同步操作将从 leox24/lidarimg_ws 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
没啥用的读研demo==
激光雷达与相机融合车辆检测
Ubuntu16.04、ros-melodic、opencv3.4、pcl1.7
git clone https://gitee.com/leox24/lidarimg_ws.git
catkin_make
激光雷达检测:roslaunch obstacle_detection tradition.launch
地面分割:roslaunch ground_segmentation ground_seg.launch
图像激光雷达后融合:roslaunch fusionv2 fusionv2.launch
利用opencv库自带的yolo网络进行图像障碍物检测,载入相应的模型和权重即可。opencv库仅利用cpu,速度较慢,后续更改为fusionV2。 激光雷达和图像的数据利用KITTI的raw data,转换成bag包,利用ros的时间同步回调功能实现时间同步,空间同步利用外内参矩阵相乘即可。
利用yolov3官网的代码编译好后,链接动态库,复制darknet.h等头文件,采用GPU和cuda加速实现图像检测,速度较快。
激光雷达的障碍物聚类的bbox信息和图像的车辆box信息同步融合,最近领中心点匹配,匹配结果更新为最终车辆检测。
地面分割。精简Run_based_segmentation的代码,将地面划分为多个网格,处理第二平面如台阶,人行道,以及上下斜坡的问题,每个网格进行ground plane fitting主程序处理,实现地面分割。
利用opencv库自带的yolo网络进行图像障碍物检测demo
KITTI数据集的激光雷达bin文件发布成ros的消息格式sensor_msgs::PointCloud2,voxelnet里面截取出来的Python文件
将激光雷达的障碍物的bbox的markers数据加上一个header数据,存储时间戳,使融合时间同步。
激光雷达障碍物检测,利用环形欧式聚类,不同环形距离下采用不同的聚类阈值,使用PCL库实现。使用霍夫直线检测计算障碍物的主方向,进而计算障碍物的方向包围框。
TODO
存储yolo训练权重和网络模型
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。