位姿估计与点云感知（本科毕业论文+吉大实验室）

位姿估计

我的本科毕业论文聚焦于目标位姿估计。我以 RGB 图像和被检测目标的 3D 模型作为输入，将 2D 图像像素映射到模型表面的 3D 点云。在此基础上，我使用 PnP（Perspective-n-Point）和 RANSAC 算法回归目标位姿，实现目标位姿识别。同时，该方案还结合基于深度学习的 refinement 算法，在 PnP 得到初始位姿后进一步提升位姿精度。实验结果表明，与其他相关方法相比，建立 2D 平面与 3D 空间之间的映射关系，可以带来更高精度的位姿估计结果。

点云感知

大四期间，我主要在吉林大学实验室开展点云感知相关工作。我完成了从 Livox 数据集到 KITTI 数据集的数据格式转换。

此外，我基于 Livox 数据集成功训练并实现了 PointPillars 模型的前向推理。

通过这段经历，我系统了解了多种点云处理方法，也更清楚地认识到纯点云方法在实际目标识别中的局限性。这也激发了我继续探索点云与视觉感知融合的兴趣。