高精地图广泛应用于自动驾驶领域，传统的高精地图构建和使用算法通常是基于SLAM实现的，但是最近两年出现了很多基于深度学习的方法，例如HDMapNet、VectorMapNet和MapTR就介绍了如何通过NN直接利用感知信息构建矢量化的高精地图，而VectorNet介绍了如何使用NN直接对矢量化的高精地图信息进行编码，从而能高效地作为一路输入被系统所利用。下面HDMapNet为2021年发表的文章，

辐射神经场算法——Wild-NeRF / Mipi-NeRF / NSVF辐射神经场算法——Wild-NeRF / Mipi-NeRF / NSVF辐射神经场算法——Wild-NeRF / Mipi-NeRF / NSVF

SLAM笔记整理基础知识点1. 特征点、描述子、特征匹配相关问题基础知识点1. 特征点、描述子、特征匹配这是整个SLAM系统最开始的部分，先提取特征点和描述子，然后进行特征匹配，通过匹配的特征点才求取的相关变换矩阵，这里容易搞混特征点和描述子的概念。（1）特征点Harris角点：就是一个根据特征小窗口在不同方向上的移动，不同的变化形式即为不同特征（角点、边界），转化到数学公式里面最后就是...

基于Transformer的语义分割方法

具体来说就是将PV Feature上的每一个点通过IPM映射获得对应Work系下的一个坐标，同时BEV Feature上的每一个点通过Scale操作也对应World系下的一个坐标，然后分别通过Sin映射获得World PE，最后一个Shared FC Layer分别获得PV Feature和BEV Feature对应的Position Embedding，使用Shared FC Layer的目的是

视觉SLAM总结——super pixel/super clue/super map

图像传感器与信号处理——光学系统图像传感器与信号处理——光学系统1 光学系统性能相关参数1.1 焦距1.2 F数1.3 像差1.4 景深1.5 调制传递函数2 光学系统设计相关参数2.1 透镜组合2.2 低通滤波器2.3 镀膜2.4 非球面镜2.5 角度波动图像传感器与信号处理——光学系统本文主要总结了图像传感器中光学系统相关知识，参考书籍为《数码相机中图像传感器和信号处理》，英文版为《Ima..

计算机视觉算法——目标检测网络总结计算机视觉算法——图像分割网络总结MaskRCNNSegNetDeepLabCountour Detection and Hierachical Image SegmentationEfficient Graph-Based Image SegmentationSLICU-NetMean ShiftNormalized Cuts and Image Segment

在介绍最终的方法前，论文中首先提到了一种使用Objectness Score的方法，Objectness Score指的是在Backbone的Feature上直接接一个和最终检测头相同的结构的检测头，并同样使用匈牙利计算损失，这个检测头输出的前。

可以看到，代码上的修改并不大，相对于Conditional DETR主要是Cross Attention的过程中加入了长宽对Position Similarity的影响，并在Cross Attention的输出中对Anchor Box的四个参数进行显示的修正。DAB DETR是在Conditional DETR的基础上进行改进的，因此上文在Conditional DETR中介绍的Content Q