Shentao

其中由于无人机的运动，36帧中白色汽车相对前一帧发生了向右的平移，如果只是使用Kalman滤波预测白色汽车bbox在36帧的位置使用IOU进行关联的话则会失败。因此自然可以使用配准消除相机运动带来的影响。 $[x_t. y_t, w] ^ T = M [x, y ,1]^T$ …

线下找到起点和终点分别对应的帧数，获取车上水杯bbox的中点的深度作为量测，代码如下。实验PyTorch-YOLOv3进行检测，由于放低了检测的conf_thres，最终获取置信度最大的bbox作为水杯的bbox。 1. YOLOv3 2. pyrealsense2 api 3…

使用t265获取小车运动的偏移x，y坐标，同时保存时间戳。 使用d435i获得摄像头距离车的距离，同时保存时间戳。 使用时间戳对t265和d435i进行对齐，最终输出的是传感器距离小车距离，传感器和小车的角度，小车的真实x，y坐标。

使用pyrealsense2连接，只需要安装realsense sdk和pyrealsense2。测试失败，可能是sdk存在的bug，官方说后序会跟进问题，代码如下 使用ros连接，需要ros和realsense sdk和rospy。安装ros后，使用roslaunch连接2个…