执行pointpillars的模型转时报了一个关于protobuf的错误：nvidia@nvidia-desktop:~/hive_pointpillars/second/pytorch$ python3 hive_convert.py/home/nvidia/.local/lib/python3.6/site-packages/skcuda/cublas.py:284: UserWarning:

【代码】#include <ros/ros.h>#include <pcl/point_cloud.h>#include <sensor_msgs/PointCloud2.h>#include <pcl_conversions/pcl_conversions.h>#include <pcl/point_types.h>#include &

简单起见，我们只考虑偏航角(Yaw)，忽略俯仰和翻滚角，这也符合自动驾驶场景中对一般障碍物的设定。这里有一个疑点就是，minAreaRect是如何定义的矩形框的宽(width)高(height)?旋转的角读范围为[-90,0)，你没有看错，角度就是负的。这个理解没有错，前提是搞对坐标轴的定义，因为你有可能是照下图理解的，这个就有问题。以上图为例，橙色3D框内的卡车是我们待估计的点云簇，通过minA

接上篇【传感器标定】路侧激光雷达和相机的标定(1)，在上文中我提到我手上由若干相机和一个激光雷达，现在要做激光雷达和相机的联合标定，将激光雷达标定到相机。从数学原理来说就是求得激光雷达坐标系相机坐标系的外参矩阵，其中包含旋转和平移。旋转以欧拉角来表示，分别为翻滚(roll),俯仰(pitch)和偏航(yaw)。位移为tx,ty和tz。手动标定代码的过程中，通过按键控制激光雷达的旋转欧拉角以及平移量

之前为了剔除地面点，计算了全部点云的法向量。然后，先通过点云的法向量做一个粗过滤，剔除明显的非地面点，再通过随机采样一致性算法估算出地面方程。计算全部点云的法向量相对是比较耗时的操作，大部分的点一开是就对我们最后估算地平面方程没有什么用，所以先通过CropBox做一个立方体过滤，只保留对我们有意义的点。【代码】#include <ros/ros.h>#include <senso

这里讲计算nginx的首包响应时间，那首先首包是什么意思呢？这里是说从nginx收到GET请求到发送第一个数据包的这段时间。这段时间包括了nginx协议分析到准备数据的这段时间，例如有可能服务器磁盘io过高导致准备数据的时间过长，也有可能本地缓存MISS需要回源。这个在CDN系统上可作为一项质量监控指标，以衡量CDN的性能。

参考：https://pjreddie.com/darknet/yolov2/ #yolo-v2https://opencv.org/releases.html #opencv源码下载 环境：整个安装过程用两个字来形容就是“折腾”。第一步先安装好opencv，一个强大开源计算机视觉库。从官网下载了2.4.10的源码进行编译安装：cd opencv-2.4.10mkdir...

本文参考了经典的LeNet-5卷积神经网络模型对mnist数据集进行训练。LeNet-5模型是大神Yann LeCun于1998年在论文"Gradient-based learning applied to document recognition"中提出来的，它是第一个成功应用于数字识别问题的卷积神经网络。下图展示了LeNet-5模型的架构。文中所使用的卷积神经网络结构依次为

参考：https://pjreddie.com/darknet/yolov2/ #yolo-v2https://opencv.org/releases.html #opencv源码下载 环境：整个安装过程用两个字来形容就是“折腾”。第一步先安装好opencv，一个强大开源计算机视觉库。从官网下载了2.4.10的源码进行编译安装：cd opencv-2.4.10mkdir...

    Python中cv2模块的imread函数呆以正常读取'jpg','png'格式的图片，但是不能处理'gif'图片。可以改用imageio模块来处理。import cv2import imageiodef readImg(im_fn):im = cv2.imread(im_fn)if im is None :print('{} cv2.imrea...