读取 .bag文件报错 [FATAL] [1702017430.130428395]: Required op field missing 报错如下： $ rosbag play tsari.bag [ INFO] [1702017430.118011688]: Opening tsari.bag
Published on 2023-12-08
深度学习方法 车道线检测常用数据集见 FunnyWii's Zone 车道线检测功能综述【传统方法】 基于分割的方法 利用语义分割或实例分割方法来区分图像中的车道线与其他物体或背景。这种方法将车道线检测问题转化为一个像素级分类问题。这种方法会将场景图片的每一个车道线像素都进行分类，判断该像素是否属于
Published on 2023-11-28
车道线检测技术 车道线检测技术是计算机视觉和自动驾驶领域中的关键技术之一，它能够帮助车辆在道路上准确识别和跟踪车道线，从而实现自动驾驶、车道保持等功能。 车道线检测方法总体上可以分为 传统方法 和 基于深度学习的方法。 车道线数据集 数据集 数量（张） 尺寸 场景 特点 TuSimple 72k 1
Published on 2023-11-14
写在前面 为什么不直接输出一堆内容，主要是因为自己太菜了，上学时的那些深度学习知识，已经差不多都还给老师了，而且工程应用又是另一码事。所以我就一边用mmyolo框架训模型，一边从头学起。。。 快成炼丹师了，不过对如何调整hyperparameters一点头绪都没。以下提到的功能的使用，都可以在mmy
Published on 2023-07-13
写在前面 YOLOv8 是 Ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持目标检测，目标分割，物体分类和姿态估计。 很多YOLO介绍blog会附上下面的结构图，虽然99%的人不会去看，而且我也是那99%的其中一员，不过为显专业（啊这该
Published on 2023-07-10
写在前面 ARM架构下的 torch 安装比较烦人，不是麻烦，而是烦人。 网络上大部分教程虽然写着“Jetson的torch安装”，不过基本都是用官方stable的whl安装，这些安装本身没有什么问题，但是官方ARM架构的torch并不支持 CUDA，torchvision 亦如是。 这个方法也并不
Published on 2023-06-25
方向的概念 单目相机的3D目标检测是在2D目标检测的基础上绘制出3D BBox任务，目标方向的估计是其中重要一环。 在单目相机3D视觉检测中，要理解一个重要概念：即Egocentric 自我中心和Allocentric 客体中心间的区别。这两个概念来自空间认知领域，Egocentric Frame
Published on 2023-05-31
每日一问：... ：没有。 写在前面 即便是完全依靠着CNN检测出的2D bbox可以估计目标的深度，但是后续的预测，规划和运动控制，都需要物体的3D信息。更何况，如果能恢复目标的3D信息，对测距精度的提高也有很大的帮助。 激光雷达和深度相机固然精度很高，但是贵。而且在Lidar和Depth Cam
Published on 2023-05-30
写在前面 单目相机测距是怎么回事呢？单目相机相信大家都很熟悉，但是测距是怎么回事呢？下面就让小编带大家一起了解吧。 单目相机测距，其实就是测距了。那么单目相机为什么会测距，相信大家都很好奇是怎么回事。大家可能会感到很惊讶，单目相机怎么会测距呢？但事实就是这样，小编也感到非常惊讶。那么这就是关于单目相
Published on 2023-05-24
Published on 2023-04-08
单目相机成像原理 几个概念 光轴：垂直穿过理想透镜中心的光线。 焦点：与光轴平行的光线射入凸透镜时，理想的凸镜应该是所有的光线会聚在透镜后面一点上，这个会聚所有光线的一点，就叫做焦点。 焦距：镜片的中心到焦点为止的光轴上的距离，入射平行光线（或其延长线）与出射会聚光线（或其延长线，在下图中为红色虚线
Published on 2023-02-27
回归 线性回归的四个假设 线性关系：自变量 x 和因变量y之间存在线性关系。 独立性： 残差是独立的。特别是，时间序列数据中的连续残差之间没有相关性。 同方差性： 残差在 x 的每个水平上都有恒定的方差。 正态性： 模型的残差呈正态分布。 误差和残差 误差是观察值与真实值之间的差；残差是观察值与模型
Published on 2022-11-23
NN中的Bias？ 偏置允许激活函数向左或向右移动以更好地适应数据。 反向传播是啥？ 允许来自 Cost Function 的信息，从网络末端反向向前传播，以便计算梯度 -> 更新参数。 梯度消失 首先，要知道NN是基于链式法则，因此层数越深，梯度将以指数形式传播。 梯度越来越小，权重值不再产生变化
Published on 2022-11-20
卷积神经网路 Convolutional Neural Network CNN CNN的结构 卷积层 Convolution 池化层（下采样） Polling 全连接层 Full connection 卷积层 最基础的2D卷积操作，涉及到一个2D的过滤器（filter），或者说是核（kernel）。
Published on 2022-11-04
在机器学习中，如果想对对非线性函数进行建模，深度前馈网络能够实现非线性函数的建模。 在深度学习中，使用一个简单函数的深度链来学习输入数据。 线性函数的输入函数： \hat{y} = \theta^Tx 非线性函数的输入函数：\hat{y} = f(\phi(x);\theta) 其中，\phi(x)
Published on 2022-11-03
关于这门课 这门课的授课老师是号称谢菲尔德大学最受欢迎的Lecture - Dr Sean Anderson。课堂的风格确实比较生动有趣，而且因为Deep Learning目前仍然比较前沿的原因，课堂上时常举一些比较cool或者exciting的例子，比如一次关于CUDA的课堂，开始跟我们讨论比特币
Published on 2022-11-03
正则化回归模型 在一个模型中，自由度（可调节的参数）越多，就越容易过度拟合。因此需要约束这个模型，又称正则化 常见的正则化方法： Ridge Regression，也被称作L2 Regression Lasso Regression，也被称作L1 Regression Elastic Net 在上述
Published on 2022-10-27
Artificial Neural Networks, ANN ANN是受构成动物大脑的生物神经网络模糊启发的计算系统。本文简单介绍一下ANN，详细的内容会在后面写深度学习的时候再说。 ANN可用于： 分类（多层感知器） - 模式识别（多层感知器、延时神经网络和递归网络等） 回归/函数逼近（前馈架构
Published on 2022-10-26
聚类 聚类是一种无监督的机器学习方法，它能使类似的对象从其他对象中分离出来。它是无监督的，因为我们没有给模型任何标签；它只是检查特征并确定哪些样本是相似的并属于一个群组。 常见的聚类算法有： 分层聚类算法（Hierarchical Cluster Analysis HCA） k-Means Expe
Published on 2022-10-26
主成分分析 通常获取到的数据集都会有很高的维度，会给运算造成很大压力，所以需要降维，但是我们并不知道哪些数据更关键，因此引入了主成分分析 （Principal Component Analyses，PCA）的方法。 假设有个m维向量 \vec X，我们希望用 I个变量来保存它，如果简单地把 \vec
Published on 2022-10-25
