随笔分类 - AI
YOLOv5常见问题
摘要:yolov5将pt模型导出为onnx 修改项目源码目录下的export.py文件: parse_opt函数中--data的默认值更改为数据集的配置文件 parse_opt函数中--weights的默认值更改为需要转换的pt模型的路径 parse_opt函数中--include的默认值更改为["onn
阅读全文
三维点云变换
摘要:三维点云变换 对三维点云可以进行旋转,平移,缩放等变换。用于表示旋转,平移,缩放等变换的矩阵的定义原理参看相机标定原理 方式1:使用Eigen::Matrix4f定义旋转平移矩阵 #include <iostream> #include <pcl/point_cloud.h> #include <p
阅读全文
相机标定原理
摘要:目录概述1.基本概念2.相机标定坐标系转换世界坐标系与相机坐标系的转换图像坐标系与像素坐标系之间的转换世界坐标系转换为像素坐标系畸变相机标定的方法张正友标定法 概述 1.基本概念 相机焦距:平行光入射时从透镜中心到光聚焦之焦点的距离,一般使用字母f表示。 相机标定就是求解相机的内外参数,畸变参数的过
阅读全文
方差,协方差,协方差矩阵
摘要:目录方差协方差协方差矩阵 方差 方差(variance):用于描述一组随机变量的离散程度 计算公式: 协方差 协方差(covariance):描述不同特征之间的相关情况,通过计算协方差来判断不同特征之间的关联关系。不同特征之间的协方差大于0则正相关,小于0则负相关,等于0则不相关 计算公式:假定训练
阅读全文
PCL绘制圆柱体形状的点云
摘要:目录PCL绘制圆柱体形状的点云结果 通过这个案例,将会学习到: 如何使用PCL创建多个不同的视口展现点云 如何生成梯形圆柱体形状的点云 如何将三维点云投影到不同的平面上 如何将三维点云进行旋转 PCL绘制圆柱体形状的点云 PCL中绘制指定高度的梯形圆柱体形状的点云,参考代码如下: #include
阅读全文
三维点云数据投影
摘要:三维点云数据投影到xy或者yz或者xy平面 示例如下: """ 将3d点云投影到xyz等不同平面上 """ import numpy as np import open3d as o3d import matplotlib.pyplot as plt import mayavi.mlab as ml
阅读全文
PCL读取las格式的点云数据
摘要:环境:visual studio2022,libLAS1.8。 目录visual studio2022编译依赖静态库gdalvisual studio2022编译依赖静态库geotiff1.编译libtiff2.编译geotiffvisual studio2022编译依赖静态库zlibvisual
阅读全文
Windows搭建PCL开发环境
摘要:目录PCL安装及配置开发环境的测试问题 环境:Windows11+PCL1.13.1+visual studio 2022 PCL安装及配置 在https://github.com/PointCloudLibrary/pcl/releases/tag/pcl-1.13.1上下载安装包PCL-1.13
阅读全文
脚本集
摘要:目录批量修改YOLO格式的txt文件内的类别值将给定的一个视频文件或者一个实时流地址切割成帧文件重命名统计指定目录下的文件个数读取单个rtsp流地址,并使用YOLOv8模型进行推理预测 批量修改YOLO格式的txt文件内的类别值 脚本如下: import fileinput from pathlib
阅读全文
基于YOLOv8训练自定义数据集
摘要:目录基于YOLOv8训练自定义数据集目标检测模型的推理输出分析1.模型的输入2.模型的输出YOLOv8将后缀名为pt的模型导出为onnx格式 版本:commit id为d6be91d7866549ccad4b19d65d0e03c7fdbd0ec8 基于YOLOv8训练自定义数据集 克隆下yolov
阅读全文
基于YOLOv5训练自定义数据集
摘要:目录基于YOLOv5训练自定义数据集1.环境配置2.数据集制作3.数据源配置4.模型训练5.模型的基本使用 基于YOLOv5训练自定义数据集 版本:YOLOv5,v7.0 1.环境配置 下载YOLOv5源码 更改anaconda下载包使用的源为国内的以及pip下载包使用的源为国内的 conda co
阅读全文
pytorch的基本使用
摘要:1.Anaconda配置pytorch环境 1.创建环境 在Anaconda Prompt工具中输入conda create -n pyTorch,报如下错误。 解决方法:为 Anaconda 配置国内镜像源。 1. 方式1:使用conda命令在AnacondaPrompt命令行窗口添加 conda
阅读全文
jupyter notebook的安装和基本使用
摘要:1.人工智能发展必备三要素 数据 算法 计算力 计算力之CPU和GPU的区别: CPU主要适用于I/O密集型的任务 GPU主要适用于计算密集型任务 2.人工智能,机器学习,深度学习三者的关系 机器学习是人工智能的一个实现途径 深度学习是机器学习的一个方法发展而来 3.机器学习概述 1.机器学习的定义
阅读全文
Matplotlib的基本使用
摘要:1.Matplotlib 1.什么是Matplotlib Matplotlib:专门用于开发2D图表,包括3D图表。 2.简单的实现画图 1.画图的基本步骤 导入matplotlib.pyplot模块 # pyplot是常用的绘图模块 import matplotlib.pyplot as plt
阅读全文
numpy的基本使用
摘要:参考 1.Numpy介绍 Numpy全称为numberical python。 2.ndarray介绍 ndarray全称N-dimensional array,一个N维数组类型,相同类型元素的集合。==ndarray比python中的原生列表运算效率高。== 因为ndarray中的所有元素的类型都
阅读全文
Anaconda的基本使用
摘要:1.Anaconda的安装及配置 环境:Windows 官网下载 检验是否安装成功:打开Anaconda Prompt命令行窗口,执行conda --version查看版本号 使用conda info查看anaconda的默认配置信息,可以看到anaconda使用的源地址为repo.anaconda
阅读全文
Pandas的基本使用
摘要:参考手册 PandasAPI参考 1.Pandas介绍 1.Pandas简介 以Numpy为基础,借助Numpy模块在计算方面性能高的优势 基于matplotlib,能够简便的画图 2.Pandas的优势 增强图表可读性 便捷的数据处理能力 读取文件方便 封装了Matplotlib、Numpy的画图
阅读全文
浙公网安备 33010602011771号