http://funnywii.com时日曷丧，与汝偕亡Halo v2.25.4zh-cnhttp://funnywii.com/upload/avatar.gifhttp://funnywii.comThu, 8 Oct 2026 16:26:18 GMThttp://funnywii.com/archives/1790068430241BEVDepth 建立在 LSS 的 view transformation 上。 对每个相机特征 F_{2d}\in \mathbb R^{C_F\times H\times W} 对每个相机的每个像素，BEVDepth 预测了一个离散深度分布（和 LSS 一样）： D_{\text{pred}}]]>/archives/1790068430241FunnyWii视觉算法Wed, 23 Sep 2026 07:34:12 GMThttp://funnywii.com/archives/1787628221087这篇论文提出的 GKT (Geometry-guided Kernel Transformer)，一种利用粗几何投影把注意力限制在局部图像区域，然后通过 LUT 加速的 BEV 方法。 我认为 GKT 是在 BEV 范式下，针对图像分支的 LSS 深度估计方法做出的一项工程加速优化方案。 2D BE]]>/archives/1787628221087FunnyWiiAI视觉算法Tue, 25 Aug 2026 10:20:02 GMThttp://funnywii.com/archives/1785399963997VLM（Vision-Language Model，视觉语言模型） 是一类能够同时理解、处理和生成图像与文本的多模态人工智能模型。 VLM 打破了计算机视觉（CV）和自然语言处理（NLP）之间的壁垒。 视觉感知的范式演进 传统机器学习：使用手工特征（SIFT、HOG）和浅层分类器（SVM）。任务形式]]>/archives/1785399963997FunnyWiiAI视觉算法Thu, 30 Jul 2026 13:08:15 GMThttp://funnywii.com/archives/1783674495655Stereo Match 立体匹配是 3D 视觉的基石，目的是通过图像间的像素级对应关系来恢复深度信息。 在零样本和少样本的情况下，深度神经网络在部署阶段会出现明显的性能下降，因为我们不可能 Annotate Anything。 Stereo Anything：基于大规模混合数据的统一零样本立体匹配]]>/archives/1783674495655FunnyWii视觉算法Tue, 14 Jul 2026 07:57:34 GMThttp://funnywii.com/archives/1784001941712重新安装系统 本文档使用命令行方式刷机。 官方教程地址： Quick Start — NVIDIA Jetson Linux Developer Guide 刷机工具下载地址，L4T 版本为 36.4.4，需下载 Driver Package (BSP)和 Sample Root Filesyste]]>/archives/1784001941712FunnyWii操作系统Tue, 14 Jul 2026 04:10:46 GMThttp://funnywii.com/archives/1782545300656YOLOv9 和 YOLOv4/v7 一脉相承的作品，但是 Anchor-Free。 PGI 可编程梯度信息 全称 Programmable Gradient Information，这是一个辅助监督框架，目的是解决深度网络逐层传播的信息损失问题。 PGI 包含 3 个主要组件：主分支，辅助可逆分支]]>/archives/1782545300656FunnyWiiAI视觉算法Mon, 29 Jun 2026 09:53:35 GMThttp://funnywii.com/archives/1782200880854没想到 YOLOv1 到 YOLOv4 就已经写了快 20000 字…… 编辑页面卡的不行，我不得不分几篇写完。YOLOv1 到 YOLO 26一共 12 篇，正好分上中下三篇。 YOLOv5 重量级来了，Ultralytics 闪亮登场了。第一个没有论文的 YOLO 正式版本，但它成为了工业界的事]]>/archives/1782200880854FunnyWiiAI视觉算法Tue, 23 Jun 2026 13:00:55 GMThttp://funnywii.com/archives/1781091579555自 2016 年 YOLOv1 发布至今的十年里，YOLO 的核心版本已一路演进到了 v26——不过这其中包含了一次版本大跳跃：官方为了统一命名规范，直接跳过了 v13 到 v25。 回想起我使用 YOLO 的历程：从只会用官方的 COCO 数据集训练，到使用 MMLab 的各种训练框架，再到自己修]]>/archives/1781091579555FunnyWiiAI视觉算法Wed, 10 Jun 2026 12:56:18 GMThttp://funnywii.com/archives/1780625101204极坐标 BEV 的表示方法：在 BEV 空间按照角度和半径两个维度进行划分，而非笛卡尔坐标系下的均匀矩形网格。自车近处高分辨率，远处低分辨率，契合相机近大远小的成像特点。 核心优势 非均匀网格划分与分辨率优化 极坐标 BEV 以 ego 为中心，沿角度和半径两个方向对空间进行划分。其中，角度方向通常]]>/archives/1780625101204FunnyWiiAI激光雷达视觉算法Mon, 8 Jun 2026 05:46:28 GMThttp://funnywii.com/archives/1779848740462点云数据体素化后，有 90%+ 的 Voxel 是空的，如果像 VoxelNet 那样直接使用 3D Conv，计算量太大。 左图是稀疏的 2D Tensor，深灰色像素都是 0，浅灰色是 non-zero 点。 右图是稀疏的 3D Tensor，只有红色的体素才是 non-zero。]]>/archives/1779848740462FunnyWii视觉算法点云Thu, 28 May 2026 11:49:55 GMThttp://funnywii.com/archives/1779671689499PointNet 直接以 N×3N \times 3的Raw PointCloud作为输入，每个点使用 (x,]]>/archives/1779671689499FunnyWii算法点云Mon, 25 May 2026 12:31:46 GMThttp://funnywii.com/archives/1774951223999BEVFusion 有两篇论文： 一篇名为《BEVFusion: A Simple and Robust LiDAR-Camera Fusion Framework》，发表于 2022 年。 另一篇名为《BEVFusion: Multi-Task Multi-Sensor Fusion with U]]>/archives/1774951223999FunnyWii视觉算法点云Fri, 22 May 2026 09:20:45 GMThttp://funnywii.com/archives/1774594998182自动驾驶常见传感器包括 Camera，LiDAR，Radar 等传感器。 相机能提供丰富语义，LiDAR 提供准确的空间信息，雷达能进行速度估计。 对于多传感器方案，当时的传感器投影存在信息损失的问题： LiDAR->Cam：存在几何损失，像素坐标系中相邻的像素点，在 3D 空间中可能距离很远。设想]]>/archives/1774594998182FunnyWii视觉算法点云Tue, 28 Apr 2026 07:45:05 GMThttp://funnywii.com/archives/1776737319180先看论文题目 Multi-Camera：多相机纯视觉方案，Camera-based的mAP天然比LiDAR-based和Fusion-based的要低 Spatiotemporal：时间空间 Transformer：用到了Transformer架构以及Attention机制 创新点 论文摆脱了之前L]]>/archives/1776737319180FunnyWii视觉算法Wed, 22 Apr 2026 02:31:51 GMThttp://funnywii.com/archives/1775209975465nuScenes数据集说明 - FunnyWii's Zone 一文了解nuScenes数据集的结构。 我们使用nuscenes-devkit进一步学习数据集的使用。 安装非常简单，建议python版本3.12和3.9。 pip install nuscenes-devkit devkit使用 仍以]]>/archives/1775209975465FunnyWiiAI算法Tue, 7 Apr 2026 07:02:56 GMThttp://funnywii.com/archives/1775181275048nuScenes数据集包含6个Camera，1个LiDAR，5个Radar，1个GPS以及IMU。 数据量比KITTI大得多，所以目前Occ Networks更多使用nuScenes数据集。 数据集分成两大块：Full和Mini。 Full Dataset包含140万Camera图像，39万LiDA]]>/archives/1775181275048FunnyWiiAI算法Fri, 3 Apr 2026 09:47:08 GMThttp://funnywii.com/archives/1774919593201环境配置 conda create --name FlashOcc python=3.8.5 conda activate FlashOcc pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f]]>/archives/1774919593201FunnyWiiAI算法Tue, 31 Mar 2026 03:09:14 GMThttp://funnywii.com/archives/1774259530604LSS 是 NVIDIA 在 ECCV2020 上发表的文章。 关于论文标题中 Lift, Splat, Shoot 三个单词的理解，这三个单词对应模型中三个核心步骤。 Lift：提升。2D 图像特征提升到 3D 视锥空间特征。 Splat：泼溅。所有相机生成的 3D 视锥特征，泼洒到统一的 BEV]]>/archives/1774259530604FunnyWii视觉算法点云Fri, 27 Mar 2026 07:00:03 GMThttp://funnywii.com/archives/1773901785149Deep3DBox 是一篇比较早的使用单目相机进行3D目标检测和姿态估计的方法。 Deep3DBox 先用 CNN 回归目标的方向和尺寸，因为这两类属性稳定性比较高。然后结合 2D BBOX 的几何约束求解平移量，以生成完整的 3D BBOX。 有些方法基于 PnP，通过 2D-3D 关键点对应关系]]>/archives/1773901785149FunnyWii视觉算法Fri, 20 Mar 2026 09:52:24 GMThttp://funnywii.com/archives/1773883923868系统环境 系统：Ubuntu 22.04 显卡：RTX5880 48G 内存：64G PyTorch：2.4.0+ 模型说明 阿里巴巴旗下Wan团队开源的。 包括以下核心模型：]]>/archives/1773883923868FunnyWiiAIFri, 20 Mar 2026 01:44:25 GMThttp://funnywii.com/archives/1773815910637标题中的 Affordance 一词，本意是”预设用途，功能特性“，最初在知觉心理学和设计学领域出现。 后来在人机交互领域，Affordance 的含义变成了：一个产品让用户自然领悟到用法的能力。 在机器人领域（自动驾驶和机器人的感知不分家），被引申为可以执行的潜在动作，即在特定情况下哪些动作是可执]]>/archives/1773815910637FunnyWii视觉算法Wed, 18 Mar 2026 11:58:38 GMThttp://funnywii.com/archives/1772460962720深度学习问题需要一个损失函数，我们的目标就是通过优化算法来最小化损失，即最小化目标（损失）函数。 需要注意的是，优化和深度学习的本质目标有差异：优化关注的是最小（最大）化目标函数，深度学习更关注模型的泛化能力。比如说，训练阶段的目标是最小化训练误差，但深度学习真正关心的是减小泛化误差，也就是推理阶段]]>/archives/1772460962720FunnyWiiAI算法Mon, 2 Mar 2026 14:44:57 GMThttp://funnywii.com/archives/1721796627705本文详细列出了《高达0079》系列作品的观看顺序，涵盖从宇宙世纪0068年至0120年的多个作品，包括电视动画、OVA、剧场版等，为高达迷们提供了一个系统的观看指南。]]>/archives/1721796627705FunnyWii默认分类Thu, 26 Feb 2026 06:23:28 GMThttp://funnywii.com/archives/1762997318498多传感器融合算法往往都需要一个时间同步算法，时间同步算法的输入一般是多个带时间戳的传感器数据。 使用 C++ 不久的人，往往会给这多个传感器的类分别创建实例，在处理的时候再根据传感器数量进行遍历。这样写没有问题，就是不够优雅。 学习可变参数模板和折叠表达式需要先对 C++ 中的 Template 有]]>/archives/1762997318498FunnyWii编程Thu, 13 Nov 2025 09:08:45 GMThttp://funnywii.com/archives/1759999538682本文主要是为了解决多用户在同一台开发板上开发时，导致的 GitHub 等 SSH key 混乱的问题。 Linux 系统多用户 # 切换到管理员权限 sudo su # 创建用户 wfy（会自动创建 home 目录） adduser wfy # 系统会提示设置密码，输入 1（注意：Ubuntu]]>/archives/1759999538682FunnyWii操作系统Thu, 9 Oct 2025 08:51:53 GMThttp://funnywii.com/archives/1733124921288卡尔曼滤波是一种高效的递归（自回归）滤波器。能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量值在不同时间下的值，考虑各时间下的联合分布，再产生对未知变量的估计，因此会比只以单一测量值为基础的估计方式要准^{[1]}。 几个值 先说明一下卡尔曼滤波中涉及到的各个值：]]>/archives/1733124921288FunnyWii算法Thu, 28 Aug 2025 08:13:00 GMThttp://funnywii.com/archives/1755593786793我一个做感知的威森莫要用 IMU... 昨天想获取 Unitree GO2 的 IMU 数据，跑官方 SDK 的时候，忘记修改底层代码，导致发送了一些控制命令，狗突然就动了起来，差点把狗搞坏，险些让我“曾经有一份工作”，至今心有余悸。 GITHUB 上似乎没有现成的获取 GO2 IMU 数据的代码，]]>/archives/1755593786793FunnyWii算法Thu, 21 Aug 2025 10:00:46 GMThttp://funnywii.com/archives/1751340494734C++ 是一门强类型语言，编写一个通用函数，能把任意类型的变量传进去处理，通过把通用逻辑设计为模板来摆脱类型限制。 C++ 中的模板语法，实际上是在为 C++ 提供泛型（Generic Programming）的机制。 最常见的泛型应用在 STL 的容器中。 类模板 Class Templates]]>/archives/1751340494734FunnyWii编程Thu, 24 Jul 2025 04:35:17 GMThttp://funnywii.com/archives/1751336667488C++11 自动类型推导 auto 需要注意的是： 必须在定义时初始化 auto 类型的变量 auto 类型不能定义数组 一旦初始化，就不可更改类型 auto x = 5; auto y = 3.14; auto a; // 错误 auto array[10]; //错误 auto a = 1]]>/archives/1751336667488FunnyWii编程Fri, 4 Jul 2025 05:34:00 GMThttp://funnywii.com/archives/1751275130363之前一直是 rosrun 方式启动ros节点的, 一是因为懒, 二是因为我只负责一个节点, 用不到 launch 方式. 这次遇到了不能保存 ROS 日志的 bug, 换成 launch 方式启动就能成功保存日志了... Launch文件 ROS中 .launch 文件可以同时启动多个 node,]]>/archives/1751275130363FunnyWii操作系统编程Wed, 2 Jul 2025 01:34:02 GMT