本文总结了IROS 2019 Lifelong Robotic Vision: Object Recognition Challenge的比赛结果。
本文在总结终生学习（Life Long Learning, LLL，又称为增量学习Incremental Learning、Continuous Learning、Never Ending Learning）的概念，存在的问题以及当前的解决方案。
本文是论文<Focal Loss for Dense Object Detection>的阅读笔记，该论文提出了一个新的损失函数Focal Loss 用于解决样本不平衡的问题，并在此基础上提出一个新的目标检测模型：RetinaNet。基于ResNet和FPN，RetinaNet的检测精度大幅超越了其它单阶段、两阶段的目标检测算法。
本文是论文<SOLO: Segmenting Objects by Locations>的阅读笔记，这篇论文提出了SOLO实例分割模型，引入实例类别的概念，将实例分割问题转换为分类问题。SOLO在COCO数据集上达到SOTA。
本文介绍了如何使用ros_qtc_plugin插件，使得Qt Creator可以作为ROS程序开发的IDE，以及在ROS程序中使用QT5库进行GUI程序的开发，最后介绍了基于VTK库QT5中显示PCL库点云的方法。
本文是论文<YOLACT: Real-time Instance Segmentation>的论文笔记，该论文提出了YOLACT，一个实时的实例分割模型。YOLACT将实例分割分成两个分枝：prototype和mask coefficient预测，可以在TitanXp上以33.5fps的速度达到29.8mAP。本文还提出了Fast NMS。
本文介绍了ROS中机器人导航的基础知识和实例。首先给出了导航常用到的数据类型、坐标系、主题，然后介绍了主要用到的功能包：move_base、amcl、fake_localization，最后介绍了如何在Gazebo中进行激光导航仿真的实例。
本文首先介绍了ROS中导航地图的数据类型：OccupancyGrid，然后总结了map_server功能包的用法．最后编写一个OccupancyGrid发布节点，该节点读取地图数据文件，然后发布主题和服务，可以通过rviz查看地图．
本文通过深度图构建一个点云地图，然后使用cloud_to_map功能包，将其转换为可用于导航的二维栅格地图。
本文是论文<YOLOv3: An Incremental Improvement>的阅读笔记，该论文在YOLOv2的基础上提出YOLOv3，做了一些小改动，还提出了新的backbone网络：Darknet-53。YOLOv3的速度很快，而且其AP50精度几乎达到SOTA。
