LiDAR

Stereo R-CNN based 3D Object Detection for Autonomous Driving

参考StereoR-CNNbased3DObjectDetectionforAutonomousDriving-云+社区-腾讯云目录摘要1、简介2、相关工作2.1、基于LiDAR的目标检测2.2、基于单目三维目标检测
Wanderer001·2022-12-02 18:23

SLAM论文阅读：M-Loam：具有在线外参校准功能的多LiDAR系统的稳健里程表和建图

基于loam的多激光雷达slam论文题目：RobustOdometryandMappingforMulti-LiDARSystemswithOnlineExtrinsicCalibration项目链接：https://ram-lab.com/file/site/m-loam/开源代码链接：https://github.com/gogojjh/M-LOAM视频展示：https://www.bilib
和道一文字_·2022-12-02 17:54

点云数据格式说明

1.LiDAR点云数据LiDAR，是LightDetectionandRanging即光探测和测距的缩写。
scott198510·2022-12-02 15:39

NDT点云配准

现实中，LiDAR扫描得到的点云可能和参考点云（如高精地图点云）存在细微的
有了个相册·2022-12-02 02:25

非共视多传感器标定方法 - * LiDAR_Align * 复现及编译过程常见问题解决

如果你所用的设备像博主一样，只包含LiDAR和camera的且回环路径比较短的话推荐你用Autoware自带的ndt_mapping功能
Demo_xxx·2022-12-01 22:14

三维点云配准

如果点云数据有除空间中坐标外的附加信息，如来自LIDAR传感器的点云数据，那么它可能具有每个点的附加值，例如“反射率”，其是在该位置中障碍物反射多少激光光束的量度。
Zeehoy·2022-12-01 21:08

视觉和Lidar里程计SOTA方法一览!（Camera/激光雷达/多模态）

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！摘要自动驾驶的发展需要研究和开发准确可靠的自定位方法。其中包括视觉里程计方法，在这种方法中，精度可能优于基于GNSS的技术，同时也适用于无GPS信号的区域。本文深入回顾了视觉和点云里程计SOTA方法，并对
自动驾驶之心·2022-12-01 20:52

点云地面点滤波(Cloth Simulation Filter, CSF)“布料”滤波算法介绍

目录1.引言2.基本思想3.CSF算法实现步骤3.1“布料”模拟3.2外部/内部因素驱动3.3具体实现3.4后处理4.算法使用1.引言机载LiDAR可以获取快速、低成本地获取大区域的高
晓晨的博客·2022-12-01 11:42

点云数据详解——点云数据变为图像

如果点云数据来自LIDAR传感器，那么它可能具有每个点的附加值，例如“反射率”，其是在该位置中障碍物反射多少激光光束的量度。在这种情况下，点云数据可能是Nx4阵列。
来路与归途·2022-11-30 10:28

LiDAR点云处理软件

转自https://www.cnblogs.com/l-kong/1、主要介绍当前主流的激光雷达数据处理库、开源软件、商业软件等。英文主页：http://opentopo.sdsc.edu/tools/listTools2、日期工具名称工具类型关键词评分2017年1月12日planlauf/地形说明：planlauf/TERRAIN是Windows7/8/10易于使用的应用程序，可视化数字高程模型
weixin_30640291·2022-11-30 07:29

livox_camera_lidar_calibration学习--相机内参标定

开源代码位于：GitHub-Shelfcol/livox_camera_lidar_calibration_modified:livox_camera_lidar_calibration的改进得代码为cameraCalib.cpp
qq_38650944·2022-11-30 05:57

ubuntu安装lidar_align时编译出错，激光雷达与IMU标定

1、下载lidar_alignethz-asl/lidar_align:Asimplemethodforfindingtheextrinsiccalibrationbetweena3Dlidaranda6
╰︶￣ 莫等闲۩۩۩·2022-11-30 00:44

传统方法的点云分割以及PCL中分割模块

点云库于（PCL）2011年推出以来，得到行业广泛的应用，该库包含了最先进的3D感知算法，并包含了LIDAR和三维扫描仪的接口，这使得点云库PCL在机器人领域持续不断的发展壮大
小白学视觉·2022-11-29 23:27

Python实现批量修改并替换txt文本中内容

博客#-*-coding:utf-8-*-"""CreatedonMonNov212022@author:MMG"""#coding=utf-8importospath="D:\\Download\\LiDAR_data
SEU-侯亮平·2022-11-29 23:25

Pyhton实现点云保存为bin文件

CreatedonMonNov212022@author:MMG"""#coding=utf-8defdata2bin(points,no):processed_dir='/home/processed_lidar'points.astype
SEU-侯亮平·2022-11-29 23:25

OpenPCDet 自定义数据集训练

目录0、目标：1、数据的预处理2、修改数据处理部分的代码2.1复制对数据集进行处理的文件2.2对kitti_lidar_dataset.py进行修改2.2.1头文件修改2.2.2数据集对象名称修改2.2.3get_info
辉e·2022-11-29 23:23

毫米波传感器原理介绍：测距

目前应用在车载领域的毫米波雷达按实现方式的不同只要分为毫米波雷达（lidar），毫米波雷达（Millimeter-WaveRadar）以及超声波雷达（ultr
铁路十六宿舍·2022-11-28 19:16

【学习总结】激光雷达与相机外参标定：原理与代码

0.参考资料：代码来源：https://github.com/ankitdhall/lidar_camera_calibration参考论文：LiDAR-CameraCalibrationusing3D
larry_dongy·2022-11-28 16:41

Lidar与Odom外参标定：lidar_align代码学习

本文仅用于记录自己在学习lidar_align代码过程中的一些总结。本文首先发表于公众号推送：Lidar与IMU标定代码实战。有修改与增加。
larry_dongy·2022-11-28 16:11

【学习总结】Lidar与IMU标定

查阅了一些资料，发现并没有太多关于Lidar+IMU标定的资料。大多数论文中只是提到一句“我们认为雷达和IMU已经完成了标定”或者“Lidar与IMU采用离线的方式完成标定”。真的让人摸不着头脑。标定
larry_dongy·2022-11-28 16:10

APOLLO UDACITY自动驾驶课程笔记——感知、预测

2、Camera图像RGB图像，深度为33、Lidar图像激光雷达传感器创建环境的点云表征，提供了难以通过摄像头图像获得的信息如距离和高度。点云中的每个点代表反射回传感器的激光束，可以告
查里王·2022-11-28 14:03

F-Cooper: 基于 3D 点云特征的自动驾驶车辆边缘计算系统的协作感知

虽然融合来自两辆车的原始LiDAR数据可以提高汽车检测精度，但实时发送自动驾驶汽车生成的大量LiDAR数据具有挑战性。3F-COOPER：基于特征的3D协同感知特征融合特征级融合成为联网自动驾驶汽车
superbzhoucc·2022-11-27 20:45

3D目标检测——最新多模态融合算法综述

激光雷达lidar+相机camera融合的算法综述纵观各大榜单KITTI，nuScenes等，lidar+camera等多种方法慢慢向榜单前面移动，精度的不断提升也说明了当前多模态融合有了一定喜人的进步
Jeremy Cui·2022-11-27 16:34

自动驾驶感知算法实战12——BEV 基于图像/Lidar/多模态数据的3D检测与分割任务

自动驾驶感知算法实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录基本概念背景BEV优势基本方案输入输出参考结构数据集评价指标损失函数关键技术案例分析BEVFormer介绍BEVFormer方案动机实验效果相关工作下一步工作更多内容和阅读基本概念1PV（Perspe
Charmve·2022-11-27 15:58

激光雷达（LiDAR）| Open3D：第三节 邻近搜索之圆柱搜索

本节基于Open3D实现圆柱搜索：基于KDTree中的RNN半径邻近搜索实现在某个方向上的圆柱搜索，可识别出简单圆柱形物体。1.算法过程首先，读取点云，实现在垂直方向上的半径邻近搜索预处理，建立KDTree结构实现圆柱搜索，结果可视化。1.1加载数据#加载包importopen3daso3dimportnumpyasnp#读取点云pcd=o3d.io.read_point_cloud("./tre
地理空间科学·2022-11-27 10:10

激光雷达（LiDAR）| Open3D：第一节 点云数据的读取与可视化

本节将介绍采用Python语言的点云处理技术-Open3D开源库：支持点云的读写、可视化、重建和配准等处理、3D机器学习等Open3D第一节核心功能如下：3Ddatastructures3DdataprocessingalgorithmsScenereconstructionSurfacealignment3DvisualizationPhysicallybasedrendering(PBR)3D
地理空间科学·2022-11-27 10:40

激光雷达（LiDAR）| Open3D：第二节 邻近搜索之构建KDTree

本节将介绍Open3D开源库：KDTree的原理及构建，将无序点云变为有序点云，实现点云的快速邻近搜索。1.KDTree概述Open3D使用FLANN构建KDTrees，将无序点云变为有序点云，以便快速检索最近邻。在激光雷达中，一般使用的是三维点云。所以，kd-tree的维度是3。KDTree（k维树）是一种空间分区数据结构，它将一组k维点存储在树结构中，从而实现高效的范围搜索和最近邻搜索。最近邻
地理空间科学·2022-11-27 10:40

SECOND笔记

流程：体素特征提取——稀疏卷积中间层——RPN2.贡献1）在仅基于LiDAR的目标检测方法中应用稀疏卷积，增加了训练和推理速度。
�UNICORN·2022-11-27 10:08

激光雷达学习

LIDAR市场分析1.自动驾驶市场1.1全球自动驾驶市场技术成熟度方面Waymo目前是处于领先的地位，中国的自动驾驶公司在技术和发展来看都有比较大差距，分析报告参考Waymo案例分析。
weixin_51184047·2022-11-27 03:40

Python实现激光雷达点云的向图像的重投影（世界坐标转换为像素坐标 + Autoware标定结果使用方法）- - 附源码 * 更新版 - -

二.使用Autoware获取自己的LiDAR&Camera校准结果这里不加赘述，详细步骤可参考以下博文：无人驾驶汽车系统入门（二十二）——使用Autoware实践激光雷达
Demo_xxx·2022-11-27 03:37

实时车载激光雷达感知的点云深度学习

又来卷这个了，此次调查了神经网络中使用的计算表示与其性能特征之间的关系，提出了现代深度神经网络中用于3D点云处理的LiDAR点云表示的新计算分类法。
tt姐whaosoft·2022-11-27 03:26

Autoware与LGSVL连接_时钟同步问题

在应用Autoware欧式聚类模块lidar_euclidean_cluster_detect中，若将聚类点云簇输出到与velodyne静态相连的其他坐标系（如base_link）时没
Double lee·2022-11-27 02:46

基于ROS与LGSVL的自动驾驶仿真开发教程

目录前言一、ego车辆配置1.传感器类型1.1ColorCamera1.2LiDAR1.3GPS1.4IMU1.5LGSVLControl1.6KeyboardControl1.7DepthCamera1.8SegmentationCamera1.9Radar1.103DGroundTruth1.11Lane-lineSensor2
wangpenghnu·2022-11-27 02:29

CVPR2022-TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

PS:–转载自我的知乎关键词：CVPR2022,LiDAR-camera,Transformer文章地址：arxiv代码地址：github文章贡献（1）研究了激光雷达-相机融合的固有难点，并揭示了robust
zyrant丶·2022-11-26 22:25

DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object Detection 论文笔记

原文链接：https://arxiv.org/pdf/2203.08195.pdf1.引言目前的方法主要基于两种融合方式：早期融合（融合数据）和中期融合（融合特征）。但是，由于数据增广通常是针对单一模态的；且一个点云体素可能对应多个图像像素，这些像素特征不是对3D检测同等重要的。因此，寻找图像和点云之间的特征对应关系是一个挑战。本文提出InverseAug和LearnableAlign进行有效的中
byzy·2022-11-26 22:25

阅读笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection

1.想要解决的问题利用LiDAR进行三维目标检测和利用视频进行二维目标检测的神经网络都取得了显著进展。但是二者融合还是比较困难的，所以本文提出一种新的摄像机-lidar对象候选(CLOCs)融合网络。
易冷cheng·2022-11-26 22:54

论文笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection

在3D目标检测领域，目前的fusion普遍都是deepfusion，效果不如只基于lidar的方法。本文选择使用之前不常用的latefusion。2.他们怎么做这个研究（方法，尤其是与之前不同之处）?
bryant forever·2022-11-26 22:53

【论文阅读】【多传感器融合】TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

论文标题：TransFusion:RobustLiDAR-CameraFusionfor3DObjectDetectionwithTransformersCVPR2022现存的Lidar-Camera融合的方法
Lukas88664·2022-11-26 22:53

CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection（论文阅读笔记）

CLOCs:Camera-LiDARObjectCandidatesFusionfor3DObjectDetection（论文阅读笔记）通用化和模块化、概率驱动的融合学习、实时性和硬件资源占用、优异的检测性能一、重点内容提取提出了一种通用的相机和激光雷达后融合方法，在Non-MaximumSuppression(NMS)之前对2D平面候选框和3D立体候选框初选结果采用卷积核的形式进行特征提取与自学
董*飞飞·2022-11-26 22:53

论文阅读《YOLO3D: End-to-end real-time 3D Oriented Object Bounding Box Detection from LiDAR Point Cloud》

论文地址：https://arxiv.org/abs/1808.02350v1目录Abstract1Introduction2RelatedWork2.13DObjectDetection2.2OrientationPrediction2.3RealTimePerformance3Approach3.1PointCloudRepresentation3.2YawAngleRegression偏航角
Max_ZhangJF·2022-11-26 22:22

End-to-End Multi-View Fusion for 3D Object Detection in Lidar Point Clouds论文笔记

End-to-EndMulti-ViewFusionfor3DObjectDetectioninLidarPointClouds谷歌2019先验知识：1).在鸟瞰图BEV中，物体保持其规范的三维形状信息，并自然可分离，而透视图的缺点是对象的形状不是距离不变的。2).VoxelNet的体素化被称为硬体素化（hardvoxelization，HV），因为一个体素可能被分配了比它的固定点容量T所允许的更
Rolandxxx·2022-11-26 22:22

CL3D: Camera-LiDAR 3D Object Detection With Point Feature Enhancement and Point-Guided Fusion 阅读笔记

IEEETransactionsonIntelligentTransportationSystems智能交通系统领域top期刊一区IF=9.55摘要Camera-LiDAR三维目标检测由于其在许多现实应用中的重要意义而被广泛研究
weixin_48493664·2022-11-26 22:22

TransFusion-Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

不忙的时候，阅读论文、调研文献。这篇是2022CVPR、3D检测，采用激光雷达和图像相结合的算法。使用Transformer实现多模态融合。在自动驾驶领域中，感知、识别、检测车辆周围障碍物有多种方案，有仅基于视觉的、有仅基于激光雷达的，还有基于多传感器融合的。TransFusion采用了多传感器融合的方案，以软关联(soft-association)的方式提高了鲁棒性。由于视觉技术十分成熟，用来实
笨小lg子亥·2022-11-26 21:12

slam定位学习笔记(一)

接收模块：具体包括bag包中的GNSS信息、IMU信息、LIDAR点云信息和各传感器之间的标定信息。发送模块：发送当前帧的点云、全局地图、局部地图、里程计信息还有运动轨迹。
hex_refugeeeee·2022-11-26 18:13

OPPO，轻舟智行，上海AI LAB自动驾驶3D检测组面经

上海AILAB【半小时】对于lidar-based的解决方案怎么看对于环视感知的解决方案怎么看为什么lidar-based的解决方案效果由于image-based的解决方案剩下的就是闲聊是不是高考失利导师放不放职业规划是什么你眼中的科研等级
加油11dd23·2022-11-26 15:20

论文阅读：PMF基于视觉感知的多传感器融合点云语义分割Perception-Aware Multi-Sensor Fusion for 3D LiDAR Semantic Segmentation

题目：Perception-AwareMulti-SensorFusionfor3DLiDARSemanticSegmentation中文：用于3DLiDAR语义分割的多传感器感知融合来源：ICCV2021链接：https://arxiv.org/abs/2106.15277v2个人觉得有用的和自己理解加粗和（）内表示，尽量翻译的比较全，有一些官方话就没有翻译了，一些疑惑的地方欢迎大家探讨。[]内
shiyueyueya·2022-11-26 15:03

激光雷达点云语义分割论文阅读小结

3D点云的获取方式点云可以通过四种主要技术获得：根据图像衍生而得，如通过双目相机基于光探测距离和测距系统，如LiDAR基于R
Polaris_T·2022-11-26 10:33

【优秀论文解读】BoW3D: Bag of Words for Real-time Loop Closing in 3D LiDAR SLAM

论文简介本论文新颖性在于3D激光雷达中实时闭环且能够实时进行回环矫正词袋模型为BoW3D实时构建词袋效率高但是鲁棒性未知词袋存储word包含两种变量：Dim_value为描述子计算得到的非零数和Dim_ID为word相对应的维度数具体的计算可以查看论文：Link3d关键点的计算PlaceSet为一张图片中的word集合包含两种变量：FrameID为第几帧和DesID为一帧画面中的描述子的ID号、P
铃灵狗·2022-11-25 20:12

论文笔记 《FAST-LIO2: Fast Direct LiDAR-inertial Odometry》及 激光SLAM综述

本篇为FAST-LIO2的论文阅读笔记，并基于该论文以及其他几篇总结激光SLAM发展现状。声明：图片大多来自原论文，带logo非我本意，自CSDN某次升级后，便不会去logo了……若有知道现在如何去掉的朋友感谢您在评论区告诉我！！！FAST-LIO2代码链接ikd_Tree文章目录一、摘要和引言二、相关工作三、系统框架四、状态估计4.1运动学模型4.1.1状态转移模型4.1.2测量模型4.2IKF
昼行plus·2022-11-25 20:23

Livox LiDAR点云数据类型的转化——livox_ros_driver/CustomMsg到sensor_msgs/PointCloud2

在做Lidar与IMU数据之间的标定时，出现了数据无法读取的问题主要是代码里读取lidar数据是需要下面的语句//addlidarmsgsensor_msgs::PointCloud2ConstPtrlidar_msg
Laney_Midory·2022-11-25 20:39
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他