美团二面准备
-
kalman filter 感兴趣: 多传感器融合(扩展)-> 图优化的方法
-
点云的物体检测->pointNet系列的点云处理方法, 降维的方法, voxel的方法
谈谈自己的方向:通用点云检测不好做, 可以做特定目标的template的匹配
3D点云处理放在在SLAM中的应用
- 非线性优化方面
GD, GN, LM
-
SLAM
-
点云配准 ICP, NDT
-
建图
2D: gmapping, cartographer
3D: LOAM系列 a-loam, f-loam 前沿: scan-context
-
视觉和激光雷达之间的比较
精度， 频率，各种情况下的适应性 -
上位机...
项目讲解
- 做了什么?
- 困难是啥?
- 别人的方法是什么?
- 效果怎么样?
听觉定位项目:
别人的方法:直接使用两个麦克风定位差分定位
效果: 定向1度,定向>10度, 定向3度
改进: 可以基于地图的定位
小问题: 角度换算,1度-360
动态物体检测和追踪
困难: 刚进入的时候比较困难，视觉做的比较多sort, 自己借鉴他的方法做的，做的比较简单，碰到问题比较少
改进: 可以用神经网络做检测和分类.pointNet,pointNet++
pointNet: 点云处理: T-net, 升维， 然后max() 保持排列不变形， 作为全局特征， 1维卷积
pointNet++: 考虑了全局特征和局部特征
导航任务
pointNet++: 考虑了全局特征和局部特征
导航任务
门的检测器
一般来说能正对门框