美团二面准备

美团二面准备

1. kalman filter 感兴趣: 多传感器融合(扩展)-> 图优化的方法

2. 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

3. 非线性优化方面

GD, GN, LM

4. SLAM

5. 点云配准 ICP, NDT

6. 建图

2D: gmapping, cartographer
3D: LOAM系列 a-loam, f-loam 前沿: scan-context

5. 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

6. 上位机...

项目讲解

1. 做了什么?
2. 困难是啥?
3. 别人的方法是什么?
4. 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