Tesla AI DAY 2022

一系列用于评估自动驾驶（AD）策略性能的关键指标。让我们逐一解析这些指标：动态碰撞比率（Dynamic Collision Ratio, DCR）：静态碰撞比率（Static Collision Ratio, SCR）：碰撞比率（Collision Ratio, CR）：位置偏离比率（Positional Deviation Ratio, PDR）：航向偏离比率（Heading Deviation

人脸姿态估计预研（二）1. 背景为什么要写第二篇，因为第一篇写的很简单，自己的思考部分比较少，并且还有一些细节需要补充2. 算法部分2.1 到底使用多少个点？这个确实是一个比较实在的问题，因为博客里LZ也看到不少，基本上都是参考opencv与DLIB那篇博客博客的，下面评论中有很多问题，自然LZ也是有很多疑惑的。首先一个问题便是到底用多少个点？这些点的3D模型怎么得到的，模型应该也是有对应的方向的

人脸姿态估计简单预研一、 背景介绍其实背景很简单，就是有些算法针对正脸的效果很好，但是对于特别大的侧脸，效果就不是很好，所以需要需要根据人脸姿态来进行过滤。二、 算法的简要介绍1. 什么是姿态估计在计算机视觉中，对象的姿态是指其相对于相机的相对方向和位置，我们可以通过相对于相机移动对象，也可以相对于对象移动相机，还可以同时移动相机和对象，如果相机和对象保持相对静止，虽然相机和对象在世界坐标系中的位

LZ在使用vscode的时候，出现代码块无法折叠的问题，这个对于比较长的脚本，阅读起来非常不友好，于是找了个方法，很简单，做个记录。修改EditorFoldingStrategy选项的值为indentation。在输入框输入folding，文件->首选项->设置。小技巧，写了备查就行！...

python遇到的一个小问题UnicodeEncodeError: 'ascii' codec can't encode characters in position 1368-1376: ordinal not in range(128)这个是在文件中存在中文，输出的时候报错，加上下面的一段代码，问题解决import sysimport codecssys.stdout = codecs.get

Pytorch报错insufficient shared memory (shm)一、出现错误背景LZ自己在Docker中配了一套环境，里面也同时安装了Anaconda，然后包含各种例如pytoch，tf，onnx，caffe等不同框架，在容器中使用pytorch训练的时候会出现以下问题ERROR: Unexpected bus error encountered in worker. This

为什么要进行融合呢？原因是LZ在进行贴图操作的时候，经常会出现很明显的边界效应，在各种查找资料的情况下，找到了一种比较适合图像融合的方法，并且OpenCV有对应的接口，所以就网上下了图片，做了一些尝试，当然最后并没有使用这个函数是因为贴图效果太不明显了，LZ甚至以为是自己代码写错了，所以这个函数因人而异。首先这个函数的用法：def seamlessClone(src, dst, mask, p..

其技术路线为自动驾驶提供了一种更灵活、可解释的预测框架，未来或进一步融合多传感器数据（如LiDAR、摄像头），提升复杂场景的适应性。是由 Google 在 2023 年提出的基于语言模型（LM）架构的生成模型，主要用于自动驾驶场景中的交通参与者（如车辆、行人）其核心思想是将轨迹预测问题转化为类似自然语言生成的序列建模任务，通过借鉴语言模型的技术路线实现多模态、可控且高效的预测。轨迹Token可对应

之前下载过TUM的rgbd数据集应该知道对应一个数据集是如下的数据结构.但是深度传感器和相机获得数据的时间是不一致的,需要进行对齐.ROS的话可以对深度图进行注册,直接获得匹配的图像.数据集则需要一个python文件进行associate.新建一个python脚本associate.py,其实tum官网上可以直接下载的,因为有的时候网不好,就直接黏贴下来,下次使用也方便.#!/us...