自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(34)
  • 收藏
  • 关注

原创 C++ 知识点/面试题目总结 (八股文)

C++ 知识点/面试题目总结 (八股文)

2021-12-20 20:27:59 14445 4

原创 视觉SLAM十四讲 罗德里格斯公式推导 全解

视觉SLAM十四讲 罗德里格斯公式推导 全解罗德里格斯公式推导相关知识点乘和叉乘向量投影和向量投影矩阵双重向量积最近在学习高翔的视觉SLAM十四讲,在第三章提到了罗德里格斯公式(Rodrigue’s Formula),但书中并没有给出相应的推导公式。在网上搜了不上相关的博客,看了好几篇才看明白,一些基础知识并没有在公式推导过程中给出,导致一开始看得云里雾里。所以这篇博客就是总结罗德里格斯公式推导过程以及过程中所对应的知识点,包括一些基础知识。我在这篇博客里的公式推导比较详细,把一些其他博客省略的步骤加了

2021-11-15 20:32:04 1486

原创 python 知识点/面试题目总结(八股文)算法工程师必备

本文是本人面试过或者复习时遇到过的python知识点/面试题总结,将网上的各种博客或者自己的理解进行总结,持续更新~

2022-09-26 11:42:29 9016 1

原创 视觉SLAM十四讲 第9讲 卡尔曼滤波

卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可以看作是滤波过程。有简单一点的话术来总结:在后端优化中,我们可以根据所考虑时刻(帧数)信息的多少来进行分类::记住卡尔曼滤波器是对系统状态进行最优估计的方法,且利用的是线性系统状态方程。:状态估计:然后,我们将先验以xk−1x_{k-1}xk−1​时刻为条件概率展开::线性高斯系统:预测:卡尔曼增益和后验分布的推导至此.

2022-06-18 17:21:21 3171 2

原创 视觉SLAM十四讲 报错ch13 问题汇总 /usr/bin/ld: /usr/local/lib/libfmt.a(format.cc.o)

视觉SLAM十四讲 报错ch13 /usr/bin/ld: /usr/local/lib/libfmt.a1. 问题1:未链接fmt库1.1 解决方案2. 问题2:-fPIC2.1 解决方案本文总结高博视觉SLAM十四讲第13讲demo程序编译会出现的问题。注意不包括由于Eigen库、OpenCV库没安装好的问题。1. 问题1:未链接fmt库[ 93%] Linking CXX executable ../bin/run_kitti_stereo

2022-03-12 14:13:28 3938 4

原创 视觉SLAM十四讲 报错ch12: segmentation fault (core dumped) ./pointcloud_mapping

视觉SLAM十四讲 报错ch12/pointcloud_mapping: segmentation fault core dumped ./pointcloud_mapping1. 问题2. 原因3. 解决方案1. 问题编译高博的视觉SLAM十四讲ch12的./pointcloud_mapping没有问题,但是运行的时候出现错误:$ ./pointcloud_mapping[1] 863 segmentation fault (core dumped) ./pointcloud_mapp

2022-03-11 17:34:27 2752 6

原创 视觉SLAM十四讲 报错 No rule to make target ‘/usr/local/lib/libDBoW3.a‘, needed by ‘gen_vocab‘.

视觉SLAM十四讲 报错 No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'.1. 问题2. 原因3. 解决方案1. 问题在编译高博的视觉SLAM十四讲ch11的feature_training.cpp时,编译报错:make[2]: *** No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'. Stop.

2022-03-09 21:05:20 1567 1

原创 视觉SLAM十四讲 第9讲 后端1 贝叶斯法则 式9.5推导

视觉SLAM十四讲中的第9讲 式9.5的推导,下面我们来看如何对状态进行估计。按照贝叶斯法则,把zk和xk交换位置,有式9.5

2021-12-27 21:46:34 1144 10

原创 视觉SLAM十四讲 第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D

视觉SLAM十四讲第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D 理解与笔记

2021-12-26 21:50:59 4274

原创 视觉SLAM十四讲 第5讲 相机与图像

视觉SLAM十四讲 第5讲 相机与图像 笔记与理解

2021-12-26 21:35:57 2085

原创 视觉SLAM十四讲 报错 Could not find a configuration file for package “OpenCV“ that is compatible with reques

Could not find a configuration file for package "OpenCV" that is compatible with requested version "4".

2021-12-25 16:44:12 9936 10

原创 视觉SLAM 第7讲 本质矩阵 基础矩阵 单应矩阵 知识点/证明/理解/秩/自由度

本质矩阵 基础矩阵 单应矩阵 证明/理解/秩/自由度

2021-12-24 16:48:11 4519 2

原创 视觉SLAM十四讲 报错 error: ‘index_sequence’ is not a member of ‘std‘

视觉SLAM十四讲 报错 error: 'index_sequence' is not a member of 'std'

2021-12-23 20:09:06 5370 2

原创 为什么尺度等价性要减少一个自由度(本质矩阵举例)

尺度等价性自由度减1。举例说明:设有方程Ax=0...........本质矩阵自由度为5

2021-12-22 21:43:03 3513 8

原创 c++ 迭代器总结

c++ 迭代器总结

2021-12-21 14:42:35 1534

原创 c++ linux Segmentation fault报错记录

c++ linux Segmentation fault报错记录什么是Segmentation fault?什么是Segmentation fault?segmentation,分割,分段,segmentation fault就是段错误的意思。所谓的段错误就是指访问的内存超过了所给这个程序的内存空间,通常这个值是由gdtr来保存的,它是一个48位寄存器,其中的32位是保存由它指向的gdt表,后13位保存相应于gdt的下表,最后3位包括了程序是否在内存中以及程序的cpu中的运行级别,指向的gdt是由64位

2021-12-21 14:31:03 1048

原创 c++中的size_t 和 size_type, typedef和decltype

c++中的size_t 和 size_type, typedef和decltype1. typedef和decltype2. size_t 和 size_typesize_t, size_type, key_type, value_type, mapped_type, decltype, typeof,type type type!在学习C++的过程中,经常会看到size_t, size_type, decltype, typeof…各种type!已经混淆了。为了梳理一遍知识也为了日后自己能更方便的回忆

2021-12-20 20:40:36 1102

原创 关于矩阵的自由度DOF的理解

自由度是n个变量在某个约束下,能够自由变化的最多变量个数m为该约束下的自由度

2021-12-17 21:36:19 8321 2

原创 本质矩阵E的内在性质证明

本质矩阵E的内在性质证明自己手写了对极约束中,本质矩阵(Essential Matrix)E的内在性质的证明:证明过程中用到了:反对称矩阵的性质任意矩阵加减KKK倍单位矩阵后,特征值也±K\pm K±K

2021-12-17 19:28:16 1017

原创 最小二乘法

最小二乘法定义推导在学习SLAM的时候不断的出现最小二乘法相关的算法,看的云里雾里,所以用这篇博客总结一下。定义最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域广泛应用的数学估计。以上是百度百科的定义。更直观的解释,我们常说的曲线拟合,就常用最小二乘法。推导完整的解释和推导请看知乎最小二乘法的本质是什么。这篇文章看完之后我是醍醐灌顶,把最小二乘法用最简单的语言和例子解释清楚了。​个人总结一下:设yyy为要预测的数据真值,yi(i=1,2,...,n)y_i(

2021-12-16 20:13:40 302

原创 视觉SLAM十四讲 第4讲 李代数和李群

李代数和李群1. 什么是群2. 什么是李群3. 什么是李代数4. 指数映射和对数映射4.1 SO(3)4.2 SE(3)4.3 对数映射5. 李代数求导与扰动模型5.1 李代数求导6. 什么是Sophus7. 未完善1. 什么是群群(group)是一种集合加上一种运算的代数结构。集合记作A,运算记作 · ,那么群可以记作G=(A,⋅)G = (A, \cdot )G=(A,⋅)。群需要满足四个条件(封结幺逆,凤姐要你)封闭性:∀a1,a2∈A,a1⋅a2∈A\forall a_1,a_2 \in A

2021-12-10 16:56:44 1838

原创 视觉SLAM十四讲 报错In function `fmt::v8::detail::error_handler::on_error(char const*)‘

视觉SLAM十四讲 报错In function`fmt::v8::detail::error_handler::on_error1. 问题2. 解决方案1. 问题在编译高博的视觉SLAM十四讲中的程序几次都遇到这个问题,比如第5讲中的stereoVision.cpp编译就出现这个问题。究其原因是CMakeLists.txt里没有链接fmt导致的该错误。2. 解决方案先安装fmt包:git clone https://hub.fastgit.org/fmtlib/fmt.gitcd fmtmkd

2021-12-10 14:07:44 7954 10

原创 视觉SLAM十四讲 fatal error: boost/format.hpp: -- Installing: /usr/local/include/opencv2/videostab/log.hpp

视觉SLAM十四讲 fatal error: boost/format.hpp: No such file or directory在编译高博的视觉SLAM十四讲第5讲的imageBasics.cpp时,出现编译错误:[ 87%] Building CXX object rgbd/CMakeFiles/joinMap.dir/joinMap.cpp.o /home/liuyingfeng/workspace/slam/slambook2/ch5/rgbd/joinMap.cpp:4:10: fatal

2021-12-09 15:33:58 1517

原创 SLAM 反对称矩阵

反对称矩阵1. 定义2. 反对称矩阵与叉乘3. 反对称矩阵的行列式4. 反对称矩阵的乘法4.1 反对称矩阵连乘4.2 反对称矩阵与矩阵相乘5. 反对称矩阵的加法6. 无穷小旋转1. 定义反对称矩阵又称(斜对称矩阵)是一个方形矩阵,其转置矩阵和自身的加法逆元相等。A⊤=−A(1.1)A^{\top} = -A \tag{1.1}A⊤=−A(1.1)或写作A=(aij)A=(a_{ij})A=(aij​),各元素的关系为:aij=−aji(1.2)a_{ij} = -a_{ji} \tag{1.2}a

2021-12-01 13:53:38 11308 1

原创 视觉SLAM十四讲 第3讲 三维空间刚体运动(相关知识点汇总)

视觉SLAM十四讲 第3讲 三维空间刚体运动1. 刚体2. 欧氏空间(euclidean space)2.1 欧氏距离:2.2 欧氏变换:3. 笛卡尔坐标系4. 透视空间5. 齐次坐标系5.1 问题:两条平行线可以相交于一点?5.2 为什么叫齐次?6. 关于Eigen7. 基础知识7.1 点和向量7.2 点乘和叉乘8. 旋转矩阵相乘的含义9. 变换矩阵Transform Matrix10. 旋转向量、欧拉角、四元数10.1 旋转向量和旋转矩阵10.1.1 旋转向量和旋转矩阵Eigen10.2 欧拉角10.3

2021-12-01 13:19:39 932

原创 视觉SLAM十四讲 第1-2讲 初识SLAM

视觉SLAM十四讲 第1-2讲 初识SLAM1. slam 是什么2. SLAM基本模块3. 相机的种类4. 视觉slam基本流程5. 非/线性系统、非/高斯系统6. CMake1. slam 是什么定义:SLAM是Simultaneous Localization And Mapping的缩写,即同时定位与地图构建(我在什么地方?周围环境是怎么样的?)。​它是指搭载特定传感器的主题,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动。​梦想:在计算机视觉创立之初,人们就

2021-12-01 12:59:03 3046

原创 Tmux教程 (一文就够)

Tmux1. Tmux是什么?1.1 基本概念1.2 安装2. session操作2.1 启动2.2 分离2.3 退出2.4 绑定、解绑、切换session2.5 重命名session3. window操作3.1 新建窗口tmux new-window3.2 切换窗口3.3 重命名窗口4. pane操作4.1 划分窗格4.2 光标位置4.4 关闭窗格5. 其他操作5.1 tmux上下翻屏使用教程网上相关的Tmux教程很多,可是看完感觉不是太细就是太散,有一些不常用的操作、快捷键也写出来了,感觉重点不够突出

2021-11-09 17:08:58 31571 2

原创 源、镜像、镜像源,更换镜像源apt-get、pip、conda 全部搞懂

源、镜像、镜像源,更换镜像源apt-get、pip、conda 全部搞懂1. 源是什么?2. 镜像是什么?3. 镜像源是什么?4. 更换apt镜像源4.1 清华镜像源4.2 阿里镜像源5. 更换pip源5.1 清华镜像源5.2 其他镜像源6. 更换conda源6.1 清华镜像源6.2 阿里镜像源在与同学交流的过程中,发现自己对于镜像源的理解不够深刻。现在总结一下关于源、镜像源与更换镜像源的相关知识,以及更换源的方法。1. 源是什么?源,在ubuntu下,它就相当于软件库,需要什么软件,只要记得正确的软

2021-11-09 15:20:43 8021 3

原创 Qt学习(1)pyside2、pyqt5实现简单的界面跳转(登录界面)

pyside2实现简单的界面跳转1、前言2、代码pyside21、前言废话不说,先上效果图gif:这里增加简单的判断,如果没有输入名字,则提示,如果没有输入密码,则提示。当账号和密码都有(任意)的时候,成功跳转到另一个界面。以此模拟登录界面。2、代码pyside2下面看看login.py代码:# -*- coding: utf-8 -*-from PySide2 import QtCore, QtGui, QtWidgetsfrom PySide2.QtWidgets import *

2021-06-10 22:35:46 3799

原创 Qt学习(0) 系列目录

Qt学习——系列目录1、interface_jump 简易界面跳转2、easy_qss 简单的qss样式表使用前段时间学习Qt,决定好好总结一下知识点以及代码,然后放在博客上,希望能和大家一起交流~相关代码我都放在github上了,希望对大家有帮助,我会持续更新的~Github: https://github.com/cssdcc1997/qt_learning1、interface_jump 简易界面跳转https://blog.csdn.net/CSSDCC/article/details/1

2021-06-10 22:18:27 127

原创 Qt学习(2) qss/css的简单使用

qss的简单使用1、前言2、代码C++2.1 qss文件的创建2.2 qss代码1、前言这是一个系列博客,我将我学习qt的过程已经整理的代码都会放到博客上去,希望能够帮助到大家~Github网址:https://github.com/cssdcc1997/qt_learningpython版博客:还未更新废话少说,线上简单qss使用的效果图:其中包括了使用背景图background-image,边框参数border以及border-radius(用于设置控件的圆角,使得界面更加圆滑、好看)。

2021-06-10 17:00:48 1405 4

原创 Qt学习(1) 超简单的界面跳转

Qt 简单的界面跳转 interface_jump1、前言2、代码C++1、前言学习QT或者说学习软件界面制作最基础的一个功能就是界面跳转吧,网上讲的都太复杂了,我这里给出一个简单的版本,C++版本和python(PyQt5、PySide)版本都有。代码在Github网址:https://github.com/cssdcc1997/qt_learningPython版:还未更新2、代码C++main.cpp代码:#include "mainwindow.h"#include <QApp

2021-06-10 16:40:11 921

原创 深入理解pytorch-MNIST手写体识别,特征图可视化,自己动手搭建神经网络模型(超详细)

pytorch-MNIST手写体识别,特征图可视化,自己动手搭建神经网络模型1、前言2、MNIST数据集3、深度学习最基本流程4、代码4.1 导入模块4.2 函数参数4.3 数据加载与transform4.4 训练4.5 自己搭建模型4.6 测试5、训练结果可视化5.1 多模型准确率汇总6、特征图可视化6.1 原图6.2 卷积后的特征图6.3 激活函数ReLu后的特征图6.4 最大池化后的特征图6.5 最后的特征图6.5 输出1、前言这篇博客的主要目的,是记录自己的深度学习的学习过程。在做完这个mnis

2021-05-06 21:55:39 3608 10

原创 目标检测评价指标(mAP、P-R曲线、IOU)超好理解

目标检测评价指标(mAP、P-R曲线、IOU)一、mAP如何去理解?尝试理解precision准确率(第一列)recall召回率(第一行)P-R曲线二、IOU(交并比)一、mAP真实情况预测为正预测为反recall召回率正TPFNR = TP / (TP + FN)反FPTNprecision准确率P = TP / (TP + FP)如何去理解?这四个字母看着真头晕,就算看博客当时理解了,过一会儿就忘了,所以决定整理一下,用特殊的方法记住他!

2021-05-06 15:33:54 1505

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

提示
确定要删除当前文章?
取消 删除