以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 多传感器融合可以提高系统的鲁棒性和准确性，但同时为系统和算法设计带来了新的挑战。 前融合的方法对于传感器间的时序/空间对齐误差比较敏感；而后融合的方法又无法完全利用多传感器的感知能力。 因此本文提出一种middle fusion的融合算法。 核心思想 基于camera分支获得一些初步的3d检测框，再利用这些框关联相关的r...
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1754. 构造字典序最大的合并字符串 Rating 1828 思路 同时滑动，子字符串字典序更大的优先取即可。 算法复杂度更小的话可以考虑后缀数组。 代码 class Solution: def largestMerge(self, word1: str, word2: str) -> str: ...
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 2135. 统计追加字母可以获得的单词数 Rating 1828 思路 按照题意，输入的字符串中任意字母至多出现1次，且字母顺序并不重要。 因此可以用一个32位数表示字符串，每一位表示一个字母，如第0位表示a，第1位表示b，以此类推。 因此本题就转换为了一个位运算的问题。考虑 遍历start中的字符串，获得其对应的n...
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 提出一种radar-camera融合方式。 核心思想 将图像切成多个slice，radar分支预测图像上每个slice的占据情况，本质是一个1d segmentation网络 camera基于yolov3网络进行目标检测，通过调整阈值放出更多框。这些检测框用radar分支给出的1D标签向量进行重加权，从而达到融合的目的...
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 3332. 旅客可以得到的最多点数 Rating 1827 思路 动态规划。 考虑：如果已知第i天在第x个城市的点数，那么第i+1天去往第y个城市的点数如何求解 代码 class Solution: def maxScore(self, n: int, k: int, stayScore: List[List...
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1095. 山脉数组中查找目标值 Rating 1827 思路 显然二分。 首先二分找到山脉峰值 接着分别二分前后找到目标值 二分找山峰的地方没有想出来，关键思路： 二分过程中比较mid和mid+1对应的值 如果mid的值小于mid+1的值，那么山峰肯定在mid+1及其右边 如果mid的值大于mid+1...
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 作者认为lidar并不适合大规模量产车，原因是高价格、高维护性和低可靠性。 radar和camera的组合才是比较适合商业量产车的组合，两个传感器特性可以让其优劣势互补。 为了更好的融合radar和camera，从更低level的feature融合出发是更有必要的。 核心思想 不像常规的cancatenation或者el...
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 对于二阶段的目标检测网络，region proposals的速度和准确度一直都是瓶颈（Fast RCNN 时代） 核心思想 把region proposals部份替换成使用radar点云来生成。 Pipeline 参考 Fast RCNN 亿些细节 Anchor Generation 由于radar点不一定是目标的...
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 多传感器信息可以很好的互相补足劣势，但是设计好的融合算法却比较难。 融合radar相比于融合lidar有两个优势 radar点比较稀疏，一个到几个radar点就对应一个目标，相比于lidar更有效 radar点包含的信息也比较直接，包括目标距离、目标速度 本文提出一种新的radar-camera fusion算...
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 934. 最短的桥 Rating 1825 思路 两次bfs 第一次bfs，找到1个岛所有的1 第二次bfs，基于第一个岛的边缘外扩，找到第一个不在第一个岛的1 代码 class Solution: def shortestBridge(self, grid: List[List[int]]) -> ...