开心罗-CSDN博客

原创 SVO代码理解

SVO代码理解基本流程VO 对象创建调用initialize(), 创建depth_filter线程，对应函数DepthFilter::updateSeedsLoopFrameHandlerMono::addImage(const cv::Mat& img, const double timestamp)程序入口传入图像数据及时间戳FrameHandlerBase::startFramePro

2017-11-23 17:03:04 1061

原创 VisualStudio 跨平台（Linux）调试

Visual GDB 跨平台调试简介Visual GDB是集成在VisualStudio上的一款跨平台C++调试插件，终于可以在Linux上用到宇宙第一IDE了。虽然在VS2015中可以安装跨平台的Linux插件，但暂时还不能用CMake组织代码。使用方法新建VisualGDB项目会出现警告，直接点击确定即可工程类型设置 Linux主机连接设置主机ip，可以是物理机或虚拟机，可以自行百

2017-04-23 12:42:19 2949 1

原创安装tensorflow，pycharm中出现libcudart.so.8.0: can't open shared object file: No such file or directory

原因如果在安装tensorflow_gpu后，在终端运行正常，而在PyCharm中出现如下错误的 ‘ImportError: libcudart.so.8: cannot open shared object file: No such file or directory’ 即该文件未被找到，但是在环境变量已经设置。问题是在PyCharm中 LD_LIBRARY_PATH=’/usr

2017-04-08 20:36:40 4855 3

原创 CMakeLists多目录通用模板及Win&Linux兼容动态库编写

CMakeLists多目录通用模板CMake不仅具有跨平台（一次编写，多次编译）的特点，还有便于工程管理的特点，支持CMake的IDE也有很多（VS[MS]，QT，CodeBlock等）。以一个通用组织的工程（包含PCL，VTK，libLAS第三方库）为示例，具有含义从英语意思进行理解工程树状图 ├── Calibration │ ├── CMakeLists.txt │

2017-03-01 18:50:02 2111

原创使用Apriori算法进行关联分析

Apriori算法关联分析算法概述频繁项集从频繁项集中获取关联规则算法特点Apriori算法关联分析算法概述关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系一般有两种形式：频繁项集和关联规则。频繁项集是经常出现在一块的物品的集合，关联规则按时两种物品之间可能存在很强的关系。下面举例进行说明交易号码商品 0 豆奶，莴苣 1 莴苣，尿布，葡萄酒，甜菜 2

2017-01-12 11:09:24 823

原创树回归

树回归CART回归树树剪枝模型树算法特点树回归上篇主要讲了线性回归的一些方法，为全局模型。当数据拥有总舵特征并且特征关系复杂时，全局模型会出现较大的偏差。实际情况中很多问题都是非线性的，全局线性模型手段不利于分析。树回归主要有数值型回归树和模型树两种CART回归树决策树主要用于数据的分类，一般用于处理离散型的数据，利用香浓熵来度量集合的无组织程度，选用其他方法来替代香浓熵，就可以使用树构建算

2017-01-06 11:36:08 401

原创回归分析

回归分析普通线性回归局部加权线性回归岭回归lasso前向逐步回归回归分析普通线性回归原理回归的目的是预测数值型的目标值，方程y=wx+by=wx+b为回归方程，ww为回归系数，求回归系数的过程就是回归。一旦有了这些系数，再给定输入，做预测就非常容易了。一般的回归都是线性回归，常用方法为最小二乘法：平方误差最小 ∑i=1m(yi−xTiw)2\sum_{i=1}^m \left(y_{i

2016-12-30 12:23:41 900

原创 AdaBoost算法

AdaBoost算法AdaBoost算法算法概述AdaBoost算法流程示例代码算法特点算法概述将不同分类器组合起来，这种组合结果被称为集成方法或者元算法。使用集成方法会有多种形式：可以是不同算法的集成，也可以是同一算法在不同设置下的集成，也可以是数据集不同部分分配给不同分类器之后的集成。boosting 是通过关注被已有分类器错分那些数据获得新的分类器，其中最流行的boosting算法为A

2016-12-27 09:51:15 544

原创支持向量机

支持向量机SVM一般流程SMO算法伪代码示例代码算法特点支持向量机支持向量机(Support Vector Machine, SVM)的理论知识在上篇转载的博客中讲解的很详细SVM一般流程收集数据：任意方法准备数据：需要数值型数据分析数据：有助于可视化分割超平面训练算法：SVM的大部分时间都源自训练，该过程主要实现两个参数的调优测试算法：测试样本带入分隔超

2016-12-23 09:26:35 891

转载 SVM算法推导

本片博客是见过讲得最详细的SVM算法，包括核函数，SMO算法的详细推导转自：http://blog.csdn.net/xuanyuansen/article/details/41078461支持向量机 SMO算法上下界(L, H)示意图

2016-12-21 16:53:39 644

原创逻辑线性回归

基础逻辑线性回归(Logistic回归)的原理部分在上篇转载的博文讲解的已经很详细了。直接以示例程序给出示例代码from numpy import *# 文本中加载样本，前两列为特征，最后一列为标签def loadDataSet(): dataMat = []; labelMat = [] fr = open('testSet.txt') for line in fr.re

2016-12-16 14:16:30 394

转载 Logistic 回归

转自：http://blog.csdn.net/dongtingzhizi/article/details/15962797#comments其中公式13少了一个负号1.引言看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。

2016-12-15 16:47:36 342

原创朴素贝叶斯

基础贝叶斯概率是以18世纪的一位神学家托马斯.贝叶斯(Thomas Bayes)的名字命名。贝叶斯理论引入先验知识和逻辑推理来处理不确定命题。条件概率是贝叶斯理论的理论的基础贝叶斯公式：p(ci|x)=p(x|ci)p(ci)p(x)p\left ( c_{i}|x \right )=\frac{p\left ( x|c_{i} \right )p\left ( c_{i} \right )

2016-12-14 22:06:39 531

决策树构造决策树需要解决的第一个问题就是，当前数据集上那个特征在划分数据分类时起决定性作用。为了找到决定性的特征，划分出最好的结果，需要对每个特征进行评估，一般评估方式为信息增益也叫做熵，还有吉尼斯系数。原始数据集会被划分为几个数据子集。这些数据子集会分布在第一个决策点的所有分支上。如果某个分之下的数据属于同一类型，则当前无需对数据进一步划分。如果数据子集不属于同一类型，需要重复划分数据子集。对子集

2016-12-12 22:28:48 3751 1

原创 k-近邻算法

k-近邻算法k-近邻算法采用不同特征之间的距离方法进行分类。在训练样本集中每条记录都存在标签，样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的特征值和样本集中数据对应的特征进行比较。一般情况，选择k个最想死数据中出现次数最多的分类，作为新数据的分类。以电影分类为例，电影特征空间为打斗镜头和接吻镜头。电影名称打斗镜头接吻镜头电影类型 canifonia

2016-12-08 22:11:32 694

原创 ubuntu控制台设置

ubuntu中qt默认的控制台是xterm，程序运行时控制台的字体很小，也不美观，可以通过：工具->选项->环境->概要将终端设置为gnome-ternimal, 即ubuntu默认的系统终端

2016-12-02 09:45:07 2838

原创 qt工程cmakelists编写注意事项

qt CMakeLists.txt直接给出一个成功示例如下：cmake_minimum_required (VERSION 3.5 FATAL_ERROR)project(pcl-visualizer)# 一般当前目录设置为直接包含目录set(CMAKE_INCLUDE_CURRENT_DIR ON)find_package (VTK REQUIRED)find_package (PCL R

2016-12-01 20:21:04 4856

转载 qt程序图标设置

首先，准备一个图标，例如：zx.ico，并新建一个文本文档，在里面添加一行：IDI_ICON1 ICON DISCARDABLE"zx.ico"重命名为：zx.rc并保存，和你的程序图标zx.ico一起放到QT工程目录下；然后，在QT工程文件.pro里面最后新添加一行：RC_FILE = zx.rc最后，在程序中添加代码：app.seWindow

2016-09-07 14:50:08 322

原创 PCLVisualizer窗口事件注册

PCLVisualizer窗口事件的注册一般情况下PCLVisualizer事件回调函数的形式为：void eventFunction(const pcl::visualization::**Event &event, void* args)注册回调函数的形式为：viewer->registerEventCallback(eventFunction, void*)若在事件相应后想对PCLVisual

2016-08-25 09:10:26 2458

原创 vs2013-qt5编译兼容xp时常遇问题

vs2013-qt5编译兼容xp时常遇问题需要qt平台依赖项将plantforms整个文件夹置于可执行程序下针对vs2013项目需要对属性设置进行更改配置属性-常规-平台工具集-Visual Studio 2013 - Windows XP对于较早vs版本编译的动态库以vs2008为例需要：msvcr90(d).dll,msvcp90(d).dll,msvcm90(d).dll,以

2016-08-01 17:17:14 439

原创 JavaScript笔记

JavaScript函数注意事项1JS函数可以传入任意个参数而不影响调用，传入参数少也没有问题，一般会返回NaN。在进行传入参数的判断的时候可以借助arguments来进行判断。例如：function foo(x) { alert(x); // 10 for (var i=0; i<arguments.length; i++) { alert(argumen

2016-07-13 20:16:00 266

原创 qt带空格路径问题

qt中涉及到空格路径，qmake是无法正确编译的。需要在空格路径前面加上$$quoteINCLUDEPATH += $$quote(C:/Program Files/MySQL/MySQL Server 5.7/include)LIBS+= -L$$quote(C:/Program Files/MySQL/MySQL Server 5.7/lib) -llibmysql

2016-02-29 21:09:21 3294 3

转载 vector详细用法

vector(向量): C++中的一种数据结构,确切的说是一个类.它相当于一个动态的数组,当程序员无法知道自己需要的数组的规模多大时,用其来解决问题可以达到最大节约空间的目的. 用法: 1.文件包含: 首先在程序开头处加上#include以包含所需要的类文件vector 还有一定要加上using name

2016-01-21 09:46:49 464

转载 vector删除元素和查找

需要这样一个容器，可以自动地删除重复元素，并能很方便地进行查找操作！似乎采用树型结构存储的std::set是最佳之选，但到后面才发现，存进去容易，取出来麻烦。不得已又回去用std::vector，就在网上找了找，vector是如何实现类似set的unique和find的。其实也没有想象的复杂，也不需要死去套循环~ vector删除重复元素主要思路为，先排序,再唯一,

2016-01-21 09:39:43 711

原创编译第三方库debug和release不同文件形式的编译

在CMakeLists文件加入SET( CMAKE_DEBUG_POSTFIX "-gd" CACHE STRING "add a postfix, usually d on windows" )语句，生成的debug版本的lib和dll文件文件结尾都是-gd。方便第三方在不同编译环境下的使用

2016-01-13 17:12:02 870

转载连通域标记

OpenCV_连通区域分析（Connected Component Analysis/Labeling）【摘要】本文主要介绍在CVPR和图像处理领域中较为常用的一种图像区域（Blob）提取的方法——连通性分析法（连通区域标记法）。文中介绍了两种常见的连通性分析的算法：1）Two-pass；2）Seed-Filling种子填充，并给出了两个算法的基于OpenCV的C+

2016-01-11 16:11:02 2514

转载 qt&gdal

转自：http://blog.csdn.net/deirjie/article/details/37872743使用需要自行配置Qt和GDAL路径。近期写了一个高光谱图像光谱曲线匹配的算法，想封装到软件当中方便观察效果，也便于做后期算法改进和实际应用，并且以后的算法可以直接集成上来。于是打算自己写一个基本的框架实现图像浏览的一些基本功能。在网上各种找，利用GDAL进行遥感图

2016-01-11 16:09:18 1555

转载 gdal vs2013编译

32位编译主要参考http://malagis.com/win7-vs2010-gdal.html64位编译参考http://www.2cto.com/kf/201308/237944.html以及官网http://trac.osgeo.org/gdal/wiki/BuildingOnWindows----------------------------------------

2016-01-06 15:57:51 706

原创 java配置

1）在系统变量里新建JAVA_HOME变量，变量值为：C:\Program Files\Java\jdk1.6.0_14（根据自己的安装路径填写）2）新建classpath变量，变量值为：.;%JAVA_HOME%\lib;%JAVA_HOME%\lib\tools.jar3）在path变量（已存在不用新建）添加变量值：%JAVA_HOME%\bin;%JAVA_HOME%\jre

2015-12-15 09:54:41 359

原创 mfc operator new”: 没有重载函数接受 3 个参数

在debug模式下，mfc程序中使用标准库或者第三方库较容易出现这方面的问题。解决方法主要有两种，1、将对应的cpp文件中的#ifdef _DEBUG#define new DEBUG_NEW#endif注释掉2、在new前添加全局作用域::

2015-10-23 19:19:29 3445

原创 std::min&std::max与mfc冲突问题

这个问题非常讨厌，时不时会冒出来。综合了网上的多种解决方法，总结了一下。在项目的 stdafx.h 文件中，确保包含自己写的头文件行放在文件尾部。然后在开头处加上三行，就好了。例子如下：// 需要加上以下三行#define NOMINMAX#undef max#undef min// 从这里开始就可以使用 std::min和std::max了#include "my

2015-10-11 17:09:24 766

转载 qt中vtk易出现错误

1 开发环境计算机系统: Win8.1 Qt版本: 5.2.1 Qt Creator版本: 3.0.1 VTK版本: 6.2.0 编译器: VS20122 问题描述根据《VS2012编译安装VTK-6.2.0_支持Qt5.2.1》编译和配置VTK库，然后用VTK-6.2.0/Examples/GUI

2015-10-11 16:11:33 1299

转载 cmake构建qt工程

cmake vs qmakeqmake 是为 Qt 量身打造的，使用起来非常方便cmake 使用上不如qmake简单直接，但复杂换来的是强大的功能内置的 out-of source 构建。（目前QtCreator为qmake也默认启用了该功能。参考：浅谈 qmake 之 shadow build）为各种平台和场景提供条件编译可处理多个可执行文件情况，和很好配合 Qt

2015-10-11 16:09:14 696

转载 VTK6.2&6.3+VS2013+QT5编译配置

主要参考：http://m.blog.csdn.net/blog/u011017966/409844731. visual studio 2010 的安装安装路径选择D:\Program Files (x86)\Microsoft Visual Studio 10.0，2. QT的安装安装路径选择：D:\Qt安装结束后添加系统路径：

2015-10-11 16:00:07 3751 3

转载不同方法获得视差图比较

原帖地址：http://blog.csdn.net/mailang2008/article/details/5873883对OpenCV中涉及的三种立体匹配算法进行代码及各自优缺点总结：首先我们看一下BM算法：该算法代码：[cpp] view plaincopyCvStereoBMState *BMState = cv

2015-10-11 15:29:33 5775

转载双目定标与双目校正

原帖地址：http://blog.csdn.net/chenyusiyuan/article/details/5963256三、双目定标和双目校正双目摄像头定标不仅要得出每个摄像头的内部参数，还需要通过标定来测量两个摄像头之间的相对位置（即右摄像头相对于左摄像头的三维平移 t 和旋转 R 参数）。图6要计算目标点在左右两个视图上形成的视差，首先要把该点在左右

2015-10-11 15:27:01 3655

转载 Bouguet极线校正进一步理解

在双目视觉中，我们对相机进行标定和校正，最终目的是使得两个相机的光轴完全平行，这样才能够继续后续的深度计算，三维重建。这样的校正在OPencv中采用的是Bouguet的极线校正的算法。读了一些文章，现在对bouguet极线校正做一下笔记。有一些还理解不透彻的地方，欢迎大家讨论和指正。校正前的左右相机的光心并不是平行的，两个光心的连线就叫基

2015-10-11 15:25:21 6369 1

转载坐标的平移旋转

平移：假设M是原点为(0,0,0)的坐标系，N是原点为(2,2,2)的坐标系，点P(px,py,pz)是M中的一点，那么点P在N中的坐标P‘是多少呢？p'x = px - 2;p'y = py - 2;p'z = pz - 2;换成矩阵看看：[java] view plaincopyp'x = |px| + |-2| p'y = |py

2015-10-11 15:22:56 917

转载奇异值和特征值

定义特征值：一矩阵A作用与一向量a，结果只相当与该向量乘以一常数λ。即A*a=λa，则a为该矩阵A的特征向量，λ为该矩阵A的特征值。奇异值：设A为m*n阶矩阵，AHA的n个特征值的非负平方根叫作A的奇异值。记为σi(A)关系对于对称矩阵和 Hermite 矩阵而言，一个非负的特征值也是一个奇异值，相应的特征向量是相应的左右奇异向量。

2015-10-11 15:17:22 732

转载极大似然估计

通俗的说说最大似然估计吧，文绉绉的概念和严谨的公式推导总是记不住，又让人昏昏欲睡....1.什么是最大似然估计如果我们知道样本（数据）所服从的概率分布的模型，而不知道该模型中的参数，例如：高斯模型的参数：均值u，及方差sigma。最大似然估计就是用来估计模型参数的统计学方法。2.如何估计我们有什么可以利用的信息呢？样本，概率分布模型。根据什么道理来估计呢？我们从总体中能

2015-10-11 15:16:32 534

000000000000000000

空空如也