- 博客(630)
- 收藏
- 关注
RSS订阅原创 读书笔记_《新经济学》向松祚_精华部分书摘
作者原本读机械专业，后发现对经济学颇感兴趣，历时研究30余年，终成大作《新经济学》，全书共5卷，恢宏大气，深度、广度兼具，是开拓视野、提高认知深度的一卷好书。个人认为作者始终在研究一个问题：“社会中经济是如何发展的？如何才能更好的发展，创造更多的财富？本文是读书过程中的个人书摘，冰山一角，却已收益颇多，恐好的东西日后找不到，故发布于网络，以作备份。作者也是《新资本论》的创作者。
2023-05-07 10:25:02
791
原创 NDT_正态分布变换_算法原理
无人车激光SLAM系统简单可以分为建图和定位两部分，无人车的定位问题，实际上就是要找出无人车当前在地图的那个位置（并且要求精度在厘米级别）。其中有一类方法被称为即时定位与地图构建（simultaneous localization and mapping，SLAM），它能够实现导航定位而不需要地图，然而，真正实现无人车的SLAM是非常困难的，作为交通工具，远距离的行驶会使得实时构建地图的偏差变大。所以，在已经拥有高精度地图的前提下去做无人车的定位，是更加现实，简单的。
2023-05-05 22:15:00
589
原创 彻底理解C++在.h头文件中定义变量导致 multiple definition
说明：出现这个错误，请你先检查重复定义的变量是否是定义在了.h头文件中，如果是，请您耐心的看完这篇文章，他会告诉你错误的根本原因。如果你很着急，不想弄清楚原因，请直接按下面的方法更改：1.删除b.h中的int a2.在b.cpp中加入a的定义int a;3.在b.h中加入 extern int a;4.在要使用a的cpp文件中加入#include “b.h”
2023-04-26 22:15:00
1218
2
原创 Ubuntu20.04安装CloudCompare及简单使用说明
open：打开save：保存Global Shift settings：设置最大绝对坐标，最大实体对角线Primitive Factory：对点云进行原始加工，改变原始点云的形状3D mouse：对3D鼠标（如3Dconnexion）的支持Close all：关闭所有打开的实体Quit：退出。
2023-04-23 15:19:44
1674
原创 ubuntu_修改libc.so.6 或者 libm.so.6的软链接导致sudo ls 等命令失效的解决方法
当系统底层库出现缺少符号时, 不要单独升级某个文件,这可能导致各种不兼容问题,建议整体升级系统的库文件, 比如使用系统自带的指令进行系统更新!记录一次libc.so.6文件被替换、删除引发的系统级故障之修复过程-CSDN博客误删 libc.so.6的解决方法（开机启动不了）_libc.so.6丢失无法开机_Timsley的博客-CSDN博客软链接libc.so.6错误的修正_如何修改libc.so.6_一个专家程序员的博客-CSDN博客。
2023-04-11 15:04:00
3331
2
原创 论文笔记_SLAM_2022_RS_An Overview on Visual SLAM: From Tradition to Semantic
视觉SLAMVSLAM）由于其传感器成本低、易于与其他传感器融合、环境信息更丰富等优势而得到迅速发展。传统的基于视觉的 SLAM 研究取得了许多成就，但在具有挑战性的环境中可能无法取得预期的结果。深度学习推动了计算机视觉的发展，深度学习与SLAM的结合越来越受到关注。语义信息作为高级环境信息，可以使机器人更好地了解周围环境。本文从传统VSLAM和语义VSLAM结合深度学习两个方面介绍了VSLAM技术的发展。对于传统的VSLAM，我们详细总结了间接和直接方法的优缺点，并给出了一些经典的VSLAM开源算法。
2023-04-03 21:20:55
947
原创 数学_计算协方差矩阵/信息矩阵_理论+例子
x为多维变量（SLAM问题中待求解的状态量），当求解x时，会用到协方差矩阵。当待求解的状态量（未知数）维数很大时，对应的协方差矩阵也很大，导致矩阵计算的计算量巨大。如何使用 1).状态量服从高斯分布的性质,2) 条件独立的性质？？对求解过程进行简化？？ss多元高斯分布_均值和方差为0的高斯分布_aliphantom的博客-CSDN博客。
2023-03-26 13:10:35
1817
原创 论文笔记_BEV-Locator:一个端到端的采用多视角图像的视觉语义定位网络
准确的定位能力是自动驾驶的基础。传统的视觉定位框架通过几何模型来解决语义地图匹配问题，几何模型依赖于复杂的参数调整，从而阻碍了大规模部署。本文提出了BEV定位器：一种使用多目相机图像的端到端视觉语义定位神经网络。具体地，视觉BEV（鸟瞰图）编码器提取多目图像并将其展平到BEV空间中。而语义地图特征在结构上嵌入为地图查询序列。然后，采用跨模态的转换器（cross-model transformer）将BEV特征和语义图查询关联起来。通过交叉注意力模块递归地查询自车的定位信息。
2023-03-16 10:15:07
797
转载 常见的数值积分方法_欧拉积分/中值积分/龙格-库塔积分
如果解的光滑性差，那么，使用四阶龙格-库塔方法求得的数值解，其精度可能反而不如改进的欧拉方法。欧拉积分与中值积分都是一阶近似并没有本质不同，二者只是一阶导数所取位置不同，他们的性能也有差别，如下图所示，作为一阶积分近似方法来讲，中点积分有时会稍好一些（带来更快的收敛速度）。龙格－库塔法的示意图如下，它也是一种更高阶的逼近方法，通常也具有更好的逼近效果，总累计误差为 Δt4 阶。欧拉方法假设导数在区间内是恒定的，作为一般的RK方法，这对应于单阶段方法，计算初始点的导数，并用它来计算终点的积分值。
2023-03-15 11:37:14
2577
原创 概率统计_协方差的传播 Covariance Propagation
是指分析在形如的关系中，对的影响有多大。误差的传播与函数的微分紧密相关，本质是在利用当Δ x 不大时，。方差计算公式：X为变量，为总体均值，N为总体例数。求变量X与均值的差的平方再求平均值，即得到方差。方差一般用来衡量这组数据的波动大小是通过的不确定度, 分析y的不确定度。该问题有时也称为方差的合成。
2023-03-14 23:09:45
704
原创 Linux 动态库 undefined symbol 原因定位与解决方法
linux下没有直接依赖关系，所有的B/C的依赖都会转到到A下，可以用LDD命令验证，此时A只依赖于B, 不见C, 当B中的函数调用C中的函数时，因为没有加载C, 所以报找不到符号错误。第三方已经编译好的库，在引入了对应的头文件，使用了其中的某个方法，最终链接的时候出现 undefined symbol，这种情况有可能是库的开发者并没有导出这个方法的符号。Gcc 对 c++ 的新特性是一步一步的增加的，如果实现了新的特性，就可能会修改 c++ 的 abi，并且会升级 glibc 的版本。
2023-03-01 12:54:21
4931
转载 线性代数_矩阵零空间的维度与奇异值的关系
从上面的推导可以看出，得到的零空间矩阵的每一列就是我们前面的特解(注意要变换顺序！因此，我们可以从通过消元法得到最简式R，然后就可以直接得到零空间矩阵，则 零空间就是零空间矩阵各列向量的线性组合，而不需要像前面那样先给x2,x4赋值，然后回代到方程中得到两个特解，从而得到矩阵的零空间。上面我们经过消元（ 行变换，不改变行空间和零空间，只改变列空间）得到了最简形式R。注：最简矩阵R和零空间矩阵x在MATLAB中可以分别用命令rref(A)，null(A,'r')得到。矩阵A的零空间就Ax=0的解的集合。
2022-12-13 22:25:23
4377
转载 数学_SVD(Singular Value Decomposition)奇异值分解的理解
由公式可以看出如果原始矩阵A是m行n列，那么分解成的三个矩阵U，Σ，V依次是m行m列，m行n列，n行n列。矩阵sigma(即图1 U和V中间的矩阵)除了对角元素，其他元素都为0，并且对角元素是从大到小排列的，前面的元素比较大，后面的很多元素接近0。当然在实际应用中，我们仅需保留着三个比较小的矩阵，就能表示A，不仅节省存储量，在计算的时候更是减少了计算量。携带了数据集中的大部分信息，而其他信息要么是噪声，要么就是毫不相关的信息。矩阵分解可将原始矩阵表示成新的易于处理的形式，新形式是两个或多个矩阵的乘积。
2022-12-11 22:37:19
627
原创 BA_重投影误差e对于相机的位姿ξ和对空间点的坐标P的雅可比矩阵的推导
重投影误差表示为, 相机的位姿表示为(或者表示为T=(R,t))， 空间点表示为, 则空间点投影到相机坐标系下的空间坐标点的相机坐标表示为, 则重投影误差e对于相机的位姿ξ的雅克比矩阵表示为分别求等式右侧的两半部分（误差对空间点的相机坐标的导数，和 空间点的相机坐标对相机位姿的导数），然后相乘即可。同理， 重投影误差e对于空间点的坐标P的雅可比矩阵，可以表示为分别求等式右侧的两半部分（误差对空间点的相机坐标的导数，和 空间点的相机坐标对空间点视觉坐标的导数），然后相乘即可。最终结果。
2022-12-11 21:57:49
1109
原创 数学_使用舒尔补简化矩阵求逆
使用舒尔补简化矩阵求逆，1.将待求逆矩阵M，拆分成2x2的分块矩阵。2.将2x2的分块矩阵，利用舒尔补，拆成3个对角矩阵。3.求解矩阵M的逆，就等于3个对角矩阵的逆的乘积。
2022-11-22 08:23:24
3444
原创 期望E与高斯分布的期望
目录1. 期望定义2. 期望性质2.1 用期望定义方差 / 标准差方差定义标准差定义 方差的表示——离散型：方差的表示——连续型：方差的性质3. (一元)高斯分布定义4. (一元)高斯分布的性质参考 其中，第2条性质： E(EX) = EX：对变量X的期望再求期望，等于X的期望；同理，对 的期望再求期望，依然还是X的期望。期望有时还用 表示，即 或表示为 。设X为随机变量，若 （变量X减去自己的期望后的平方，再求期望）存在， 则称为随机变量X的方差，记作DX 或Var(X)，即: 或者 或者表示为 ，
2022-11-19 12:42:13
1723
转载 PL-VINS:实时基于点线的单目惯导SLAM系统
利用线特征来提高基于点特征的视觉惯性SLAM（VINS）的定位精度越来越重要，因为它们提供了结构化场景中规则性的额外约束，然而，实时性能一直没有得到关注。本文介绍了PL-VINS，一种基于实时优化的具有点和线的单目VINS方法，它是在最新的基于点的VINS Mono的基础上发展起来的。观察到目前的工作是使用LSD算法来提取直线，但是LSD是为场景的形状结构表示而设计的，而不是针对特定的姿态估计问题，由于其昂贵的成本成为实时性能的瓶颈。本文通过对隐参数调整和长度抑制策略的研究，提出了一种改进的LSD算法。
2022-10-08 15:00:28
2172
原创 数学_四元数的求导详细推导
设设单位时间内，四元数发生了一个微小的变化，记作 . 因为采用单位四元数可表达任意三维旋转,且无奇异性；另外，四元数还可以用角轴两个变量进行表示，设角轴为 ω 和 θ，四元数和角轴的转换关系为: (6)所以，设初始旋转为 q = [s, v]，那么 q 相对该旋转的导数为:TODO向量的点积， 向量的叉积，三角求导lim 近似公式
2022-10-02 09:24:12
2949
转载 git命令_git stash
如果你想用更方便的方法来重新检验你储藏的变更，你可以运行 git stash branch，这会创建一个新的分支，检出你储藏工作时的所处的提交，重新应用你的工作，如果成功，将会丢弃储藏。今天在看一个bug，之前一个分支的版本是正常的，在新的分支上上加了很多日志没找到原因，希望回溯到之前的版本，确定下从哪个提交引入的问题，但是还不想把现在的修改提交，也不希望在Git上看到当前修改的版本（带有大量日志和调试信息）。命令时可以通过名字指定使用哪个stash，默认使用最近的stash（即stash@{0}）。
2022-09-28 15:57:00
879
转载 SLAM算法-因子图建模
SLAM或者计算机视觉的问题目标是利用观察到的数据(图像,点云)来推理现实世界中的某些事情(全局状态),比如通过连续的视频帧推理相机的运动，比如通过3D点云数据推理机器人的移动状态(位置和姿态)。SLAM和计算机视觉都尝试描述一个用来解决此类问题的数学框架模型。解决此类问题需要三个要素:模型: 在数学上将数据和全局状态关联起来推理:根据数据，利用模型计算全局状态的后验概率学习:利用成对样本和状态，来学习模型参数。
2022-09-20 08:13:38
2091
原创 概率图模型_马尔可夫随机场
马尔可夫随机场（MRF）是典型的马尔可夫网，不同于隐马尔可夫模型，MRF是一种无向图模型。图中每个结点表示一个或一组变量，结点之间的边表示两个变量的依赖关系。MRF有一组势函数，也可称为“因子”，这是定义在变量子集上的非负实函数，主要用于定义概率分布函数。
2022-09-17 15:23:28
5877
5
原创 多边形或轮廓等距离外扩或收缩
给定一个简单多边形，多边形按照顺时针或者逆时针的数许排列内部等距离缩小或者外部放大的多边形，实际上是由距离一系列平行已知多边形的边，并且距离为L的线段所构成的。
2022-08-17 23:11:12
4495
11
原创 SLAM_旋转运动学_两个坐标系速度v和加速度a的关系
惯性系（静止的那个）与body坐标系（运动的那个）之间的旋转矩阵记为 R_IB,则，两个坐标系下的速度，不是相差一个矩阵R_IB,而是还要加一个项 w x r_I, r_I为惯性系下的运动快的坐标。两个坐标系下的加速度，也不是相差一个矩阵R_IB,还有科氏力、欧拉力、离心力的影响。其中科氏力是制造加速度计的理论基础。...
2022-07-13 21:17:14
2240
原创 SLAM中常用的雅克比矩阵J
1. 知识背景1.1 李群SE(3) 与 李代 SO(3)的转换关系2.常用的雅克比矩阵J2.1 旋转点的左扰动雅可比2.2旋转点的右扰动雅可比2.3旋转连乘的雅可比2.4旋转连乘的雅可比
2022-06-25 22:45:39
1320
转载 CMakeLists中的add_definitions()函数
在我们更改别人代码做实验时使用，既不对其源码进行破坏，又可以添加自己的功能。之前都是在程序中进行#define，有了这个后可以直接在编译的时候进行选择。具体的，在工程CMakeLists.txt 中，使用add_definitions()函数控制代码的开启和关闭：......
2022-06-24 11:45:30
2144
4
转载 CUDA编程入门极简教程
2006年，NVIDIA公司发布了CUDA，CUDA是建立在NVIDIA的CPUs上的一个通用并行计算平台和编程模型，基于CUDA编程可以利用GPUs的并行计算引擎，来更加高效地解决比较复杂的计算难题。近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。目前，最新的CUDA版本为CUDA 9。...
2022-06-22 09:25:31
2276
转载 VINS-Mono 代码详细解读4——feature_manager.cpp
vins-mono SLAM中estimator.cpp中关键函数为processImage（），里面包含了IMU预积分、图像处理特征点跟踪等一系列流程，上一节中对processIMU（）以及预积分的integrationBase类进行解读，本节继续做基础储备，对与estimator.cpp中的feature_manager.cpp进行详细介绍，主要是对特征点管理。特征点管理器主要就是FeatureManager类......
2022-06-22 09:22:01
1038
原创 catkin屏蔽掉不想编译的package
catkin屏蔽掉不想编译的package; Packages "your-pkg-name" not found in the workspace
2022-06-15 17:34:31
883
转载 DBoW2库介绍
BoW（Bag of Words，词袋模型），是自然语言处理领域经常使用的一个概念。以文本为例，一篇文章可能有一万个词，其中可能只有500个不同的单词，每个词出现的次数各不相同。词袋就像一个个袋子，每个袋子里装着同样的词。这构成了一种文本的表示方式。这种表示方式不考虑文法以及词的顺序。在计算机视觉领域，图像通常以特征点及其特征描述来表达。如果把特征描述看做单词，那么就能构建出相应的词袋模型。这就是本文介绍的DBoW2库所做的工作。利用DBoW2库，图像可以方便地转化为一个低维的向量表示。比较两个图像的相似
2022-06-10 09:53:19
1588
1
转载 命令行解析工具gflags详解(main函数参数/参数文件解析)
目录一、Gflags简介二、下载和安装三、用CMake声明flags之间的依赖关系四、定义flag五、flag变量六、在其他文件中调用flag变量七、完整性检查——RegisterFlagValidator八、flag与参数九、命令行设置flag十、更改flag默认值一、Gflags简介Gflags是一种命令行解析工具，主要用于解析用命令行执行可执行文件时传入的参数。与getops()不同的是，在gflags中flag可以分散的定义在各个文件之中，而不用定
2022-05-30 18:22:23
2239
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人