文章目录NVIDIA 驱动升级CUDA安装笔记本显卡驱动NVIDIA 418，cuda9.0 比较旧，和工作的环境不兼容，导致tensorRT装版本也不一致，决定把GTX 1060显卡升级到最新的驱动NVIDIA 驱动升级sudo apt-get remove --purge nvidia*sudo sh NVIDIA-Linux-x86_64-418.56.run --uninstall禁用no

参考：https://github.com/traveller59/kitti-object-eval-python，把相应的的依赖函数提取出来了，不需要单独安装second-1.5.1，spconv-1.0。也可以混合精度测试，通过修改config里的yaml参数，测试评估时要保证路径一一对应。可以看出int8精度损失比较严重，需要进一步做感知训练量化，接下来会利用英伟达提供的。编译代码，会得到

MHT、JPDAF基于逐帧的数据关联，但是计算代价较大，复杂度高。SORT算法在传统算法的基础上，使用卡尔曼滤波处理每帧的关联性，利用匈牙利算法进行关联度量，使得其检测性能提升了几十倍。然而SORT算法的Id频繁切换的问题比较明显，也就是说SORT算法只适用于遮挡情况少的、运动比较稳定的对象。

下面介绍了根据构建的Rulebook执行具体稀疏卷积计算，继续看类。PyTorch` 会自动调度该函数，合适地执行前向和反向计算。SubMConvFunction的前向传播forward调用。在前向推理或者反向传播时的调度，使用。类有一个很好的性质：如果它定义了。把这个调用方法取了一个更简短的别名。的一个方法，这个方法完成了。函数不太“美观”，这里用。算子时，我们可以忽略。对象辗转还是会继续调用。

本文基于OpenPCDet框架中算法，对spconv库中稀疏卷积源码进行剖析：首先看OpenPCDet下的​。package`目录下有__init__.py 文件，在导入spconv时__init__.py中的可执行代码会被执行在导入完spconv后，可以直接使用等子模块__init__.py是Python中package的标识，定义了包的属性和方法__在__init__.py中定义了3d稀疏卷积

1. Optical Flow2. KLTKLT 算法本质上也基于光流的三个假设，不同于前述直接比较像素点灰度值的作法，KLT 比较像素点周围的窗口像素，来寻找最相似的像素点。参考：总结：光流–LK光流–基于金字塔分层的LK光流–中值流KLT 光流算法详解KLT角点跟踪算法(LK)学习（一）——算法原理...

三维对象通常表示为点云中的 3D 框。这种表示模仿了基于图像的 2D 边界框检测，但也带来了额外的挑战。3D 世界中的对象不遵循任何特定的方向，基于框的检测器难以枚举所有方向或将轴对齐的边界框拟合到旋转的对象。在本文中，我们用点来表示、检测和跟踪三维物体。我们的框架 CenterPoint 首先使用关键点检测器检测对象的中心，然后回归其他属性，包括 3D 尺寸、3D 方向和速度。在第二阶段，它使用

于根据当前车辆状态信息和上一条轨迹，计算出拼接后的轨迹，并返回拼接后的轨迹。

为了处理量化梯度，除了未定义的点之外，几乎所有地方都是零，可以使用 直通估计器 （ STE ），它通过伪量化操作符传递梯度。希望存储为float，pytorch函数接受float量化值，它可能不接受整数输入。例如，对于num_bits=8，[0，255]。输入将在[-amax，amax]范围内量化，amax将广播到inputs tensor。例如，对于num_bits=8，用[-127，127]代

罗德里格斯公式转轴 n 是矩阵 R 特征值 1 对应的特征向量。求解此方程,再归一化,就得到了旋转轴。int cvRodrigues2( const CvMat* src，CvMat* dst，CvMat* jacobian=0 );参数说明:src——为输入的旋转向量（3x1或者1x3）或者旋转矩阵（3x3）。该参数向量表示其旋转的角度，用向量长度表示。dst——为输出的旋转矩阵...