t-dt-2024-radar - ROS Repository Overview

No version for distro humble showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro jazzy showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro kilted showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro rolling showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro galactic showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro iron showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro melodic showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

CONTRIBUTING

No version for distro noetic showing github. Known supported distros are highlighted in the buttons above.

t-dt-2024-radar repository

debug_map kalman_filter vision_interface cluster dynamic_cloud localization livox_interfaces livox_ros2_driver livox_sdk_vendor tdt_vision rosbag_player

ROS Distro
github

Repository Summary

Description	东北大学2024年雷达代码
Checkout URI	https://github.com/t-dt-algorithm-2024/t-dt-2024-radar.git
VCS Type	git
VCS Version	main
Last Updated	2024-11-12
Dev Status	UNKNOWN
Released	UNRELEASED
Contributing	Help Wanted (-) Good First Issues (-) Pull Requests to Review (-)

Packages

Name	Version
debug_map	0.0.0
kalman_filter	0.0.0
vision_interface	0.0.0
cluster	0.0.0
dynamic_cloud	0.0.0
localization	0.0.0
livox_interfaces	0.0.1
livox_ros2_driver	0.0.1
livox_sdk_vendor	0.0.1
tdt_vision	0.0.0
rosbag_player	0.0.0

README

# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能** ![项目结构](.github/processon.png) ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

t-dt-2024-radar repository

ROS Distrogithub

Repository Summary

Packages

README

CONTRIBUTING

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github

ROS Distro
github