阮扬才

原文：https://arxiv.org/abs/1506.降水临近预报的目标是在相对较短的时间内预测局部区域未来的降雨强度。 以前很少有研究从机器学习的角度研究过这个至关重要且具有挑战性的天气预报问题。 在本文中，我们将降水临近预报表述为时空序列预测问题，其中输入和预测目标都是...

作者Anshul Paigwar github https://github.图2.GndNet 架构：我们使用带有完全卷积编码器-解码器网络的支柱特征网络来回归局部地面高程值。 原始点云在 2D 网格中离散化，形成一组柱子。 PointNet 使用柱子中的点来学习可以散布回二维...

'default': train_fixture.name: spec['net'] for name, spec in ret.name: spec['opt'] for name, spec in ret.train_funcs[g.Training single-frame...

github：https://github.generate_bev_gt\kitti_4class_100x100_center_cfg.generate_bev_gt\generate_parallel.注 python zip函数 https://www.runoob.co...

github：https://github.generate_bev_gt\kitti_4class_100x100_center_cfg.generate_bev_gt\generate_parallel.注 python zip函数 https://www.runoob.co...

激光雷达已经成为交通驾驶应用的标准传感器，因为他们提供了高度精确的三维点云。激光雷达对于夜间的低光场景或由于阴影而导致相机性能下降的场景也很健壮。激光雷达的感知算法逐渐成熟，包括目标检测和SLAM。然而，语义分割算法的研究相对较少。基于图像语义分割是一种成熟的图像分割算法，本文对...

摘要:激光雷达的大规模行车场景语义分割方法经常对二维空间中的点云进行投影和处理。投影方法包括球面投影、鸟瞰图投影等。虽然这个过程使得点云适用于基于cnn的二维网络，但它不可避免地改变和放弃了三维拓扑和几何关系。一种解决3D到2d投影问题的直接方法是保持3D表示并处理3D空间中的点...

代码 https://github.利用环境信息得到高密度、高精度的可穿越性地图对于越野导航至关重要。在本文中，我们重点研究将地形划分为4个成本等级（free, low-cost, medium-cost, obstacle）类的问题，以进行可穿越性评估。这需要机器人对这两种语义...

语义场景理解对于越野行驶的自主车辆来说是一种有用的能力。虽然摄像头是用于语义分类的最常见传感器，但当列车和测试装置之间因照明、天气和季节变化而发生显著变化时，使用摄像头图像的方法的性能可能会有所降低。另一方面，来自主动传感器（如激光雷达）的3D信息对这些因素相对不变，这促使我们研...