汽车开发者社区

图1：这份最新的报告提供了RGBD场景重建方法的概述。我们讨论了静态场景的几何重建的最新趋势（左），动态场景的几何重建的最新趋势（中），以及对应的颜色和反射属性的获取（右）。摘要廉价的消费级RGBD相机的出现，极大地推动了视觉场景重建方法的发展。计算机图形学和计算机视觉研究人员花费了大量的精力，开发全新的算法，利用RGBD相机捕捉静态和动态场景的全面形状模型。这导致了在多个方面对最新技术的重大进展。一些方法...

参考FastLio及误差卡尔曼滤波（ESKF）相关资料，本文对FastLio2代码及论文中相关重难点部分进行了解析，详细关注论文到代码的实现过程，对于部分推导，若与引用资料基本一致，本文将给出引用位置，对于论文与代码的重难点及跳跃较大的地方本文将详细对照说明，论文与代码之间存在些许变量定义差异，行文风格上，本文将主要以代码为主，文中的运算符号与论文一致。1.系统框架图1FastLio2系统框架系统输入为IMU测量数据和LiDAR点...

最近都在研究深度学习点云配准方面的知识，今天发现一篇CVPR2022的点云配准文章，有些借鉴意义，特此提出来进行一起学习，交流。这篇论文解决了在目标点云中估计源点云的多个实例位姿问题。对于目前的解决方案来说，当实例和异常值的数量增加时，其鲁棒性和效率显著降低，于是提出基于距离不变性矩阵将噪声对应关系分组为不同的簇，然后自动识别实例和异常值。提出问题三维点云配准是估计源点云和目标点云之间的单个变换，但有...

智能网联汽车行业除了传统汽车业务外，还包含自动驾驶、车联网、智能座舱三个实际业务方向。智能网联汽车行业的重要岗位有哪些，截至目前共计梳理出53个。目前很多自动驾驶整车生产企业多数集中在智能驾驶和车联网的研发与测试环节，因此重点岗位多数集中在系统集成、架构、算法、控制、底盘系统开发等岗位，还有一些人才是为这些技术开发和产品应用进行测试验证服务。截至目前统计，岗位类别包含系统工程师、软件工程师、硬件...

piecewisejerkpath优化算法路径规划的任务是希望规划出一个安全与舒适的轨迹，让自动驾驶的车辆来完成行驶的任务，避开途中的一些障碍物。它主要去考虑三方面的因素：第一个是安全性，即轨迹不能跟其他车辆发生碰撞。第二个是舒适性，这是从用户的角度来讲解，即有一个良好的乘坐体验，轨迹比较平稳，不会出现一些急刹等状态。第三个是时效性，希望轨迹能稍微快一点，不能太慢，即在一个合理的时间到达目的地。常见的一些算法，...

本文介绍了一种新型的LiDAR+惯性导航系统，称为PointLIO。该系统利用点云数据进行环境建模和高精度运动估计，结合了LiDAR和IMU的优点，能够在高速运动和极端环境下实现稳健的定位和建图。算法的关键是引入了一种基于时序约束的特征提取和匹配方法，该方法利用IMU数据估计出的运动信息对点云进行滤波和聚类，从而提高数据的有效性和计算效率。PointLIO在精度和时间消耗方面一直表现出好的一致性，表明PointLIO的计算效率高，鲁棒...

多机器人系统是近年来机器人研究领域的热门话题之一。由于其在大规模环境中感知和行动的能力，多机器人系统在工厂自动化、智能交通、灾难响应和环境监控等应用中变得越来越受欢迎。本文将介绍一种名为“HydraMulti”的多机器人协同在线构建三维场景图的技术。在多机器人系统中，如何使一组机器人在大环境中获得态势感知是一个重要问题。特别是，在室内环境中，如何描述空间和语义信息是一个挑战性问题。传统的地图表示方法往往...

地点识别基础理论在自动驾驶的行驶过程中，一定会面临一个至关重要的问题：如何知道本车所处的位置。目前有两种主流的方法，一种是使用GNSS组合导航系统进行定位，另一种是基于地图和传感器的观测进行定位。前者存在着GPS信号未覆盖、GPS信号被高楼隧道等环境遮挡导致的定位不准确、漂移等问题，但可以直接输出全局的绝对位置。后者则需要环境地图的相应信息，对环境、外观更加敏感。但是可以在不依赖GPS的情况下实现更加精确的...

VIO初始化的系统介绍首先，介绍一下VIO能做什么。假设有一系列的图像和IMU数据，现在希望把这两者数据进行融合，得到相机在空间中的一种鲁棒性好且精度较高的姿态。其中，已知IMU和相机外参、图像和IMU数据的时间戳已经同步，通过对加速度积分求解得到速度和位移，同时在图像初始速度已知的情况下能够预测图像帧的速度和位移量。当无人机或ARVR设备悬停在空间中，重力会在加速度传感器上面存在一些分量，因此需要去估计重力方向...

1、摘要目前，实例分割方法均聚焦于基于查询的模型，尽管这些模型是端对端且非极大值抑制(NMS)，但在高精度实时基准测试上的优势尚未得到很好的证明。本文展示了基于查询的模型在高效实例分割算法上的巨大潜力，提出了一个简单、有效的基于查询的框架FastInst。FastInst可以实时速度(即32.5FPS)运行，同时在没有附加的COCO测试中产生40.5AP。具体来说，FastInst遵循最近推出的Mask2Former的元架构，主要设计包括实例激活引导查...

1、无人机在自主导航方面的挑战无人机在未知环境上导航，面临着很多挑战，由于未知环境下，并不知道当前环境的地图可能会存在一些威胁，主要原因在于没有先验知识。这里主要有两个方面去解决或处理自主导航的研究。第一个是在视觉方面，由于自身定位是无人机可以正常飞行的前提，所以首先可以定位自己。然后是视觉感知，无人机只能依靠摄像头去感知周围的环境。第二个是控制方面，如果飞的比较快或受到攻击，无人机可能会出现故...

1.主流的移动机器人定位技术介绍1.1.GNSS全球导航卫星系统针对室外大场景的移动机器人应用，绕不开的定位系统就是GNSS全球导航卫星系统了，在空旷园区、室外大广场、空旷农业基地和大型电站室外等场景下应用的移动机器人主要依赖的定位方式就是通过GNSS全球导航卫星系统实现的。GNSS技术是指通过观测GNSS卫星获得坐标系内绝对定位坐标的测量技术。GNSS(GlobalNavigationSatelliteSystem)全球导航卫星系统,主要有四个典型的代表...

1、摘要为了提高检测分割的性能，现有的自监督和半监督方法从未标记的数据中提取任务相关或任务特定的训练标签，但这两种方法对于任务性能都是次优的，使用过少的特定任务训练标签会导致下游任务的groundtruth标签欠拟合，反之则会导致对groundtruth标签过拟合。为此，本文提出了一种新的未知类的半监督学习(ClassAgnosticSemiSupervisedLearning，CASSL)框架，以便于在从无标记数据中提取训练标签时实现更有利的任务特异性平衡...

背景此次的优化针对的场景是室内小场景、室内大场景和室外场景下运行3DSLAM时，z方向的误差累积、以及十万平米（≈400400）建图时回环检测效率低下的问题，机器上使用的主要传感器3DLiDAR有velodyne16线（或ouster16线），IMU使用的是阿路比LPMSIG1。那么在进行优化前，进行普通的3DSLAM能得到什么样“离谱“的结果呢？有如此一幅点云地图（见图1上）在俯瞰视角下彷佛一切”岁月静好“，但在正视视角下其尾巴都翘上了天（见图1...

IntroductiontoSemiSupervisedLearning传统机器学习中的主流学习方法分为监督学习，无监督学习和半监督学习。这里存在一个是问题是为什么需要做半监督学习？首先是希望减少标注成本，因为目前可以在很多现实场景中去获得大量的图片，那么需要标注的量和成本会几何增加。第二个是目前对所有大规模的数据进行标注进而训练模型是不现实的，因此可以使用一种方法使得用未标注的数据进行性能提升。StandardSemiSupervisedLearningPse...

1、摘要为了提高检测分割的性能，现有的自监督和半监督方法从未标记的数据中提取任务相关或任务特定的训练标签，但这两种方法对于任务性能都是次优的，使用过少的特定任务训练标签会导致下游任务的groundtruth标签欠拟合，反之则会导致对groundtruth标签过拟合。为此，本文提出了一种新的未知类的半监督学习(ClassAgnosticSemiSupervisedLearning，CASSL)框架，以便于在从无标记数据中提取训练标签时实现更有利的任务特异性平衡...

1、前言：经典状态估计中协方差的计算能准确反映机器人状态的完整性吗？在每一次机器人执行各种目的的自动导航任务时，拥有高精度且可靠状态估计的能力可以说是机器人顺利、安全完成任务的必要条件之一。简而言之，机器人状态估计算法不单单需要提供精准的状态估计量，还需要能准确地表征状态估计的准确度，比如在退化和传感器失效等场景，状态估计器能提示状态机或者用户此时刻的估计值的准确度风险，不能机器人的状态估计明显...