
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
ORB-SLAMORB_SLAM2RTAB-MapMonoSLAMPTAMLSD-SLAMYaVovisual-odometryRGBD-SLAM-V2Elastic Fusiondvo_slamKintinuousrpg_svoOpenDTAMcartographerM2SLAMrplidarDeMoN
欢迎访问我的博客首页。SLAM工程1. Gmapping2. Cartographer3. 参考1. Gmapping Gmapping 是德国弗莱堡大学 20007 年提出的基于滤波器的激光 SLAM。2. Cartographer Cartographer 是谷歌 2016 年提出的基于图优化的激光 SLAM。3. 参考Gmapping,sci-hub,2007。Cartographer,
ROS安装1. 教程2. 安装步骤1. 教程wiki2. 安装步骤配置Ubuntu仓库:打开<系统设置>选择<软件和更新>,确保restricted、universe和multiverse被选中设置软件源:打开终端输入:sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release...

一.迁移学习[论文][Keras][监督]1).网络:图1-1.网络框架。带跳跃连接的编解码器结构。编码器采用在ImageNet上预训练过的DenseNet-169,解码器由卷积和上采样组成。2).损失函数:每个像素的预测深度与实际深度的L1损失:。由于该损失会随深度值的变大而变大,作者使用原始深度值的导数作为深度值,是最大深度值。图像梯度与深度图梯度的L1损失:。图像...
目前实例分割分为两大类:propose & verify,即先用目标检测找出实例可能的边界框并分类,再对边界框进行前后景分割。这类方法以Mask RCNN为代表。缺点是对拥挤、遮挡、小目标和不规则物体的分割精度不高。像素级分割。A.半卷积用于实例分割(2018,Novotny)本文用像素级分割实现实例分割。广泛应用于深度学习中提取特征的卷积操作具有不变性,这限制了网络精确...
图像是立体场景的投影,投影只捕获了平面信息,因此单目深度估计很具挑战性。但是双目可以通过匹配用几何方法直接计算出深度信息。因此单目深度估计具有一定的研究价值。深度估计可以用于3D建模、场景理解、深度感知(depth-aware)的图像合成等领域。基于深度学习的单目估计依据是像素值关系反映深度关系,方法是拟合一个函数把图像映射成深度图:。从得出的深度图轮廓和不断提高的实验结果可以看出,的确可...
SSD 目标检测算法1. 网络结构1. 网络结构下采样次数下采样的输出检测网络的输入检测网络的输出原图上被检测区域的边长x的值第3次(38, 38, 512)(38, 38, 4x)84第4次(19, 19, 1024)(19, 19, 4x)166第5次(10, 10, 512)(38, 38, 4x)306第6次(5, 5, 256)(5, 5, 4x)606第7次(3, 3, 256)(3,
机器学习的学习过程基于概率和统计学,学习到的知识能用于其它数据的一个基本假设是独立同分布(IID),因此把数据变成同分布是很有必要的。A.权重归一化: WN不归一化特征,而是归一化权重。假设卷积核的向量形式是,感受野的向量形式是,偏置为。一个神经元的输出可以表示为:。把权值写成:,因为,所以。这样,权值向量的模长就是,方向就是。模长和方向不再耦合,可以加速收敛。损失函数关于的导数:...








