- 博客(27)
- 收藏
- 关注
RSS订阅原创 视觉SLAM前置知识：相机模型
本文详细介绍了相机模型的核心思想，包括坐标系转换、内外参数、投影模型和畸变校正。相机模型将三维世界点投影为二维像素点，分为外参（世界到相机坐标转换）和内参（相机到像素坐标转换）两部分。文章推导了完整的投影方程，解释了径向和切向畸变模型，并阐述了重投影误差在视觉SLAM中的重要性——作为优化目标函数，反映系统的几何一致性。最后简要介绍了使用高斯-牛顿法求解这一非线性最小二乘问题的思路，包括雅可比矩阵计算和参数更新方法。
2025-10-26 18:59:36
941
原创 Graph-based SLAM学习笔记
摘要： 本文介绍了齐次变换在坐标系转换中的应用，通过齐次变换矩阵实现物体坐标系与世界坐标系之间的转换。随后探讨了图SLAM的前端建模，将SLAM问题转化为最大化后验概率的优化问题，通过高斯假设将运动约束、观测约束和回环误差转化为最小二乘问题求解。核心公式包括齐次变换矩阵、SLAM后验概率分解及误差项的最小化目标函数。
2025-10-25 08:07:01
899
原创 Python之JSON数据结构
模块来解析（将 JSON 字符串转换为 Python 对象）和生成（将 Python 对象转换为 JSON 字符串）JSON 数据。默认情况下，JSON 只支持基本的数据类型（如字符串、数字、列表、字典等）。如果有复杂的 Python 对象（如日期、类实例等），可以自定义如何序列化和反序列化这些对象。总结来说，JSON 的优势在于其简单、灵活、轻量和高效，广泛适用于现代的 Web 开发、API 设计以及数据存储和传输。函数将 JSON 字符串解析为 Python 数据类型，如字典、列表等。
2024-09-09 00:08:06
1811
原创 模型训练 warm-up, consine schedule, 以及 Automatic Mixed Precision
介绍在模型训练过程中需要的warm up， consine schedule等
2024-07-23 00:15:48
1161
原创 DiNO (Knowledge Distillation with No Labels)（一）
DiNO模型是由facebook团队研发，使用自监督训练方式训练Transformer模型。
2024-07-08 08:27:54
4886
1
原创 Vision Transformer
在之前的笔记中，介绍了Transformer模型的结构。Transfermer模型被设计用于自然语言处理，但是后来因其强大的特征捕捉能力被逐渐应用到图像处理中。在图像处理应用中，可以把一个图片分割成一个个的patch，比如48×48的图像可以进一步划分为9个16×16的patch。这样，每一个patch都可以被看作一个“word”或者是一个"token"。把每个patch在原图中的位置看为位置编码器，我们就可以应用Transformer模型处理图像数据。
2024-07-06 08:35:47
1129
原创 pytorch学习笔记之Dataset与DataLoader
Dataset对于Dataset来说， 有三个必不可少的函数，分别为__init____len__, 和__init__对Dataset进行初始化；__len__返回Dataset的长度；返回对应的数据和标签以下给出一个例子：import os。
2023-08-22 23:06:49
267
1
原创 python基础知识之迭代器与生成器
迭代器是一个对象，它实现了两个魔术方法， 和 。它们使对象能够在 循环中使用。示例:Python 的内置数据结构如列表、元组等都是可迭代的。当你在这些结构上使用 函数时，它返回一个迭代器，该迭代器定义了访问容器内容的方式。生成器是一种特殊类型的迭代器，更简洁且更便于使用。与迭代器相比，生成器的创建不需要实现 和 方法。相反，你只需要使用一个函数，该函数包含一个或多个 语句。示例:除了上述的生成器函数，你还可以使用生成器表达式创建生成器，这与列表推导式类似，但使用圆括号而非方括号。总结:
2023-08-20 08:14:38
194
1
原创 Qt TableWiget 的使用
参考链接：https://blog.csdn.net/jolin678/article/details/46417377
2020-08-17 15:32:14
243
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