paper list 202506
“Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D” “Uncertainty-Aware CNNs for Depth Completion: Uncert
Typing...
整理思考的地方
深度转视差代码
内参fx可以从镜头焦距F,sensor_width直接计算得到 import cv2
import numpy as np
import matplotlib.pyplot as plt
depth_l = np.load('stereo_pinhole/0000.npy')
depth_r =
2025.1.2实验：二维深度图Depth-first Point Filtering
现象描述 因为安装位置的关系，LiDAR在鱼眼相机的上面，导致点云投影到鱼眼相机时，鱼眼相机不可视的点投影到了图像上，且与近处点云交错重叠。如图，左边显示器顶部出现了深度交错。 解决思路 类似Z-buffering的原理，思路是用前面的点过滤掉后面的点。根据透视原理，近处点云所投影的像素面积是会比远
file
vtoyboot-1.0.35.iso
continue to train from best checkpoint rather than last one
背景 通常我们会选择连续若干个epoch后train loss不下降时就降低lr（为方便讨论，这里统一选择减半lr）的策略。具体来说，train的时候通过计算eval分数判断best weight，同时记录last weight。但是在发现train loss无法下降时其实已经不是最好的时机，通过实
点云深度可视化标定与自动生成
batch size，学习率，与泛化性
一般来说batch size越小，越接近实际推理变化丰富的实际情况，小bs训练出的模型在val set上分数更高。 可以一开始尽可能的大bs训练，然后再在bs=1下继续收敛。 learning rate使用cosine退火策略可能有2%左右的提升。但是耗费的时间多得多，属于最后考虑的策略。 在实验开
搬家成功
从用了近十年的wordpress切换到HALO，体验不错😀