1.什么是图像金字塔图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻

一、ORB-SLAM3结构解析输入【Frame and IMU】：frame可以是单目，双目和RGB-D,外加一个IMU，视觉出来的图像，主要是使用ORB算法进行特征提取，IMU的数据主要是用来做积分。Tracking ：和ORB-SLAM2的第一个区别。在跟踪模块Tracking ，之前是只根据图像视觉的算法做的，在ORB-SLAM3中，计入加入了IMU的作用。处理传感器信息并实时计算当前帧在激

目录1.什么是三维卷积1.1 三维卷积简介1.2 三维卷积的工作原理2，三维卷积核多通道卷积的区别2.1 多通道卷积2.2 三维卷积和多通道卷积之间的区别2.3 总结3，三维卷积的应用3.1 视频分类3.2 点云分类3.2.1 PointNet网络亮点3.2.2PointNet网络结构3.3 图像分割(U-Net)3.3.1 二维的U-Net3.3.2 三维的U-Net1.什么是三维卷积1.1 三

YOLOv5的大小仅有 27 MB，而使用 darknet 架构的 YOLOv4 有 244 MB，对比之下小了近 90%，同时在准确度方面又与 YOLOv4 基准相当。转自：目标检测——YOLOv5（八）_散修炼丹师手记-CSDN博客_yolov5目标检测Github地址：https://github.com/ultralytics/yolov5yolov5权重文件：https://pan.ba

在卷积神经 网络的开源框架中，一般每层的数据和权重都使用四维的张量的表示。一个四维张量的形状是（N*C*H*W）或（N*H*W*C），其中N是批处理的大小，因为一般训练模型都是采用批量数据；C是特征通道数目，H*W是特征图的高和宽。通道内特征和通道间特征：在卷积神经网络中，下一层网络的神经元同时融合了上一层特征通道中对应空间位置的神经元及其邻接位置元的信息，以及不同特征通道对应空间位置的神经元信息

目录1.什么是三维卷积1.1 三维卷积简介1.2 三维卷积的工作原理2，三维卷积核多通道卷积的区别2.1 多通道卷积2.2 三维卷积和多通道卷积之间的区别2.3 总结3，三维卷积的应用3.1 视频分类3.2 点云分类3.2.1 PointNet网络亮点3.2.2PointNet网络结构3.3 图像分割(U-Net)3.3.1 二维的U-Net3.3.2 三维的U-Net1.什么是三维卷积1.1 三

目录1. 概述2. 经典Neck的回顾2.1FPN(特征金字塔结构)2.2 PANet2.2.1创建了自下而上的路径增强2.2.2 Adaptive Feature Pooling2.3 Bi-FPN及FPN的演进ASFF，NAS-FPN，Recursive-FPN）3 典型head回顾3.1 RPN(RegionProposal Networ)3.1.1 RPN的运作机制3.1.2RPN详解3.

主目录新建catkin_ws工作空间文件夹，在catkin_ws中新建src功能包文件夹二、下载源码一共需要下载五个功能包，第五个功能包geometry2需要手动下载（手动选择melodic版本下载，默认为noetic版本，会导致编译出错），移动至src路径下。（点击Code下载压缩包）源码下载太慢，可以直接使用以下链接进行下载：src.zip - 蓝奏云下载后，解压将五个文件夹复制到创建的工作空

图像去噪的常用的方法有均值滤波，中值滤波，高斯滤波；均值滤波：有效的消除一些高斯噪声，但是很容易导致图像边的模糊。如果是需要做图像分割，使用该滤波方法会导致分割失败。不易选择均值滤波；中值滤波：以像素为中心，指定的滑窗形状作为邻域，将邻域内的像素排序，将中值结果赋值给该邻域的像素。该方法容易去除一些孤立噪声，也能够保留大部分的边缘信息。但是前提是选择合适的滑窗，否则也容易造成图像模糊；高斯滤波：高

一、虚拟机中使用OPENNI显示相机图像下载openni的linux安装包。下载地址https://dl.orbbec3d.com/dist/openni2/OpenNI_2.3.0.66.zip将文件夹中的该文件拷贝到虚拟机中首先安装依赖包sudo apt-get install build-essential freeglut3 freeglut3-dev然后解压压缩包，并进入解压后的压缩包u