- 博客(49)
- 收藏
- 关注
RSS订阅原创 学习SLAM必备的数学工具
SLAM 是一个跨学科的复杂领域，涵盖了线性代数、概率与统计、微积分、优化理论和图论等多个数学工具。掌握这些工具不仅可以帮助你更好地理解 SLAM 算法背后的数学原理，还可以为你的研究或开发打下坚实的基础。如果你刚开始学习 SLAM，可以参考以下学习顺序：复习线性代数与概率统计。学习优化理论与微积分的实际应用。结合具体的 SLAM 框架（如 ORB-SLAM、Cartographer）实践。SLAM 的学习之路虽然困难，但随着数学工具的掌握，你会发现它的魅力与价值！
2025-01-13 19:55:03
667
原创 点云处理常用库/工具及其详细介绍
PCL 是一个开源的点云处理库，支持多种点云处理任务。它由 C++ 实现，具有很高的性能和灵活性，并且提供丰富的工具集和算法。Open3D 是一个现代化、跨平台的点云处理库，支持 Python 和 C++，非常适合快速原型开发和科研应用。PyTorch3D 是 Facebook 开发的一个专注于三维深度学习的库，基于 PyTorch，适合从事点云、网格、体素等三维数据的研究人员。PDAL 是一个专注于点云数据管理的开源库，主要用于大规模点云数据的处理和转换。
2025-01-13 19:53:03
972
原创 近期两篇NeRF/3DGS-based SLAM方案赏析：TS-SLAM and MBA-SLAM
在现有方法中，相机轨迹的估计主要依赖隐式的地图表示约束，缺乏对轨迹平滑性和连续性的直接控制，从而导致局部轨迹不够自然且不利于实际应用（如导航和路径规划）。进一步增强轨迹的物理合理性。：整合了运动模糊感知的追踪器和辐射场（NeRF）或3D高斯分布（3DGS）为核心的建图模块，形成了一个鲁棒的、稠密的RGB-D SLAM管线，可以应对运动模糊和清晰图像的多样场景。：通过在合成和真实数据集上的实验，证明了该方法在运动模糊场景和清晰图像场景中的优越性能，超越了现有最先进的NeRF和3DGS SLAM方法。
2024-11-20 20:05:34
3492
原创 OpenXRLab重磅开源XRDSLAM：颠覆性的模块化高效SLAM框架
这篇文章介绍了一个新的通用SLAM框架——XRDSLAM。该框架提供了一个通用接口和工具，使平台易于使用。模块化设计促进了不同算法的集成和迁移，同时提供统一的结果导出和评估功能，实现了不同SLAM算法的公平和便捷比较。XRDSLAM显著降低了代码开发成本，提高了开发效率，推动了SLAM技术的发展。在这个平台上，我们整合了多种最先进的SLAM算法（如Vox-Fusion、NICE-SLAM、SplaTAM等），并在统一框架下进行了客观评估，科学分析了不同算法的准确性特征和计算效率。
2024-11-18 19:58:06
870
原创 港大ArcLab最新开源DEIO：第一个学习与传统非线性图优化紧密结合的单目事件惯性里程计
本文提出了一种名为DEIO的学习驱动的事件-惯性里程计（Deep Event Inertial Odometry），它通过在滑动窗口图优化中紧密集成深度事件束调整（e-DBA）和IMU信息，实现了高精度和高鲁棒性的位姿估计。实验表明，DEIO在九个具有挑战性的事件相机数据集上的表现明显优于基于图像和基于事件的主流方法。本文的研究表明，将学习与优化相结合的框架在SLAM（同时定位与建图）领域具有非常大的发展潜力。此外，通过提供公开的代码和预处理的事件数据，我们旨在推动基于学习的事件位姿跟踪的研究发展。
2024-11-18 19:52:46
1252
原创 厦大&南洋理工最新开源，一种面向户外场景的特征-几何一致性无监督点云配准方法
本文提出了INTEGER，一种用于点云配准的无监督新方法，通过整合低层几何信息和高层上下文信息来生成可靠的伪标签。该方法引入了特征-几何一致性挖掘模块（FGCM），用于动态地对教师模型进行自适应调整，并基于特征和几何空间进行稳健的伪标签挖掘。然后，我们设计了混合密度学生（MDS）以学习密度不变的特征，并通过锚点对比学习（ABCont）实现高效的对比学习。
2024-11-15 20:00:43
1355
原创 机器人领域顶刊TRO十月最新论文一览，覆盖状态估计、任务分配、人机协作等多个领域
实验表明，该方法在MELFA RV4FL等真实机器人系统上优于现有的黑箱估计器，能够在减少训练样本的情况下实现高效的数据利用和良好的外推性能，与依赖精确物理模型的传统方法相比表现出更强的泛化能力和精度，验证了物理嵌入型学习在数据效率和模型鲁棒性方面的优势。理论上证明了该方法的离散解在采样趋近于无穷时可收敛至Hamilton-Jacobi-Isaacs (HJI)方程的连续解，仿真表明在2D和3D环境中的25,000个采样点条件下，仅需82次迭代便可实现收敛。作者：Giulio Giacomuzzo;
2024-11-12 20:11:49
1237
原创 15 个改变世界的开源项目：塑造现代技术的先锋力量
Apache 支持 HTTP/HTTPS 协议，具备高度的可配置性和模块化架构，允许用户通过加载不同的模块来扩展其功能，例如处理安全性、URL 重写、负载均衡、缓存和身份验证等需求。在 Linux 内核的基础上，开发者构建了各种 Linux 发行版（如 Ubuntu、CentOS、Fedora、Debian 等），它们集成了不同的软件包和用户界面，适合不同的应用场景。其模块化和开放的结构使得它能够通过插件和扩展扩展功能，比如支持版本控制、代码格式化、实时协作等功能，是数据分析和教学中不可或缺的工具。
2024-11-12 20:06:59
1521
原创 2024年最受欢迎的编程语言
C#是一种通用的、多范式的、面向对象的编程语言，主要是为了解决C++的一些弱点而创建的。二十七年前作为一种简单的“个人主页工具”开始的语言，这里的名字是PHP，从那时起就进行了令人难以置信的旅程。自2023年1月至2024年9月（21个月），我们发现了651K个工作机会，约占明确要求JavaScript或TypeScript作为编程语言的工作的31%。Ruby的工作需求一直稳定在4%左右，随着时间的推移表现出持续的稳定性。尽管与其他语言相比，它是一种更小众的语言，但它在就业市场上的存在仍然是可靠的。
2024-11-07 19:58:36
1846
原创 IROS 2024最新接收的Motion Planning前沿研究成果汇总
文章标题：PAAMP: Polytopic Action-Set And Motion Planning For Long Horizon Dynamic Motion Planning via Mixed Integer Linear Programming。文章标题：Extensive, Long-term Task and Motion Planning with Signal Temporal Logic Specification for Autonomous Construction。
2024-10-28 19:54:57
1626
原创 机器人领域顶刊TRO九月最新论文一栏：涵盖智能控制、传感器技术，人机协作等多个领域
作者：Nathan Lichtlé;作者： Miguel Calvo-Fullana;作者： Joey Wilson;作者：Shenli Yuan;作者： Chaojian Hou;作者： Michal Pliska;作者：Xiang Gao;Weiyi Wang;Junkao Liu;作者：Alan Papalia;作者：Shoujie Li;作者：Ning Guo;Xudong Han;
2024-10-21 20:20:32
2444
原创 强推！首个全面涵盖LiDAR里程计算法的综述（二）：多激光与多传感器融合激光里程计综述
拆分成三个部分为大家详细解读，分别为：LiDAR-Only与LIO算法综述（一），多激光与多传感器融合激光里程计综述（二），激光里程计尚存挑战，公开数据集与评估方法综述（三）。本篇文章为第二讲：多激光与多传感器融合激光里程计综述LIO算法通过实际工程中的一些适配小技巧以及强大的调参技术，定位的精度和鲁棒性已经达到了商业化水平。然而，。为了应对上述单激光雷达系统面临的挑战，。。M-LOAM假设所有激光雷达都同步，涉及从每个激光雷达中提取特征、数据聚合和智能体状态估计。
2024-10-17 20:09:35
1091
原创 强推！首个全面涵盖LiDAR里程计算法的综述（一）：LiDAR-Only与LIO算法综述
什么是激光雷达？激光雷达（LiDAR，全称为“光探测与测距”）是一种利用激光对空间信息进行距离测量和探测的传感器，目前在机器人和智能驾驶领域被广泛运行。激光雷达的基本原理是：向目标区域发射激光脉冲，当这些脉冲遇到障碍物时，部分光会反射回激光雷达传感器。通过测量每个激光脉冲返回所需的时间，并利用光速，激光雷达可以计算到目标的距离。| 激光雷达的分类激光雷达可以根据其不同的成像架构和测量原理进行分类。激光雷达的成像机制主要分为三类：机械激光雷达、固态激光雷达和非扫描架构的Flash激光雷达。
2024-10-17 19:59:05
1181
1
原创 LOID：有效提升遮挡条件下的车道检测精度
精确的车道检测对于自动驾驶中的有效路径规划和车道跟随至关重要，尤其是在车辆和行人遮挡显著的场景中。现有模型在这些条件下常常表现不佳，导致导航不可靠和安全风险。我们提出了两种创新方法来增强这些具有挑战性环境中的车道检测，每种方法都比当前方法有显著改进。第一种方法aug-Segment通过在CULanes训练数据集上增加模拟遮挡并训练一个分割模型来改进传统的车道检测模型。这种方法在CULanes数据集上比多个SOTA模型提高了12%，表明丰富的训练数据可以更好地处理遮挡。
2024-10-12 20:13:48
875
原创 一文详细解读移动测绘数据采集方法
移动测绘是指通过移动设备采集地理数据的过程。这可以通过多种方式完成，如GPS、激光扫描和数字摄影。收集到的数据可用于多种用途，包括导航、城市规划、土地测量、农业检查等。这种方法还使得在没有互联网连接的偏远地区进行测绘成为可能，或者在传统数据收集方法无法实现或成本过高的情况下进行测绘。收集到的信息可以通过直接传输或远程服务器同步到中央系统，从而允许用户创建自己的数据库以进行进一步处理。用户可以通过GIS（地理信息系统）软件更好地理解和可视化这些信息，从而做出更明智的决策，并预见未来可能面临的挑战。
2024-10-12 20:08:24
1169
原创 2024诺贝尔物理学奖获奖者John J. Hopfield和Geoffrey E. Hinton的贡献
反向传播算法能够通过误差逆向传播调整网络权重，大大提高了神经网络的性能，尤其在多层神经网络（即深度学习）中的应用，奠定了深度神经网络的基础。他提出的反向传播算法、RBM 和 DBN 模型、Dropout 技术以及胶囊网络等理论和方法，不仅在学术界产生了深远的影响，也在工业界引领了人工智能技术的快速发展。他的研究涵盖了从固体物理到生物物理的多个领域，尤其在神经网络和分子生物学方面的工作产生了深远的影响。他提出了生物系统能够通过物理和化学的过程进行复杂的计算，比如大脑如何通过神经元的活动来处理和存储信息。
2024-10-08 20:53:28
2599
原创 一文详细解读自动驾驶与机器人所需各种传感器的原理与优缺点
每种传感器都有其独特的工作原理、优势和劣势，因此在自动驾驶等复杂系统中，常常需要多种传感器的融合，以弥补各自的不足。例如，激光雷达提供高精度的三维数据，毫米波雷达补充速度信息，IMU与GNSS结合进行精确定位，而相机则提供丰富的视觉感知。通过传感器融合，系统能够在复杂和多变的环境下做出更加可靠的决策。
2024-10-08 20:45:39
1602
原创 机器人领域超重量奖项TRO傅京孙最佳论文奖汇总【下】
结果证实，我们的建模工作实现了实时的准确状态估计，超越了最先进的方法。在这个公式中，我们研究了抓取和投掷（即，学习使投掷更准确的抓取方式）之间的协同作用，以及模拟和深度学习（即，使用深度网络在物理模拟器预测的控制参数之上预测残差）之间的协同作用。一种适者生存策略，选择重建的点和关键帧，带来了卓越的鲁棒性，并生成了一个紧凑且可追踪的地图，只有当场景内容变化时才会增长，允许终身运行。一个没有主动传感和控制的柔性剪切激活夹持器可以使用相同的轻触来举起柔软的、易碎的、脆弱的、轻的或非常重的物体。
2024-09-29 19:57:41
1498
原创 首个端到端自动驾驶背景下对抗性训练研究
深度学习的最新进展显著提高了自动驾驶（AD）模型的性能，特别是将感知、预测和规划阶段整合在一起的端到端系统，实现了最先进的性能。然而，这些模型仍然容易受到对抗性攻击的影响，其中人类难以察觉的扰动可以破坏决策过程。虽然对抗性训练是提高模型对此类攻击的鲁棒性的有效方法，但之前没有研究关注将其应用于端到端的AD模型。在本文中，我们采取了端到端AD模型对抗性训练的第一步，并提出了一种新颖的模块化自适应对抗训练（MA2T）。
2024-09-26 20:06:28
1392
原创 CTE-MLO：第一个基于滤波器的连续时间多激光雷达里程计
近年来，基于激光雷达的定位和建图方法因其可靠和实时的定位能力取得了显著进展。考虑到单个激光雷达里程计在实际场景中经常面临硬件故障和性能退化的问题，多激光雷达里程计（MLO）作为一种新兴技术，被研究以增强基于激光雷达的定位和建图系统的性能。然而，MLO可能会因为从多个激光雷达融合的密集点云引入的高计算复杂性而受到影响，而且现有的激光雷达里程计常常忽视了连续时间测量特性。这激发了我们开发一种连续时间高效多激光雷达里程计（CTE-MLO），它可以通过连续时间视角使用多激光雷达测量实现准确和实时的状态估计。
2024-09-25 19:50:57
1233
原创 告别旋转手机：SLAM过程中的磁力计标定
虽然室内定位仍然更普遍地使用Wi-Fi定位，但使用磁场特征作为替代或辅助信息来源已经变得广为人知并得到利用。磁力计偏差在磁场导航和SLAM中带来了重大挑战。传统上，磁力计通过使用标准球体或椭球体拟合方法以及要求用户手动操作，例如将智能手机以8字形旋转来进行校准。这并不总是可行的，特别是当磁力计附着在重或快速移动的平台，或者用户行为无法可靠控制时。最近的研究提出了在定位过程中使用地图数据进行标定。本文更进一步，验证了不需要预先收集的地图；相反，标定可以作为SLAM过程的一部分完成。
2024-09-24 20:24:28
788
原创 清华&港大开源，如何通过深度置信图提升3D重建的精度和速度？
与之前的3D重建方法如NeRF相比，最新的通用3D高斯溅射（G-3DGS）方法即使在稀疏视图设置中也展现出了令人印象深刻的效率。然而，现有G-3DGS方法的有前景的重建性能在很大程度上依赖于准确的多视图特征匹配，这相当具有挑战性。特别是对于在不同视图之间有许多不重叠区域并且包含许多相似区域的场景，现有方法的匹配性能较差，重建精度有限。为了解决这个问题，我们开发了一种策略，利用预测的深度置信图来指导准确的局部特征匹配。
2024-09-13 20:40:57
1113
原创 揭秘蛇形机器人的主动SLAM算法和障碍物避让策略
蛇形机器人能够模仿自然界动物的运动模式，进入传统机器人无法进入的空间，适应人类无法到达的环境，并扩大人类的探索领域。然而，在未知环境下实现自主导航并同时避免障碍物，即主动SLAM（同步定位与地图构建），往往是一个挑战。本文提出了一种结合深度强化学习的多传感器融合的轮式蛇形机器人的自主避障方法。首先，我们基于正交关节设计了一种轻质材料的模块化轮式蛇形机器人结构，并在Gazebo中构建了蛇形机器人的三维模型。其次，使用基于二维激光雷达和惯性测量单元（IMU）的SLAM来实现在未知环境下的自主导航和障碍物检测。
2024-09-11 19:58:00
1491
原创 性能SOTA，端到端在线矢量化高清地图构建框架
在线矢量化高清地图的构建对于自动驾驶中的下游规划和决策至关重要。现有方法通过将地图元素建模为描述其形状的点集合，为这项任务建立了坚实的基线。然而，地图元素之间复杂的几何关系尚未得到充分研究，导致在处理诸如多行人过街等问题时出现显著误差。在本文中，提出了HoMap，这是一个端到端在线矢量化高清地图构建框架，有效捕捉实例之间的复杂关系。具体来说，引入了高阶建模的概念用于地图构建任务，这涉及在高维空间中划分每个实例并计算高阶统计数据以捕捉地图元素之间的相关性。
2024-09-10 19:43:17
1249
原创 多池化策略揭秘：PVAFN如何实现更精准的3D物体识别？
在基于激光雷达的3D物体检测中，点和体素表示的融合越来越普遍。然而，这种结合通常在有效捕获语义信息方面存在挑战。此外，仅依赖感兴趣区域内的点特征可能导致信息丢失和局部特征表示的限制。为了应对这些挑战，我们提出了一种新颖的两阶段3D物体检测器，称为点体素注意力融合网络（PVAFN）。PVAFN利用注意力机制在特征提取阶段改进多模态特征融合。在细化阶段，它采用多池化策略有效整合多尺度和区域特定信息。点体素注意力机制自适应地结合了点云和基于体素的鸟瞰图（BEV）特征，从而产生更丰富的物体表示，有助于减少误检。
2024-09-04 20:40:08
1416
原创 超越现有数据集：CoVLA如何推动自动驾驶技术革新？
自动驾驶领域面临许多不可预见的场景，这要求系统具备复杂的推理和规划能力。虽然多模态大语言模型（MLLMs）为此提供了一个有希望的途径，但它们主要用于理解复杂的环境背景或生成高级驾驶指令，很少有研究将其应用扩展到端到端的路径规划。一个主要的研究瓶颈是缺乏包含视觉、语言和动作的大型注释数据集。为了解决这个问题，我们提出了CoVLA（全面视觉-语言-动作）数据集，这是一个包含超过80小时真实驾驶视频的广泛数据集。
2024-09-03 19:33:53
1119
原创 为量产而设计：自动驾驶车辆激光雷达旋转外参在线标定与异常排除策略
激光雷达（LiDAR，Light Detection and Ranging）是一项在高级驾驶辅助系统（ADAS）和自动驾驶（AD）应用中广泛使用的技术，用于感知、定位以及同步定位与建图（SLAM）等任务。为了使激光雷达正常工作，需要校准激光雷达与车辆坐标之间的旋转外参。这些参数包括横滚角、俯仰角和偏航角，它们最初在制造过程中进行校准。然而，由于长期车辆运行过程中的振动、热量、载荷或意外冲击，这些参数可能会随时间变化。使用不反映这些变化的参数可能会严重降低ADAS和AD应用的性能。
2024-09-02 20:24:26
1306
原创 恶劣天气下的目标检测新突破：多尺度退化建模与特征融合策略
目标检测在场景感知和智能驾驶等领域有广泛应用。然而，受到雨、雾、雪等天气因素的干扰，恶劣天气条件下的目标检测面临重大挑战。主流方法通常未能考虑到退化图像的目标检测，并且无法有效处理它们。在本文中，我们提出了一种名为RDMNet的基于退化建模的增强型目标检测网络，用于不利天气场景。首先，为了捕获退化图像的更多潜在信息，我们将恢复思想整合到检测网络中，形成了一个双分支网络。其次，为了提高网络对不同天气类型的适应性，我们提出对退化图像的退化进行建模，并学习其多尺度退化表示，以指导恢复和检测分支中的特征转换。
2024-08-30 19:57:58
2228
原创 全局点云配准的新思考：没有良好初值时如何配准？
本文的目标是解决全局点云配准（PCR）问题，即在不考虑扫描的初始姿态的情况下，找到点云之间的最优对齐。由于计算约束，这个问题对于传统的优化方法来说非常具有挑战性。首先，我们展示了当点云在空间中任意放置时，最先进的深度学习方法会出现巨大的性能下降。我们提出应该利用等变深度学习来解决这个任务，并且我们描述了PCR的特定类型的双等变性。然后，我们设计了BiEquiformer，这是一个新颖且可扩展的双等变流程，即对输入点云的独立变换是等变的。
2024-08-29 19:58:50
1427
原创 首次突破：蒙面仿人控制器实现全身运动的多模态追踪与现实世界控制
本文介绍了蒙面仿人控制器（Masked Humanoid Controller, MHC），用于跟踪任意仿人状态变量子集的目标轨迹的全身运动。这使得能够实现来自多样化来源的全身运动，例如视频、动作捕捉和虚拟现实，同时确保平衡和对干扰的鲁棒性。MHC在模拟环境中接受训练，使用精心设计的教学大纲模仿来自行为库的部分遮蔽动作，这些行为包括预训练策略的展开、优化的参考轨迹、重新定位的视频剪辑和人类动作捕捉数据。我们展示了模拟实验，验证了MHC执行各种行为的能力，这些行为来自部分指定的目标运动。
2024-08-28 19:41:12
804
原创 IGE-LIO：充分利用强度信息克服激光退化场景下的定位精度
同时定位与建图（SLAM）在移动机器人的状态估计中扮演着重要角色。大多数流行的激光雷达SLAM方法仅从环境的几何结构中提取特征点，这可能导致在退化场景中的定位不准确。在本文中，我们提出了一种新颖的框架，即强度梯度增强的紧耦合激光雷达-惯性里程计（IGE-LIO）。该框架提出了一种基于激光雷达强度梯度的特征提取方法，用于精确的姿态估计，克服了激光雷达-SLAM在退化环境中面临的挑战。计算每个激光雷达点的强度梯度后，我们从纹理信息中动态提取强度边缘点（IEPs）。
2024-08-27 19:41:43
1726
原创 End-to-End视觉里程计新突破：从运动模糊图像中精确估计相机姿态
如何从运动模糊的图像中估计相机姿态仍然是视觉里程计的一个挑战。由于相机运动期间的曝光，模糊伪影是不可避免的。虽然当前的视觉里程计将它们视为噪声，我们认为有必要从模糊伪影中提取潜在信息，因为它们包含了相机运动的先验知识。基于此，我们提出了一种抗模糊的视觉里程计，它通过曝光轨迹提高了相机姿态估计的准确性。具体来说，我们首先使用曝光轨迹来指导相邻帧之间的像素匹配。然后根据曝光轨迹的大小生成模糊掩模。该掩模使姿态模块对严重模糊区域的特征信息关注较少。
2024-08-26 22:00:00
1603
原创 未来交通的智能协调：异构车队管理与基于核的规划控制器
本文提出了一种新的架构，用于管理异构车队，旨在实现混合自主交通中的流量协调，展示了在不同感知范式中的鲁棒性。我们开发了一种基于核的规划控制器，能够在低带宽或高延迟网络中提供预见性协调。此外，我们采用了基于场景的优化技术来调整所提出控制器的参数，这在不同仿真场景中比网格搜索技术提供了性能改进。同时，我们的架构包括一个利用模仿学习的本地控制策略，特别将我们的基于核的规划控制器视为专家。这种独特的应用通过引入输入灵活性和车辆控制分散化，同时保持与专家潜在行为的一致性，弥合了局部感知和全局感知之间的差距。
2024-08-23 19:59:12
939
原创 旷视科技&电子科大&港中文&港科技联合开源，首个探索室内3D点云配准真实数据生成的方法
数据在训练基于学习的3D点云配准方法中起着至关重要的作用。然而，真实世界的数据集构建成本高昂，而基于渲染的合成数据则存在领域差距。在这项工作中，我们提出了PointRegGPT，使用生成的点云对进行训练以增强3D点云配准。给定单个深度图，我们首先应用随机相机运动将其重投影到目标深度图。将它们转换为点云就得到了一个训练对。为了增强数据的真实性，我们将一个生成模型制定为深度修复扩散过程，以处理目标深度图，以重投影的源深度图作为条件。此外，我们还设计了一个深度校正模块，以减轻在重投影期间由点穿透引起的伪影。
2024-08-22 19:47:13
1113
原创 MR-ULINS：一种具有多周期异常值剔除的紧密耦合UWB-激光雷达-惯性估计器
激光雷达惯性里程计（LIO）和超宽带（UWB）已经集成在一起，以实现在全局导航卫星系统（GNSS）拒止环境中的无漂移定位。然而，UWB可能会受到系统性距离误差（如时钟漂移和天线相位中心偏移）以及非视距（NLOS）信号的影响，导致鲁棒性降低。在这项研究中，我们提出了一种UWB-激光雷达-惯性估计器（MR-ULINS），它在多状态约束卡尔曼滤波器（MSCKF）框架内紧密集成了UWB距离、激光雷达帧间和IMU测量。系统性距离误差被精确建模以在线估计和补偿。
2024-08-21 19:59:50
1189
原创 电子科大&川大开源！密集小目标突破：DMIST数据集与LASNet在红外检测中的创新应用
作为红外小目标检测的一个重要研究分支，密集目标检测（例如，无人机群检测）一直是一个值得探索的话题。目前，现有的数据集只涵盖了一个或几个（稀疏）目标，几乎没有数据集可用于密集小目标检测的研究。为了推进这类搜索，我们首次在DAUB数据上合成了两个特殊的密集移动目标数据集（DMIST-60和DMIST-100）。它们每个帧都包含50多个红外小目标。与此同时，为了评估我们的新数据集并促进检测方法研究的繁荣，我们提出了一个链接感知切片网络（LASNet）作为我们数据集的基线。
2024-08-20 20:15:13
1381
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人