MapTR V2论文与代码解读 本文对MapTR V2的论文和代码进行了解读。 MapTR V2是在MapTR(详情可戳MapTR论文与代码解读)的基础上进行了进行了一些小改动实现了性能提升,整体框架和MapTR差距不大,其改动在于: 解耦了自注意力机制,降低了显存开销 2023-08-27 Paper Multi-view 3D HD Map
Panoptic Visual Odometry论文解读 Panoptic Visual Odometry论文解读 PVO整体结构PVO提出了一个全景视觉里程计框架,同时处理视觉里程计和视频全景分割两项任务。视觉里程计(VO)是基于静态场景假设,通过单目图像计算相机的位姿。对于动态场景,需要过滤动 2023-08-13 Paper Visual Odometry
排序算法重温 时隔两年多的排序算法重温。 快排原理:快排通过分治的方式实现排序过程: 将数列划分为两部分(要求保证相对大小关系)。保证前一个子数列中的数都小于后一个子数列中的数。为了保证平均时间复杂度,一般是随机选择一个数 $m$ 来当做两个子数列的分 2023-06-08 原理 Algorithm
Git基础使用梳理 Git基础用法Git 的三个分区分别是:working directory,stage area (index area),commit history。working directory 是「工作目录」,也是我们肉眼能够看到的文件。当我们 2023-06-02 实战 Tech
BEV模型常用性能评价指标总结 BEV模型常用性能评价指标总结 混淆矩阵混淆矩阵(confusion matrix)是一种特定的矩阵用来呈现算法性能的可视化效果,其每一列代表预测值,每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆(也就是一个 2023-04-12 原理 BEV Perception Pytorch Metrics
BEV模型常用LOSS总结 BEV模型常用LOSS总结,以Pytorch用法为例进行介绍 分类CrossEntropyLoss 交叉熵 torch.nn.CrossEntropyLoss(weight=None, size_average=None, ignore_i 2023-04-08 原理 BEV Perception Pytorch Loss
Online HD Map Construction 整理 本文总结了当前在线地图构造任务的相关工作 方向简介高精地图构建的传统方案需要事先采集点云,使用SLAM方法离线构造全局一致的地图,并在地图上标注语义信息。这样的流程虽然能制作精确的高精地图,但采集、标注和维护都需要大量的人力。近年来,虽然有 2023-03-05 系统梳理 Multi-view 3D HD Map
Fast-BEV论文解读 Fast-BEV论文解读 Fast-BEVFast-BEV的整体结构如图1所示 图1 Fast-BEV网络结构 Fast-BEV是在M$^2$BEV的基础上,进行了三方面的改进 为了防止过拟合,在图像空间和BEV空间都进行了有力的数据增 2023-02-12 Paper Multi-view 3D BEV Perception Attention Deploy
Persformer论文与代码解读 Persformer论文与代码解读 PersformerPersformer是一个针对3D车道线检测的模型,在介绍具体模型设计之前,由于3D Lane和HD Map Construction在一定程度上比较接近,顺便插播一下二者的异同同: 2023-02-03 Paper BEV Perception Mono 3D 3D-Lane