataset_converters模块。进行nuscenes数据处理时，解决办法：在终端执行。

2024-04-27 21:31:50 673 1

原创 (bevfusion:多模态融合)报错：AttributeError: module ‘numpy‘ has no attribute ‘long‘

(由于我的报错在环境内部，不好修改，所以直接降低的numpy版本)解决办法1：降低numpy版本（我的报错版本是1.24.4）解决办法2：或者将np.long改为np.int64。

2024-04-27 21:26:36 257 2

原创 (bevfusion:多模态融合)报错：ModuleNotFoundError: No module named ‘numba.core‘

解决办法：更新numba版本。

2024-04-27 21:21:58 560

原创 COLMAP(Windows)实现SFM三维重建位姿估计

-----------------------------------------------------------分界线-----------------------------------------------------------Guassian splatting第一步用colmap进行位姿估计，图片匹配失败，输出图片全靠运气，最少的时候甚至一张都没匹配上，所以想到用colmap软件先进行匹配，再放入高斯训练。Workspace folder，【Select folder】选择项目目录。

2024-03-29 22:49:59 3357 4

原创 COLMAP 【Feature matching】特征匹配参数解释

但是它也会有其他的问题，比如在拍摄开始和拍摄结束，都拍摄的同一个物体，但由于误差累计，可能会重建出两个一模一样的（只是会有些偏差）。但是在试了前面几种方法，效果还是不理想，怀疑人生的时候，我发现可以自己去定义哪几张图像匹配哪几张不匹配，最后简直有奇效！但在实际操作过程中发现很多时候这种方式耗时长而且效果也不好，尤其是当场景很相似时会集中在一团，例如建筑的四个面都很像，这时匹配后会认为只拍到了一个面，其他三面都重建不出来。这是针对大场景，图像数量很多时，会自动分成几个部分并行计算，最后拼在一起。

2024-03-29 18:10:28 3110

原创【YOLOv5】：something is wrong. (Upsample‘ object has no attributerecompute scale factor‘)

直接进入Pytorch源码对应的报错的文件（本文中的位置在"D:\Installs\anaconda3\envs\autoimg\Lib\site-ackages\torch\nn\modules\upsampling.py"中），然后将对应的recompute_scale_factor=self.recompute_scale_factor部分删除就行。

2024-03-15 15:44:07 464