注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 立体视觉和三维激光系统的联合标定方法.pdf

  2. 立体视觉和三维激光系统的联合标定方法.pdf,双目立体视觉和三维激光扫描是移动机器人环境探测与建模的常见传感测量方法。为实现两个系统的数据融合应用，必须为二者的测量坐标系建立数学关系，即对其进行传感器之间的位姿联合标定。为此提出了一种基于三维特征点距离匹配的联合标定新方法，设计了一种镂空棋盘格作为标定板。使用双目立体相机提取棋盘格角点三维坐标信息，使用激光测距雷达扫描获取镂空区域中心点三维坐标，最终通过最小化两组特征点的理论与实际测量距离的平方差获取两传感器坐标系之间的旋转矩阵和平移向量。进行

  3. 所属分类：其它

  1. 基于移动平台的激光雷达点云投影到相机图像上的不确定性估计

  2. 结合多传感设备以实现高级的感知能力是自动驾驶汽车导航的关键要求。传感器融合用于获取有关周围环境的丰富信息。摄像头和激光雷达传感器的融合可获取精确的范围信息，该信息可以投影到可视图像数据上。这样可以对场景有一个高层次的认识，可以用来启用基于上下文的算法，例如避免碰撞更好的导航。组合这些传感器时的主要挑战是将数据对齐到一个公共域中。由于照相机的内部校准中的误差，照相机与激光雷达之间的外部校准以及平台运动导致的误差，因此这可能很困难。在本文中，我们研究了为激光雷达传感器提供运动校正所需的算法。由于不可

  3. 所属分类：深度学习

    • 发布日期：2019-10-20
    • 文件大小：3mb
    • 提供者：qq_16481211

  1. yuzhou42.bag

  2. 使用ros采集的velodyne和usb相机的数据包，发布了激光雷达和相机的话题，可用于激光雷达与相机的标定与数据融合，详细教程参考https://github.com/yuzhou42/camera-laser-calibration，感谢这位作者小姐姐。

  3. 所属分类：Ubuntu

    • 发布日期：2020-08-07
    • 文件大小：311mb
    • 提供者：zhenzhidemaoyi

  1. 激光雷达与相机融合目标检测数据

  2. 包含图片和相应的点云文件，适用于相机与雷达融合检测算法仿真，点云文件格式为.bin，图片为JPG，数据文件下载。

  3. 所属分类：深度学习

    • 发布日期：2020-11-17
    • 文件大小：378mb
    • 提供者：qq_36814762

  1. nd013-c2-fusion-starter-源码

  2. 无人驾驶汽车Beta测试纳米度 传感器融合和物体检测 我们使用Waymo Open Dataset的真实数据，并在该项目中应用了扩展的Kalman融合滤波器来绘制和跟踪多辆车辆。 完成项目所需完成的主要任务： 实现卡尔曼滤波器以跟踪对象 跟踪管理，初始化，更新和删除跟踪以进行跟踪 数据关联 相机传感器融合，基于激光雷达融合，添加相机测量融合 要运行项目，只需运行脚本loop_over_dataset.py 步骤1：扩展卡尔曼滤波器 在filter.py文件中，使用EKF。 设计系统状态[x，

  3. 所属分类：其它

  1. 583-源码

  2. 片冈昌也 我是谁 我的工作 :robot_face: 我目前在担任模拟/机器人工程师。 我的爱好 :robot_face: 我也是的成员，并在建造无人驾驶船。 在ROS2中构建激光雷达/凸轮融合3D感知系统 在ROS1中建立基于相机的3D感知系统。 从头开始构建3D仿真环境。 建立基于粒子过滤器的定位系统。 在ROS2中构建路径/速度计划ROS2软件包。 为该项目建立和维护CI / CD管道。 :robot_face: 我曾是的前团队负责人 在ROS1中构建基于相机的3D感知系

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：149kb
    • 提供者：weixin_42123296

  1. 传感器融合和对象跟踪-源码

  2. 自动驾驶汽车Beta测试纳米度 中期-3D对象检测 在该项目中，我们使用了来自Waymo Open Dataset的真实数据，并将扩展的Kalman滤波器应用于传感器融合和跟踪多辆车。 完成项目所需完成的主要任务： 实现卡尔曼过滤器以跟踪对象 跟踪管理，初始化，更新和删除跟踪以管理跟踪 数据关联 相机传感器融合，在激光雷达融合的基础上，添加相机测量融合 要运行项目，只需运行脚本loop_over_dataset.py。 步骤1：扩展卡尔曼滤波器 我们使用ekf跟踪对象。 EKF在filter.

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：39mb
    • 提供者：weixin_42111465

  1. SFND_3D_Object_Tracking：相机对象跟踪，激光雷达对象跟踪，相机和激光雷达融合对象跟踪-源码

  2. SFND 3D对象跟踪 欢迎来到相机课程的最终项目。 通过完成所有课程，您现在对关键点检测器，描述符和在连续图像之间进行匹配的方法有了深入的了解。 另外，您知道如何使用YOLO深度学习框架检测图像中的对象。 最后，您知道如何将摄像机图像中的区域与3D空间中的激光雷达点相关联。 让我们看一下程序原理图，看看我们已经完成了什么，还缺少什么。 在这个最终项目中，您将实现原理图中缺少的部分。 为此，您将完成四个主要任务： 首先，您将开发一种使用关键点对应关系随时间匹配3D对象的方法。 其次，您将基

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：129mb
    • 提供者：weixin_42108054

  1. 激光雷达：从光电技术角度看自动驾驶

  2. 激光雷达和与之竞争的传感器技术（相机、雷达和超声波）加强了对传感器融合的需要，也对认真谨慎地选择光电探测器、光源和MEMS 振镜提出了更高的要求。传感器技术、成像、雷达、光探测技术及测距技术（ 激光雷达）、电子技术和人工智能的进步，使数十种先进的驾驶员辅助系统（ADAS）得以实现，包括防撞、盲点监测、车道偏离预警和停车辅助等。通过传感器融合实现这些系统的同步运行，可以让完全自动驾驶的车辆监视周围环境，并警告驾驶员潜在的道路危险，甚至采取独立于驾驶员的躲避行动以防止碰撞。

  3. 所属分类：其它

  1. 基于3D特征点的激光雷达与立体视觉配准方法

  2. 激光雷达和双目相机作为无人驾驶领域中重要的环境感知设备,两者之间的外参配准是其联合应用的重要基础,然而两种信息的融合意味着繁琐的校准过程。基于此,提出一种基于特征点对匹配求解的方法,采用两块矩形木板,分别提取双目相机与激光雷达坐标系下的木板边缘3D点云,拟合空间直线求取角点坐标,最后利用Kabsch算法求解配对的特征点之间的坐标转换,利用聚类法去除多次测量结果中的异常值,并求取平均值。通过搭建实验,所提算法可在Nvidia Jetson Tx2嵌入式开发板上实现,获得了准确的配准参数,验证了理论

  3. 所属分类：其它

  1. 3D-reconstruction-PCL:利用PCL库对KITTI数据集和livox-hikvision融合数据进行三维重建-源码

  2. PCL库三维重建 一，介绍 利用C ++ PCL库对KITTI数据集进行三维重建 利用livox激光雷达和hikvision相机进行三维重建 二，环境： VS2017 + PCL1.8.1 三，实验步骤： 3.1 KITTI三维重建 用KITTI的配准信息将点云投影到图像上获得真彩色点云 滤波 重采样平滑 法线计算 将点云坐标，颜色，法线信息合在一起 网格化（贪心三角化） 3.2 Livox-hikvision三维重建 读取.lvx文件，转换成pcd文件 读取hikvision拍摄视频 后续方

  3. 所属分类：其它