LiDAR

＜论文阅读＞LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping

一、介绍LVI-SAM建立在一个因子图之上，由两个子系统组成：视觉惯性系统(VIS)和激光雷达惯性系统(LIS)。这两个子系统采用紧密耦合的方式设计，其中VIS利用LIS估计来初始化。利用激光雷达测量来提取视觉特征的深度信息，提高了视觉识别的精度。反过来，LIS利用VIS估计来进行初始估计，进行Scan-Matching。回环首先由VIS识别，然后由LIS进一步细化。当两个子系统中的一个出现故障时
秃头队长·2022-07-18 14:51

《论文阅读》LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping

留个笔记自用LVI-SAM:Tightly-coupledLidar-Visual-InertialOdometryviaSmoothingandMapping做什么MonocularVisualOdometry单目视觉里程计相机在运动过程中连续两帧之间会存在overlap，即会同时观测到三维世界中的某些场景以及特征点。而这些场景特征点会投射到2D图片上，通过图片的对齐或者特征的匹配，可以找到前后
未知丶丶·2022-07-18 14:51

【LVI-SAM论文全文翻译】： LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping

文章目录写在前面摘要一、引言二、完整的激光视觉惯导SLAM系统A.系统概述B.视觉惯导系统C.雷达惯导系统三、实验A.消融研究B.JackalDatasetC.HandheldDataset四、总结写在前面本文参考：惊鸿一博作者简介：LVI-SAM是TixiaoShan的最新力作，TixiaoShan是Lego-loam(基于激光雷达里程计的SLAM框架)和Lio-sam(基于惯性-雷达紧耦合的S
JaydenQ·2022-07-18 14:47

二维与三维之间的桥梁——点云

虽然特斯拉是坚定的纯视觉自动驾驶路线的支持者，但其实更多的无人驾驶公司同时还会使用激光雷达LiDAR。经常见到无人驾驶的车顶会有一个旋转的圆柱体，其实就是机械式激光雷达，通过旋
zcg1942·2022-07-12 07:54

Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point

一核心思想为了降低内存和计算成本，现有的基于point的pipeline通常采用随机采样或FPS采样来逐步下采样输入点云，尽管并非所有的点对目标检测任务都同等重要。特别是，前景点在本质上比背景点对目标探测器更重要。基于此，本文提出了一种高效的single-stagepoint-based3Ddetection——IA-SSD。该方法的关键是利用两种可学习的、面向任务的、实例感知的downsampl
马少爷·2022-07-07 18:55

iOS AR研究

CoreMotion是处理加速计、陀螺仪、LiDAR等传感器数据信息框架，如当前设备的位置、水平旋转、运动速度、现实物体扫描等。CoreML则是机器学习框架，内部集成大量
·2022-07-07 10:07

SLAM硬件搭建（激光雷达+IMU+相机+移动底盘）

Cloudytosunny/SLAM_hardware)下载IMUwheeltecimun100xsensmti300移动底盘相机总激光雷达官方github下载安装激光雷达采用robosense16线RS-LiDAR
Cloudy_to_sunny·2022-07-06 12:44

什么是LIDAR（激光雷达），如何标注激光点云数据?

自动驾驶汽车严重依赖输入的训练数据来做出驾驶决策，从逻辑上来说，数据越详细，车辆做出决策就越好，最重要的是更安全。虽然现代相机可以捕捉到非常详细的真实世界特征，但输出结果仍然是2D的，效果并不够理想，因为它限制了我们可以提供给自动驾驶汽车神经网络的信息，这意味着汽车必须学会对3D世界做出猜测。与此同时，相机捕捉信息的能力有限，比如在下雨的时候，相机捕捉到的图像几乎无法辨别，而激光雷达仍然可以捕捉信
·2022-06-27 11:30

激光雷达和IMU联合标定并运行LIOSAM

（2）通过我之前对激光雷达和相机联合标定得到的变换矩阵和相机与IMU联合标定得到的变换矩阵相乘（3）lidar-align（里面代码需要自己改写）但是最后还是通过lidar-align标定成功了，并且将获得参数用到
浪客_剑心·2022-06-23 07:53

LiLi-OM: 面向高性能固态激光雷达惯性里程计和建图系统

://arxiv.org/abs/2010.13150源码：https://github.com/KIT-ISAS/lili-omTowardsHigh-PerformanceSolid-State-LiDAR-InertialOdometryandMapping
Soverngity·2022-06-23 07:14

CARLA Simulator——开源自动驾驶模拟器

文章目录安装教程使用方法ROS车载传感器配置相机Lidar参考文章GitHub：CARLASimulator安装教程CARLA——基于Ubuntu18.04安装CARLASimulator使用方法ROSROS
Irving.Gao·2022-06-16 07:01

MotionNet: 基于鸟瞰图的自主驾驶联合感知与运动预测

MotionNet将一系列LiDAR扫
冯子材·2022-06-02 07:25

机器学习_深度学习毕设题目汇总——点云

题目三维点云理解的深度学习方法研究三维点云配准识别与标记技术研究二维图像去反射和三维点云分析的深度学习模型研究基于三维点云分析的智能汽车目标检测方法研究基于激光点云的复杂三维场景多态目标语义分割技术研究点云局部特征描述与匹配研究点云数据预处理之关键算法研究航空影像辅助机载LiDAR
MetaGrad·2022-06-01 13:05

3D点云 (Lidar)检测入门篇 - PointPillars PyTorch实现

3D点云(Lidar)检测入门篇-PointPillarsPyTorch实现完整代码:https://github.com/zhulf0804/PointPillars。
zhulf0804·2022-05-30 07:42

自动驾驶汽车行人检测和跟踪框架：摄像头和LiDAR数据的高效融合

介绍本文提出了一种融合摄像头和LiDAR传感器数据进行行人检测和跟踪的新方法。为了应对自动驾驶场景的挑战，提出了一个集成的跟踪和检测框架。
Mr Dinosaur·2022-05-21 07:44

【AI简报20220311期】汽车AI芯片竞赛加速、苹果最强芯M1 Ultra登场

公开资料显示，R-CarV4H的深度学习性能高达34TOPS（每秒万亿次运算），能够通过汽车摄像头、雷达和激光雷达（LiDAR
RT-Thread物联网操作系统·2022-05-20 18:34

论文阅读：Object Classification Using CNN-Based Fusion of Vision and LIDAR in Autonomous Vehicle

作者简介：秃头小苏，致力于用最通俗的语言描述问题往期回顾：凸优化理论基础1–仿射集  凸优化理论基础2——凸集和锥近期目标：拥有5000粉丝支持小苏：点赞、收藏⭐、留言文章目录前言论文背景系统架构✨✨✨核心思想✨✨✨实验结果✨✨✨论文下载前言  先来看看题目的中文解释叭，即在自动驾驶环境中使用CNN-Based融合视觉和激光雷达进行物体分类。我们常见的物体分类算法大多是纯视觉的，那么今天我分享的文
秃头小苏·2022-05-18 07:34

雷达成像技术_激光雷达与3D成像技术

本专题一共4章，分别1-TOF探测，2-扫描方式，3-LiDAR应用，4-3D成像，请尊重原创，转载请说明。
weixin_39739661·2022-04-23 07:36

使用深度学习的三维点云分类的介绍

大有从2D向3D发展的趋势，比如在opencv中就已经慢慢包含了3D点云的处理的相关模块，在数据方面点云的获取也是有多种渠道，无论是源于CAD模型还是来自LiDAR传感器或RGBD相机的扫
JoannaJuanCV·2022-04-03 07:43

自动驾驶中的3D物体状态检测

在这里，我们使用来自KITTI的数据来总结和突出3D对象检测方案中的优劣，这些方案通常可以分为使用LIDAR和使用LIDAR+Image（RGB）。激光雷达CNN用于2D对象检测和分类的机器已经成熟。
小白学视觉·2022-03-28 07:04

【无人驾驶autoware 项目实战】感知-目标检测模块

【cameraimage】【pointclouddata】三、输出【imageobjects】【pointsobjects】【objectsclass】四、算法流程实现【imagedetector】【lidar_detector
盒子君~·2022-03-28 07:32

PCL+VS+Qt+Win10 的综合配置精华

文章目录更新：2019年8月前言软件解读VS+PCL的配置与调试Qt+PCL的配置与调试PCL+VS+Qt的配置与使用配置文件大汇总问题大汇总参考博客更新：2019年8月为了促进同行业人员（特指LiDAR
Neverland_LY·2022-03-27 07:54

DeepRoute Lab | AAAI22新工作：基于稀疏跨尺度注意力网络的高效LiDAR全景分割

By-元戎感知组今天和大家分享工作的是自动驾驶中的点级别的全景分割感知任务。内容主要是解读我们组最新的一篇被AAAI22接收的点云全景分割的工作SparseCross-scaleAttentionNetworkforEfficientLiDARPanopticSegmentation.Introduction&MotivationAboutPanopticSegmentation对于自动驾驶而言，
·2022-03-24 14:55

车载多传感器融合定位方案Pipeline：IMU，CNSS，LIDAR

为什么用IMU,CNSS,LIDAR的组合IMU可以提供连续的位置信息，以补充GNSS可能因为地形等原因缺失的数据信息GNSS可以提供绝对的位置信息，减轻IMU累积的数据漂移问题LIDAR可以根据准确的周边信息
肉bot·2022-03-22 07:23

多传感器融合定位 第十章 基于优化的定位方法

参考链接lidar_localization/src/models/sliding_window/ceres_sliding_wind
KaHoWong·2022-03-22 07:01

使用Mapviz,进行机器人GPS轨迹卫星地图绘制(2)-调用天地图API，快速加载刷新地图

快速加载刷新地图上一篇博客：使用Mapviz、中科图新进行机器人GPS轨迹卫星地图绘制Mapviz做GPS里程计可视化主要参考博客：代凯哥的知乎博客：1.惯性导航系统INS570D测试2.Mapviz来做GPS+里程计+LiDAR
KaHoWong·2022-03-22 07:50

搭建实验室3d slam 移动小车 2.2镭神32线激光雷达修改主从机IP

线激光雷达修改主从机IP本次搭建的实验平台，搭载的多线激光雷达和axis魚眼摄像头都是通过以太网传输，因此，需要同步传感器的网关，使用visio绘画的机器人通信连接图如下所示AXIS_IP:192.168.80.1LIDAR_IP
KaHoWong·2022-03-22 07:01

3D目标检测多模态融合综述

在3D目标检测中，目前大都是将lidar和image信息做融合。在上一篇文章中，笔者介绍到了目前主要的几种融合方法，即early-fusion,deep-fusion和l
Little_sky_jty·2022-03-22 07:25

三十四.智能驾驶之多传感器融合技术: F-PointNet融合方法

即利用在二维图像非常成熟的物体检测网络,在相机成像平面对物体进行定位,确定其2维边框,利用相机的投影变换,建立以相机平面检测框为起点的3维点云空间的平头视椎体(frustum),并在此3维视椎体内对点云(须进行Lidar
okgwf·2022-03-22 07:53

概述—基于机载LiDAR点云数据的建筑物轮廓提取

一、机载LiDAR系统介绍机载激光雷达测量技术的英文名称是LiDAR,LiDAR是英文LightDetectionAndRanging（光探测与光测距）的缩写，是融合了GPS、INS、激光测距和计算机等多种技术为一体的对地探测技术
NiKo杰杰·2022-03-22 04:26

基于LiDAR的目标检测算法

自动驾驶中，激光雷达点云如何做特征表达基于激光雷达点云（lidar）的目标检测方法之BEV基于激光雷达点云（lidar）的目标检测方法之camera/rangeview基于激光雷达点云（lidar）的目标检测方法之
流浪德意志·2022-03-21 07:24

【KITTI数据集】PointPillars点云3D目标检测结果的可视化

工作：1.一开始框很多，修改了NMS；2.显示score比较高的框；3.涉及参考系之间的变换，坐标需要转换的Lidar坐标系。后续准备计算一下3D的IOU。
我叫林克不叫塞尔达·2022-03-21 07:45

【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）

PointPillars部署：TensorRT推理实现，下载地址：添加链接描述PointPillars高度优化的点云目标检测网络PointPillars。主要通过tensorrt对网络推理段进行了优化，通过cuda/c++对前处理后处理进行了优化。做到了真正的实时处理（前处理+后处理小于1ms/Head）。MajorAdvance训练简单本仓库直接使用mmlab/OpenPCdet进行训练。所以只
踟蹰横渡口,彳亍上滩舟。·2022-03-21 07:42

基于Autoware 1.14 构建点云地图（*** mapping ***）

其实基础思想很简单，所谓的点云地图其实就是将LiDAR扫描到的一帧帧点云数据进行匹配和拼接，那么如何精确的匹配点云就是一个需要解决的问题了。 
Demo_xxx·2022-03-20 07:41

[笔记]三维激光SLAM学习——LiDAR里程计原理推导&代码实现

[笔记]三维激光SLAM学习——LiDAR里程计原理推导&代码实现[笔记]三维激光SLAM学习——LiDAR里程计原理推导&代码实现前言一、LiDAR里程计原理1、坐标系定义2、特征点提取3、特征点匹配
Kamfai·Row·2022-03-20 07:13

nuScenes 数据集解析

nuScenes数据集解析nuScenes数据集是自动驾驶公司nuTonomy建立的大规模自动驾驶数据集，该数据集不仅包含了Camera和Lidar，和radar数据。
Tianchao龙虾·2022-03-13 07:19

DeepRoute Lab | AAAI22新工作：基于稀疏跨尺度注意力网络的高效LiDAR全景分割

By-元戎感知组今天和大家分享工作的是自动驾驶中的点级别的全景分割感知任务。内容主要是解读我们组最新的一篇被AAAI22接收的点云全景分割的工作SparseCross-scaleAttentionNetworkforEfficientLiDARPanopticSegmentation.Introduction&MotivationAboutPanopticSegmentation对于自动驾驶而言，
·2022-03-08 13:45

代码实战 | 用LeGO-LOAM实现BFS点云聚类和噪点剔除

他也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAMLeGO-LOAM的软件框架分为五个部分：分割聚类：这部分主要操作是分离出地面点云；同时，对剩下的点云进行聚类
计算机视觉life·2022-03-08 07:28

「Self-driving: Perception」感知总览

传感器Camera:2d图像感知Lidar:3d点云感知Radar:方向、速度、形状感知框架ApolloAutoware相机标定2d图像感知(Camera)3d点云感知(Lidar)多传感器融合之Camera
Liiipseoroinis·2022-02-15 11:11

「3D Object Detection」Lidar Part : First Taste

LidarPointCloudsKITTIdatasetKITTI是一个自动驾驶感知模块的作为标准基准的多模态数据集，涉及的感知任务包括基于图像的单眼和立体深度估计，光流（opticalflow，详见），语义和实例分割，2d和3d检测。KITTI是一个带标签的3d场景数据集，这些3d数据由两个相机和一个64线的激光雷达组成。数据集包含7681个训练场景，7581个测试场景。多模态传感器组对3d世界
Liiipseoroinis·2022-02-15 11:11

3D建模服务提供更高效、专业的3D制作能力，“筑”力开发者

开发者无需特殊硬件（RGBD\LiDAR等）也可以利用拍摄图像之间共视信息匹配，估算出深度信息并完成采集。3D建模服务已经开放了物体建模的能力，还有平面的材质生成和动作捕捉三大核心能力，接下来还会对
·2022-01-28 08:18

3D激光SLAM--A-LOAM :前端lidar点特征提取部分代码解读

3D激光SLAM--A-LOAM:前端lidar点特征提取部分代码解读A-LOAM代码的结构CodeA-LOAM代码的结构A-LOAM的cpp有四个,其中kittiHelper.cpp的作用是将kitti
月照银海似蛟龙·2021-10-18 09:48

3D激光SLAM:LOAM 论文--算法详细解读

3D激光SLAM:LOAM论文--算法详细解读LOAM简介论文里面的符号表示算法部分激光雷达里程计A特征点提取Ｂ找特征点的匹配对C运动估计lidar建图测试结果LOAM是LidarSLAM中非常基础的框架之一
月照银海似蛟龙·2021-10-14 17:43

3D激光SLAM:A-LOAM :前端lidar点预处理部分代码解读

A-LOAM:前端lidar点预处理部分代码解读A-LOAM代码的结构CodeA-LOAM代码的结构A-LOAM的cpp有四个,其中kittiHelper.cpp的作用是将kitti数据集转为rosbag
月照银海似蛟龙·2021-10-14 14:21

基于ros 在TX2上装速腾聚创16线激光雷达RS-LiDAR

sudoapt-getinstalllibpcap-dev创建工作空间mkdir-p~/rslidar_ws/srccd~/rslidar_ws/src下载源码并编译gitclonehttps://github.com/RoboSense-LiDAR
santututu39·2021-10-01 14:14

浅谈机器人感知——激光雷达、摄像头的分类、区别和应用

机器人感知：一、常用传感器：lidar*orradarcamera*IMUGPS编码器二、lidar分类及特点：单线雷达：二维、功耗低、精度高、能耗低、数据少。
平山村小明·2021-09-19 17:49

【HMS Core 6.0全球上线】华为3D建模服务（3D Modeling Kit），轻松构建高质量3D模型

用户无需特殊硬件（RGBD\LiDAR等）也可以利用拍摄图像之间共视信息
·2021-08-16 11:50

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

1.引言机载LiDAR可以获取快速、低成本地获取大区域的高精度地形测量值。为了获取
·2021-08-07 10:31

LiDAR原理与点云数据初探

从名字上可以看出LIDAR是一种主动测量方式，主要有激光发射部分、接收部分组成、信号处理部分组成，其主要功能就是测距和探测。
Daisy丶·2021-08-01 15:11

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

LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping关键词：紧耦合、惯性测量单元、平滑摘要本文提出了一种通过平滑和映射实现紧密耦合激光雷达惯性里程计的框架——LIO-SAM，该框架实现了高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM将激光雷达-惯性里程计制作在一个因子图上，允许大量的相对和绝对测量，包括环路
浪里翻滚一只虾·2021-07-11 17:20
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他