简介算法浅析代码分析实验结果参考

简述近两年传统视觉方式开始往3d点云上面进行学习，以此来达到现实三维空间中的目标检测。上一篇文章second.pytorch环境配置记录简单写了一下second.pytorch算法的环境配置。当然，second.pytorch代码已经集成了pointpillars算法，不过经过一些修改。我对算法原始作者代码nutonomy/second.pytorch的代码进行一定程度的修改，以此能够有效的将模.

特征匹配算法简介OpenCV库函数里面集成了相关特征匹配算法，目前有：Brute-Force Matcher(BF)算法、FLANN算法使用频率较高。暴力匹配算法比较简单：就是通过描述子descriptors1中任意特征去匹配descriptors2中的所有特征，得到距离的结果值，然后通过Ratio-test抑制来降低错误匹配点。FLANN算法是最近邻算法的快速近似，以此来提升匹配的计算效率，下.

ORB算法简述　　ORB：An Efficient Alternative to SIFT or SURF是2011年ICCV上作者Rublee所提出，主要针对目前主流的SIFT或者SURF等算法的实时性进行改进。当然在实时性大为提升的基础上，匹配性能也在一定程度较SIFT与SURF算法降低。但是，在图像Two Views匹配对之间变换关系较小时，能够匹配性能逼近SIFT算法，同时计算耗时极大..

模板匹配算法介绍模板匹配算法主要为模板图像在基准图上进行由左往右、由上到下进行相关运算，最后得到一个进行相关运算后的系数矩阵：系数矩阵中的参数值用来度量模板图像在基准图中的子区域相似程度。采用相关系数来进行评判，模板匹配算法主要有基于灰度值的模板匹配、梯度值的模板匹配、相位相关匹配等方法。灰度值匹配：模板图像未经过任何预处理，直接取其像素值在原始图像上进行相关运算，灰度匹配算法优点...

目录SORT算法SORT算法流程解读SORT算法代码解读小结参考SORT算法SORT算法流程解读SORT算法代码解读小结参考

线特征算法检测简介LSD（Line Segment Detector）直线检测分割算法，在图像梯度变化明显的区域来检测局部直线的轮廓，因此也称作直线分割。LSD算法在输入图像预处理进行下采样，目的在于降低图像中出现的锯齿效应。通过计算图像中的梯度幅值进行梯度排序，(边缘区域梯度幅值较大)，然后通过区域增长算法来进行线特征的检测。具体算法细节可参考：LSD论文。LSD算法优点：①线性时间内检测出亚.

简述之所以想写这篇博客，主要原因在于阅读别人的代码时候，首先希望把流程架构弄清楚，然后才方便进行修改。second.pytorch代码量比较大，刚开始拿到时候，我也是一头雾水，硬着头皮往下面去看，配置环境(没有跑起来的建议去下载我的docker镜像，深度学习的利器，避免二次配置软件环境问题)，让其跑起来方便调试来进行阅读。话不多说，现在开始进行简要分析一下second.pytorch点云检测这部.

简述docker & nvidia-docker感觉是深度学习的环境配置与部署简化很多，下面记录一下基础的命令，为自己后续用到查阅。在使用之前请先安装好NVIDIA驱动，CUDA以及docker & nvidia-docker的基本环境。docker & nvidia-docker 导入与导出镜像导出镜像：nvidia-docker save -o /save_p...

简述　　second.pytorch代码集成一些3d激光雷达点云的学习算法，关于这方面资料相对较少，主要是3d点云深度学习算法也是这两年才开始发力。学习资料相对单一，本文首先记录自己配置second.pytorch的nvidia-docker环境所踩过的坑，后期会分别写一写当前的3d-lidar点云的深度学习算法。这里，也推荐大家参考second.pytorch的环境配置教程。ok，让我们开始s.