LIDAR

[vscode] [python] 运行.py文件时找不到相对路径的问题解决方法

2.问题原因这是因为vscode运行时把路径设置在了文件夹的根目录下.例如我打开的项目路径是/home/lidar_trajectory,vscode运行代码时就把这个目录当作成当前目录,而我运行的py
一骑红尘荔枝来·2022-12-27 22:39

nuScenes——数据集解析并获取未标注sweeps数据

文章目录数据集解析数据集下载数据集上传到服务器解压获取雷达数据获取未标注的sweeps数据数据集解析手把手带你玩转Nusences数据集nuScenes数据集介绍nuScenes数据集解析数据集下载我需要使用的Camera和Lidar
Irving.Gao·2022-12-27 21:05

Elastic LiDAR Fusion Dense Map-Centric Continuous-Time SLAM 概述

摘要时间连续轨迹表达的提出为现代多传感器融合SLAM提供了更高的精度和效率。然而除了这些优势，一些由于全局优化的需求造成的一些问题阻碍了这类系统的实时和长周期的应用。文章提出了一种基于连续时间轨迹的稠密的以地图为主的SLAM方法来解决以上问题。提出的系统和传统连续时间轨迹SLAM（CT-SLAM）方法类似，不同点在于通过使用全局一致的地图而不是对于全局轨迹的优化。该方法在闭环检测的时间复杂度上不依
Kmiracler·2022-12-27 20:07

《论文阅读》LO-Net: Deep Real-time Lidar Odometry

留个笔记自用LO-Net:DeepReal-timeLidarOdometry做什么LidarOdometry激光雷达里程计，里程计作为移动机器人相对定位的有效传感器，为机器人提供了实时的位姿信息。移动机器人里程计模型决定于移动机器人结构和运动方式，即移动机器人运动学模型。简单来说，里程计是一种利用从移动传感器获得的数据来估计物体位置随时间的变化而改变的方法用建图的方式来理解，要实现机器人的定位与
未知丶丶·2022-12-27 20:36

【论文阅读】CT-ICP: Real-time Elastic LiDAR Odometry with Loop Closure

一、激光里程计CT-ICP本身属于一个对ICP的改进，其主要的改进其实体现在前端的部分。在里程计的部分，CT-ICP很独特地用两个位姿来参数化一次扫描，首先划定一个时间段，记为τb和τe，对这两个时间点，各自取一个位姿，所以两个位姿可以构成四个参数：论文里统一用加粗的字体表示当前帧的待优化参量，所以我们最重要得到的就是这个大写的X量。这里使用scan来表示一个时间段内获得点云的集合，按照一般的SL
林北不要忍了·2022-12-27 20:35

Cartographer报错

sTB2RplidarA3cartographerherecomestheissueasber@asber-X550VX:~$roslaunchcartographer_turtlebotturtlebot_lidar
kuizhao8951·2022-12-26 22:10

LIO-SAM学习笔记-整体框架

开源SLAM系统：LIO-SAM源码解析|攻城狮の家LIO-SAM在LEGO-LOAM上的改进1.由于支持手持设备，因此没有对地面点进行特殊处理2.紧耦合的lidar+imu融合模块，充分利用了imu数据
好好仔仔·2022-12-25 16:49

【论文速递】PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation

摘要自动驾驶系统中对细粒度感知的需求导致最近对单扫描LiDAR的在线语义分割的研究增加。
冯子材·2022-12-25 11:32

用pcdet跑deecamp20_liadr3-1

具体工程地址：deecamp20-3-1-lidar_det_pcdet目前尝试过的内容：在不满足速度的前提下，有：使用PV-RCNN(CVPR20)做两阶段的实验在openpcdet上采用gt增广的second
Little_sky_jty·2022-12-25 03:26

形态学边缘提取matlab,在Matlab平台下基于形态学方法对LIDAR数据进行建筑物边缘提取...

1引言机载LIDAR系统能够直接获取地面三维数据,具有高精度、高密度、高效率和成本低等优点,在现代测绘中发挥了越来越重要的角色,如512大地震中,此系统在震后搜救工作中就发挥了重要作用。
weixin_39746229·2022-12-24 16:06

CaDDN模型理解

本文主要介绍CaDDN模型设计，对多视图进行特征空间构造可以参考另外两篇论文的解读：1.Lift,Splat,Shoot2.FIERY3D感知任务是自动驾驶中必不可少的一部分，相较于依赖价格较高的lidar
Chris_34·2022-12-24 15:24

多源传感器组合导航 GNSS 视觉SLAM LiDAR INS 开源项目总结

多源传感器组合导航GNSS视觉SLAMLiDARINS开源项目总结本文更改自吴桐wutong微信公众号文章。开源代码总览名称传感器类型组合类型滤波方法备注RTKLIBG-KFGAMP、rtklibexplorerhttps://www.rtklib.com/GPSTKG-KFhttps://github.com/SGL-UT/GPSTkBNCG-KFppp_wizardKF_GINSG、I松组合K
倪偲001·2022-12-23 17:29

Point-cloud based 3D object detection and classification methods for self-driving applications

例如LiDAR，从而可以更精确地表示车辆周围环境实现更安全的系统。自从2010年初以来，围绕自动驾驶系统的研究迅速发展和随之而来的兴起，导致目标检测方法的数量和创新上一个急剧的增长。
学一点@·2022-12-23 05:18

深入浅出CenterFusion

深入浅出CenterFusionSummary自动驾驶汽车的感知系统一般由多种传感器组成，如lidar、carmera、radar等等。
Untitled\n·2022-12-22 23:28

3D激光雷达与轮式里程计内外参标定

guanyinsama/odom_lidar_calibration:多线激光雷达与轮速计标定(运动学方程)(github.com)外参：主要参照手眼标定传感器标定之手眼标定（一）-知乎(zhihu.com
妄想出头的工业炼药师·2022-12-22 17:56

Temporal and Spatial Online Integrated Calibrationfor Camera and LiDAR论文阅读

目录摘要主要贡献方法A位姿评估模型B线特征提取C投影和特征滤波D动态点云目标去除E搜素优化摘要相机雷达使用很广泛，但是很少有工作将时间同步和外参标定关联上，而这对数据融合很重要。时间空间标定技术面临这关联性缺失和实时性的挑战。本文提出一种位姿评估模型和环境鲁棒线特征提取算法来提升数据关联和在线实时估计的能力。动态目标消除旨在寻求寻求更优策略，考虑相邻运动点云配准的对应性。搜索优化的策略旨在提供更优
qq_38650944·2022-12-22 16:40

Line-based Automatic Extrinsic Calibration of LiDAR and Camera论文阅读

摘要LiDAR和相机对于多模态感知系统是关键的传感器。然而外参变换矩阵会随时间而发生漂移。为了解决这个问题，本文提出一个基于线特征的方法来进行在线相机LiDAR自标定。
qq_38650944·2022-12-22 16:40

livox_lidar_camera_calibration学习--标定外参验证

开源代码位于：GitHub-Shelfcol/livox_camera_lidar_calibration_modified:livox_camera_lidar_calibration的改进1.将点云投影到图片上
qq_38650944·2022-12-22 16:10

[论文阅读][SLAM]Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation

TargetlessCalibrationofLiDAR-IMUSystemBasedonContinuous-timeBatchEstimation文章目录TargetlessCalibrationofLiDAR-IMUSystemBasedonContinuous-timeBatchEstimationAbstractIntroductionRelatedWorkTrajectoryRepre
你代码写的像诗·2022-12-22 16:39

Lidar-camera calibration单线激光雷达与相机外参标定

课题中涉及多传感器融合定位的部分，需要对camera、IMU、2d-Lidar进行外参标定。
Barry_123·2022-12-22 16:34

Automatic Targetless LiDAR-CameraCalibration: A Survey论文解读

目录摘要3自动无标志物的LiDAR-相机标定3.1基于信息理论3.1.1点云和相机的属性对3.1.2统计学相似性估计3.1.3优化方法3.2基于特征3.2.1特征提取3.2.2特征匹配策略3.3基于自身运动
qq_38650944·2022-12-22 16:33

语义激光SLAM论文阅读 Semantic Lidar_based SLAM paper Research

语义激光SLAM论文阅读Suma:EfficientSurfel-BasedSLAMusing3DLaserRangeDatainUrbanEnvironments主要工作具体实现方法PreprocessingMapRepresentationOdometryEstimationMapUpdateLoopClosures理解与思考SuMa++:EfficientLiDAR-basedSemanti
52HZ、·2022-12-22 07:49

论文阅读：SemanticKITTI: A Dataset for Semantic Scene Understandingof LiDAR Sequences

题目：SemanticKITTI:ADatasetforSemanticSceneUnderstandingofLiDARSequences这篇文章主要是发布数据集SemanticKITTI没太大难度直接看看就好ICCV2019数据集官网：SemanticKITTI-ADatasetforLiDAR-basedSemanticSceneUnderstanding0、摘要语义场景理解对于各种应用都很
shiyueyueya·2022-12-22 07:42

R3LIVE编译运行和代码分析

R3LIVE编译运行和代码分析说在前面编译运行opencv4编译安装和使用cv_bridge和高版本opencv的适配代码分析LiDAR_front_endLIOVIO数据结构Image_frameCamera_Lidar_queueMeasureGroupStatesGroupRGB_ptsRGB_VoxelRgbmap_trackerGlobal_map
52HZ、·2022-12-21 15:27

Lidar SLAM 资料汇总

一、Lidar传感器介绍激光雷达工作原理_jinking01的专栏-CSDN博客_激光雷达原理[科普]激光雷达LIDAR工作原理二、3DSLAM——LOAM系列1.详细解读(1).LOAMLOAM系列(
scofield_ly·2022-12-21 15:26

国内外LiDAR SLAM实验室总结

知乎上有一个关于视觉的SLAM实验室以及20年前的视觉SLAM开源算法的汇总SLAM领域国内外优秀实验室汇总，非常详细，但是偏视觉一点，本文主要关注LiDARSLAM。这篇文章一开始是非常简短的，单纯的介绍了我认为十分重要、开源且值得花时间去读源码的LIO工作，但是仔细一想，这本身就是一个不符合逻辑的事。已经对LIO有一定了解的人肯定已经知道了这些工作，而对于刚入门的来说，最重要的先建立一个宏观的
bugdeveloper0·2022-12-21 15:23

激光雷达+imu_激光雷达slam-激光点云畸变补偿

从零开始做自动驾驶定位(八):点云畸变补偿zhuanlan.zhihu.com点云运动畸变补偿分为以下几步:计算相对坐标1)获得激光雷达的运动信息由于我们得到的运动信息(速度和角速度)是IMU的速度和角速度,所以需要用lidar2imu
weixin_39878698·2022-12-21 07:23

有哪些激光雷达SLAM算法？

433556301编辑丨计算机视觉工坊方法一作者｜牛先卓https://www.zhihu.com/question/433556301/answer/1618614187激光雷达分单线和多线这两大类，针对这两类Lidar
Tom Hardy·2022-12-20 15:06

carla 传感器数据的应用

链接:ExtendedKalmanFilter.使用gnss、imu、lidar等localize定位车辆trafficlightdetectionmodule
慢漫漫·2022-12-20 13:16

LiDAR Panoptic Segmentation 激光雷达全景分割

文章目录ATechnicalSurveyandEvaluationofTraditionalPointCloudClusteringMethodsforLiDARPanopticSegmentation摘要1.介绍2.文献回顾2.1全景分割2.2激光雷达全景分割2.3点云聚类方法3.选择检验方法3.1欧式聚类3.2超体素聚类3.3深度聚类3.4扫描线运行群集3.5安装启用4.实验4.1数据集4.2
树和猫·2022-12-20 09:25

圆 最小外包矩形_基于迭代最小外包矩形的城区建筑物轮廓规则化方法

基于迭代最小外包矩形的城区建筑物轮廓规则化方法【专利摘要】本发明提供了基于迭代最小外包矩形的城区建筑物轮廓规则化方法，基于城区现代建筑物相邻轮廓边界具有正交的特性，利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据作为已知数据
weixin_39956451·2022-12-20 02:30

论文笔记-LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

的结果对点云去畸变；对LidarOdometry提供较好的初值（取消了帧间里程计）；lidarodometry得到的结果也可以用来估计imu的零偏（紧耦合的体现）为了保证实时性：在位姿优化时边缘化旧的Lidar
wrotcat·2022-12-19 13:20

《A Simple Baseline for BEV Perception Without LiDAR》论文笔记

同时对于lidar和radar这些其它模态的传感器信息
m_buddy·2022-12-19 08:40

基于PCA的特征提取和两级匹配的激光雷达SLAM(翻译)

同时定位和建图（SLAM）在机器人领域已经研究了几十年，其中光探测和测距（LiDAR）由于其可直接、准确和可靠的三维测量而广泛应用于各种应用领域。
西凉孟起·2022-12-19 07:53

仿真数据生成工具以及现有的仿真数据集

数据集提供：双目RGB图像，深度图像，分割，光流，相机位姿和LiDAR点云。
SLAM On the Road·2022-12-18 15:02

直接激光雷达里程计：基于稠密点云的快速定位

BrettT.Lopez2,Ali-akbarAgha-mohammadi3,andAnkurMehta编译：点云PCL代码：https://github.com/vectr-ucla/direct_lidar_od
Being_young·2022-12-18 11:52

【论文笔记】激光里程计 DMLO: Deep Matching LiDAR Odometry 2020

图森未来本文提出了基于深度学习方法的激光里程计，首次在激光里程计任务中使用全局稀疏匹配。其性能超越了现有的DP-based的方法，与几何SOTA方法（SUMA）性能很接近。相关工作局部迭代方法：ICP系列。应用比较普遍，但是计算量大，异常值敏感，需要很小心的初始化。全局稀疏配准：使用局部几何描述子，大多数手工提取，不适用于稀疏、不均匀的点云数据。DP-based：几何不可解释，泛化性不能保证。本文
phy12321·2022-12-18 11:19

【论文笔记】激光里程计 DeepLO:Geometry-Aware Deep LiDAR Odometry 2019

视频链接:链接使用surfelbased的表示方法（vertex+normal）作为网络的输入，避免了量化损失，看起来是一种不错的表示方法，既没有误差，保留了点云数据的精确性，还以一种map的形式提供邻域查询功能，不需要KDtree检索之类。此外，使用几何一致性约束的损失函数进行无监督训练，通过扰动成像的方法证明了损失函数的可行性。并在部分场景上取得了优于有监督训练的精度。DeePLO同样对点云的
phy12321·2022-12-18 11:19

NeurIPS 2022 Spotlight | SNAKE：首个同时进行隐式重建和三维特征点提取的方法

虽然原始点云的获取方式有很多种，如通过RGB-D相机、立体匹配或LIDAR等，但点云仍还是物体（或场景）的连续形状的离散表示。这一现象促使我们去探索了联合重建
TechBeat人工智能社区·2022-12-18 08:10

2021-3DV论文阅读 DSP-SLAM-Object Oriented SLAM with Deep Shape Priors

objectshapesdecodedfromlatentcodeForegroundobjectsbackgroundfeaturesandcameraposesmonocularstereosterero+lidarstereo+LiDAR
James_Qhh·2022-12-18 07:45

大疆 L1 任务文件格式说明（CLC/CLI/CMI/IMU/LDR/MNF/RTB/RTK/RTL/RTS/JPG/MOV）

CLC/CLI/CMI/IMU/LDR/MNF/RTB/RTK/RTL/RTS/JPG/MOV）大疆L1官网简介CLCCLICMIIMULDRMNFRTBRTKRTLRTSJPGMOV大疆L1官网简介LiDAR
Vigo*GIS·2022-12-18 01:08

【激光雷达】激光雷达点云数据的技术流程和点云预处理的方法

机载激光雷达（LiDAR）是一种新型主动式航空传感器，通过集成定姿定位系统（POS）和激光测距仪，能够直接获取高精度点云数据，激光雷达测绘技术正广泛应用于各个领域，在高精度三维地形数据（数字高程模型(DEM
醉逍遥_祥·2022-12-18 01:07

稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列（五）

05稠密点云之“愁”当前稠密的无人机LiDAR点云面临着下述挑战！1、数据海量由于点云密度大，在同等面积的情况下，稠密点云的数据量显著大于中低密度的点云数据量。
氧艺·2022-12-18 00:04

稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列（二）

内容摘要：目前对机载LiDAR点云密度的认知也存在下述10个尚有争议、需要重点突出的问题，本文将进行具体分析。1、机载LiDAR点云密度和倾斜摄影测量的密集图像匹配点云的密度，谁高、谁低？
氧艺·2022-12-18 00:34

基于路边基础设施LiDAR点云的车辆跟踪系统

论文标题：AutomaticVehicleTrackingWithRoadsideLiDARDatafortheConnected-VehiclesSystem发表会议/期刊：IEEEIntelligentSystems2019问题：网联无人车可以通过无线通信获得其他合作网联无人车的实时状态，但目前实际应用中道路上的网联无人车是非常有限，无人车并不能与未联网的车辆进行合作来获得更全面的交通环境情况
superbzhoucc·2022-12-17 12:25

PanoSim仿真模型--传感器模型之激光雷达

5.4.4Lidar5.4.4.1Lidar_ObjList_G该传感器模拟目标级激光雷达传感器返回检测范围内目标信息。
PanoSim666·2022-12-16 15:39

机器人开发--雷达lidar

机器人开发--雷达lidar1介绍2分类2.1整体分类2.2机械式（三角&ToF）三角测距激光雷达ToF测距激光雷达3机械式单线ToF激光雷达3.1扫描原理3.2不同材料反射率3.3核心参数参考1介绍激光雷达
worthsen·2022-12-16 09:10

多传感器融合算法，基于Lidar,Radar,Camera算法

1：雷达Radar①大陆ARS408参数：②livoxmid40参数：mid-40的连接使用测试https://blog.csdn.net/Summer_CX/article/details/1166578872：传统方法融合算法如apollohttps://zhuanlan.zhihu.com/p/338521123：深度学习融合算法如：CenterFusionhttps://arxiv.org
SensorFusion·2022-12-16 07:00

多传感器融合算法，雷视融合算法

0:设备选型Camera选型：如何选择视场角和焦距：Radar选型lidar选型1:Radar毫米波雷达和Camera视觉融合算法要求：图像目标检测Radar目标检测radar和camera标定融合效果例如
SensorFusion·2022-12-16 07:59

C++知识点2：Eigen库的使用

例如：（1）Eigen::Matrix4dm_lidar_to_imu：表示44的矩阵变量。其大小在编译时就知道（2）
星辰和大海都需要门票·2022-12-15 19:55
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他