Transformer在谷歌2017年的论文 [1706.03762] Attention Is All You Need 中首次被提出，主要用于NLP(Natuarl Language Processing，自然语言处理)的各项任务。 后来在CV领域，研究者们基于Transformer架构开展了一
Published on 2024-11-26
前言 单目相机的目标距离估计本身就已经充满了挑战，那么目标的(相对)速度估计也必然是十分困难... 目前单目相机的相对速度估计算法可以分成两类：传统方法和深度学习方法。没错，什么任务都可以深度学习。 传统方法中，最经典的是Mobileye在2003年的一篇论文中提出的算法。这个算法包含目标距离和速度
Published on 2024-11-24
实现流量统计算法有两个前提： 能够实现目标检测，最基本的前提，必须能够识别到视频帧中的车辆和行人。 能够进行目标跟踪，在检测的基础上，为目标分配一个唯一的ID。流量计数依赖于目标的唯一ID。 目标检测算法以YOLO系列为例。 跟踪算法以ByteTrack跟踪结果为例。将检测结果objects作为By
Published on 2024-10-10
摘要： 近年来，随着深度学习技术的发展和硬件算力的不断增强，自动驾驶技术越来越多的应用在各种场景。包括视觉感知、激光雷达感知和多传感器融合感知技术在这些年都得到了迅速发展。本文首先回顾了近年来自动驾驶感知技术的相关工作，然后介绍了相关工作所用到的方法和技术。随后整理并介绍了自动驾驶感知所需的数据集和
Published on 2024-09-10
世界坐标系->像素坐标系 转换过程可参见这篇文章：FunnyWii's Zone 机器视觉 - 单目相机入门 ，其中描述了世界坐标系->像素坐标系的转换过程。可以归结为下述公式： 世界坐标系->像素坐标系的过程描述的是单目相机的成像原理。我们在使用单目相机的过程中，更关心的往往是像素坐标系->世界坐
Published on 2024-07-25
深度图 深度图 (Depth Image, Depth Map)，将图像中的每个像素都编码为相机到场景中某个点的距离，可以提供图像中物体的空间信息。深度图通过坐标转换可以转换为点云数据，organized点云也可以转换为深度图数据。 绝对深度和相对深度 绝对深度：空间中物体和相机间的距离，有量纲。
Published on 2024-06-07
安装JDK Jetpack一般不带JDK，sudo apt install openjdk-11-jdk 装一个。 安装Bazel 针对Mediapipe这个项目，你需要使用的Bazel版本，取决于你下载的Mediapipe版本所使用的Bazel版本（有点绕，高可以，低不行）。 要问CMake能不能
Published on 2024-04-28
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
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
