1.前言   传统的CNN网络只能给出图像的LABLE，但是在很多情况下需要对识别的物体进行分割实现end to end，然后FCN出现了，给物体分割提供了一个非常重要的解决思路，其核心就是卷积与反卷积，所以这里就详细解释卷积与反卷积。    对于1维的卷积，公式（离散）与计算过程（连续）如下，要记住的是其中一个函数（原函数或者卷积函数）在卷积前要翻转180度图1    对...

最近使用ROS RVIZ实现点云图拼接，不过没有得到很好的效果，这里做个阶段总结。 ROS RVIZ是个功能强大的可视化工具，可以显示很多与机器人相关的信息。 先对ROS中的坐标简要说明，ROS的坐标通过/tf topic 来管理，tf是一个多叉树结构，每一个坐标通过一个frame id识别，使用代码来管理tf，所有坐标都是通过/tf由程序员自己管理。 按照官方指南，tf通过broadcast

Introduction自己制作国内高速label，使用SegNet训练自己的模型，测试效果参考：http://mi.eng.cam.ac.uk/projects/segnet/tutorial.htmlSegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络，开放源码，基于caffe框架。SegNet基于FCN，修改VGG-16网络得到的语义分割网络，有两种