11 2021 档案

图像 或者 点云 的变换种类
摘要：刚性变换： 只有物体的位置(平移变换)和朝向(旋转变换)发生改变，而形状不变，得到的变换称为刚性变换。刚性变换是最一般的变换。 仿射变换 可以通过一系列的原子变换的复合来实现，包括：平移（Translation）、缩放（Scale）、翻转（Flip）、旋转（Rotation）和剪切（Shear）。 阅读全文
posted @ 2021-11-30 17:41 mashuai_191 阅读(258) 评论(0) 推荐(0)
标定 求解 变换矩阵
摘要：Ref: 由空间三对点求解两个坐标系之间的变换矩阵, 原理为 《Estimating 3-D Rigid Body Transformations: A Comparison of Four Major Algorithms》 OpenCV 之 空间刚体变换 FINDING OPTIMAL ROTA 阅读全文
posted @ 2021-11-30 10:44 mashuai_191 阅读(288) 评论(0) 推荐(0)
三维点云
摘要：常用软件和开源库 - PCL, CloudCompare(作者强烈推荐)， MeshLab, 此外还有下面的商业软件 RANSAC 提取线、面、圆柱体、球体 Ref： 三维点云系列视频 https://www.bilibili.com/video/BV1QK4y1K7DD PCL 在win11上安装 阅读全文
posted @ 2021-11-28 10:07 mashuai_191 阅读(305) 评论(0) 推荐(0)
多传感器标定
摘要：雷达Lidar和相机外参标定 多雷达Lidar 外参标定 融合中标定，就是在融合的同时把标定也一起做了，不需要专门的标定，这方面的工作有很多，其中包含众多vio/lio系统，如vins、lio-mapping、M-Loam 等 三种思路的精度由高到低依次为： a. 基于共视的标定 b. 融合中标定 阅读全文
posted @ 2021-11-15 09:46 mashuai_191 阅读(486) 评论(0) 推荐(0)
attention, transformers
摘要：这啥呀，慢慢啃 Attention 最初来源于 NLP 机器翻译的 Sequence to Sequence 模型，早先的encoder-decoder结构随着句子长度增加翻译性能会下降，因为模型记不住太长的句子。人类翻译的直观的感觉是看一部分翻译一部分，只关心要翻译的那一小部分，这个就是atten 阅读全文
posted @ 2021-11-11 15:50 mashuai_191 阅读(92) 评论(0) 推荐(0)
Coursera, Deep Learning 5, Sequence Models, week4, Transformer Network
摘要：self-attention multi-head attention 阅读全文
posted @ 2021-11-10 11:16 mashuai_191 阅读(67) 评论(0) 推荐(0)
点云 图像 融合 障碍物检测
摘要：总的来说现在的点云图像融合算法可以分成三类：输入层融合、特征层融合和决策层融合。 2020 的两篇在特征层做融合的： 3D-CVF EP-Net 而在应用方面，目前在输入层融合和决策层融合的算法还是比较实用： PointPainting AFDet Ref： https://zhuanlan.zhi 阅读全文
posted @ 2021-11-08 21:15 mashuai_191 阅读(314) 评论(0) 推荐(0)