a735148617的博客

1、 在大多数岗位/任职需求/学习路线中，没有单纯的内核驱动开发岗位，大部分岗位都叫做内核工程师，负责完整的软件开发中的内核事宜，不进行细分。2、在一篇问答（1）里，答主提到，尽管内核从1997年放弃了C++的尝试，但是却有兴趣使用rust进行开发。6. （5）是野火上一个面向嵌入式内核工程师的linux内核开发教程，虽然面向嵌入式，但介绍部分是共同的。3. 在（2）中，两位资深内核驱动工程师分享了他们的职业生涯经验。7. 对linux2.6内核框架的探讨。8. 8.用户态linux驱动框架的研究。

在非线性优化领域中，我们常采用一系列数值方法对构造的问题进行求解，各方法彼此联系，本文将对这些数值处理方法进行梳理构造。

常用技能与如何备战offer在机器人算法的学习过程中，我们如何该用什么语言或工具来实现算法，检验算法的正确性呢？直接上真实机器人不是一个好的选择，一是步骤繁琐不方便，二是若算法有问题，可能会造成安全事故，因此，仿真是算法实践中必不可少的步骤。本文中博主将为大家介绍几种常用的仿真软件。ROSROS是一款专为机器人开发的操作系统，常在ubuntu系统上运行。ROS为机器人软件开发工作者提供一个开源的系统框架，把繁琐的工作都实现好，让用户可以集中注意力于开发自己的领域。对于初学者来说，ROS看可以让新手在短

机器人算法工程师需要学习哪些知识？作为复杂的工业品，机器人的制造涉及到各个学科的知识，包括材料、振动、机构设计、电机伺服、嵌入式芯片、软件、算法等等。其中，机器人算法也并非代指某一种单纯的算法，而是包括感知、规划、控制等等一系列算法。这也就决定了机器人算法工程师需要宽阔的视野与深厚的知识储备。我将知识图谱分为以下四个方面：感知、规划、控制、机器人学，如下：...

国内有哪些机器人公司？机器人的概念涵盖极广。从流水线上大小各异的机械臂，到仓库里的移动底盘，再到餐厅里上菜的机器人服务员，甚至是淘宝客服聊天机器人，都能称为广义上的“机器人”。各路教材、维基对机器人的定义都不相同。笔者将从机器人算法工程师的角度出发，分析作为一个学生，想成为一名“机器人算法工程师”，都有哪些选择。工业机械臂工业机械臂是机器人家族中历史最为悠久的一族，常用于流水线上的组装、码垛、切割、喷涂等作业。按照关节数分有SCARA机器人、五轴、六轴、七轴机器人。这一领域，一些传统的算法已经比较成熟

如何成为一名机器人算法工程师？  三年前的冬天，我还是一名大三的学生，在学长的介绍下阅读了一本书，是John J. Craig的**《Introduction to robotics》**。读过几章之后，我感觉非常的亢奋，第一次感觉到数学与机械的完美结合，这就是我想从事的学科。那么，如何成为一名机器人算法工程师呢？  如今回想起来，当时的见解太过浅薄。但所幸对这门学科确实有热情，也遇到了很多人的帮助，所以就沿着当时的道路走到现在，顺利在秋招时拿到了机器人算法工程师的offer，进入了一家心仪的公司。 

牛顿迭代法收敛性的一点讨论今天在使用牛顿迭代法求方程的数值解时，发现其一会儿收敛，一会儿不收敛，于是认证研究了下牛顿迭代法的收敛条件。牛顿迭代法的收敛性分为局部收敛性与全局收敛性。**局部收敛性：**若α是f(x)=0的一个单根, f(α)=0,f’(α)≠0,ϕ’(α)=0, ϕ’’(α)=f’’(α)/f’(α), 则在根α附近Newton法是局部收敛的, 并且是二阶收敛的。这个附近指的是充分接近。要多接近呢？似乎没有进一步的证明。这就决定了牛顿迭代法的初值选取非常重要，只有在解的附近选初值才

由于matlab中pi是π的近似数，因此计算cos和sin的结果都是一个无穷小的数。一般情况下没什么问题，但在符号运算时会产生非常多的无穷小数，导致结果庞杂。苦苦搜寻后找到最终解决方案，将pi替换成sym(pi)即可，即计算cos(sym(pi/2))和sin(sym(pi))就能解决。...

欧拉角速度与角速度的关系推导——欧拉运动方程最近研究欧拉角速度与角速度之间的关系，特别折磨，网上的资料要不就是地理学的进动——章动——自转那一套欧拉角与角速度的关系，要不就是陀螺仪那一套欧拉角与角速度的关系，不具有普遍性，因此在大干三天后，将自己的心得写上来供大家参考。欧拉角欧拉角的定义不再赘述，简单来说它是确定定点转动刚体位置的3个一组独立角参量。这个东西坏就坏在它有太多种了。绕轴转动的顺序不同（如x-y-z和x-z-y），绕轴转动的类型不同（指绕惯性坐标系x-y-z或刚体固连坐标系x-y’-z’’

刚体姿态运动学（二）姿态的微分形式——角速度、欧拉角导数、四元数导数、旋转矩阵导数上一篇我们讲了姿态的表达方式及其转换，可以说还是比较简单的。接下来面临的问题是，我们不仅想知道刚体的姿态，还想知道姿态是怎么变化的，也就是刚体的角速度。接下来我们研究一下姿态的各种表达的微分形式该如何转化为角速度。角速度是描述刚体姿态变化的速度，由三个方向的分量wxw_{x}wx​,wyw_{y}wy​,wz,w_{z},wz​组成。旋转矩阵导数转角速度r(t)=R(t)r0\mathbf{r}(t)=\mathbf{

刚体运动学姿态推导——弄懂欧拉角、四元数、旋转矩阵（一）姿态表示最近做项目用到了刚体姿态方面的知识，乱七八糟东西一堆，尤其用到速度表示的微分运动学，特别容易弄混，因此写个帖子方便复习和查找 。主要是记录机器人方向用到的知识。旋转矩阵对于空间中的两组坐标系[x1x_1x1​，y1y_1y1​,z1z_1z1​],[x0x_0x0​，y0y_0y0​,z0z_0z0​]我们可以用一个旋转矩阵来描述二者之间的姿态变化：R10=(x1⋅x0y1⋅x0z1⋅x0x1⋅y0y1⋅y0z1⋅y0x1⋅z0y1⋅z

基于MPC的移动机器人轨迹跟踪控制matlab例程github地址移动机器人建模因为所有机器人均可转化为独轮车模型，因此本项目采用独轮车模型。(x˙cy˙cθ˙c)=(cos⁡θc0sin⁡θc001)(vcωc)\left(\begin{array}{c}\dot{x}_{\mathrm{c}} \\ \dot{y}_{\mathrm{c}} \\ \dot{\theta}_{\mathrm{c}}\end{array}\right)=\left(\begin{array}{cc}\cos \th

基于simulink和adams的机械臂自适应控制github地址模型构建本想基于原来的七自由度机械臂做自适应控制，但发现自适应控制需要用到线性化的动力学参数矩阵，七自由度机械臂的参数矩阵太庞大和复杂了。所以新做了一个平面三自由度机械臂，如下图：机械臂的质量均为10，z轴的惯量为1.05.算法原理欧拉拉格朗日法求动力学方程首先，需要使用拉格朗日法求出机械臂的动力学方程：H(q)q¨+C(q,q)q+G(q)=τH(q) \ddot{q}+C(q, q) q+G(q)=\tauH(q)q¨​

基于adams与simulink的七自由度机械臂模型与控制仿真最近在搞adams与simulink联合仿真，发现网上关于机械臂的这块中文资料很少，也没有开源模型。因此将我的学习成果开源出来，供大家学习和参考。做的效果不是很好，仍有许多不足之处。还请见谅。github地址所有代码、模型均放在以上仓库中。后续还会进行维护，开发其他控制算法，如自适应控制、最优控制等等。如果觉得做的不错，希望能帮忙点个star。机械臂模型机械臂DH坐标图如下：来自实验室杨师兄的论文《An Adaptive Force

常见排序法冒泡排序从头开始比较相邻的元素，若前者较后者较大，则更换顺序。结束后，从第二个开始重新排序。选择排序每次选择队列中最小的元素，放在队首，结束后，从第二个开始重新排序。插入排序将第一个元素当做已排序队列，从第二个开始扫描队列，将他们插入到合适的位置。希尔排序将元素分为N/2组，每组两个元素之间的位置相差gap。用插入排序后，再将元素分为N/4组，每一组进行排序，直到最后只剩一组，归并排序将元素无限分组直到两两一组，将前后两组中头元素较小的一个加入队首，若一组已经排完，则将另一组

彻底搞懂阻抗控制、导纳控制、力位混合控制本人在学习的机械臂力控时，始终觉得这三个概念太过抽象，不能很好理解，读了很多博客和文献，仍然感觉没有参透，今天在读李正义博士的毕业论文《机器人与环境间力/位置控制技术研究与应用》时豁然开朗，感觉逐渐理解了一切，因此写下这篇博客，帮助和我一样的萌新们。我们为什么需要柔顺控制？普通的位置控制，即通过各种方法控制机器人末端到指定的地点，都是刚性的。这种控制是说一不二的，让机械臂向前运动1cm，就是运动1cm，没有商量的余地。这时就会产生麻烦，比如想让机器人开门：（

ORBSLAM2学习笔记（3）——闭环闭环本章文明分析第三个线程LoopClosing,从入口Run函数开始分析闭环检测在检测到新的关键帧插入后,便进入DetectLoop函数检测闭环.步骤如下:1.若距离上次闭环小于10帧,则直接退出。2.遍历共视帧，计算通过bow匹配的得分，找出其中的最低分。这一步是因为闭环检测到的帧的匹配程度起码要和共视帧的匹配程度相当。之后进入DetectLoopCandidates，对所有关键帧进行闭环。3.找出与当前帧相连的帧。这是因为这些帧之后将会被剔除闭环检测

ORBSLAM2学习笔记（2）——局部地图LocalMapping初始化在上一章我们完整地走完了程序的主线程，然而丝毫没有看到局部建图和闭环的身影。这两个功能的入口是在哪里呢？ 回到最初的起点,在实例化system对象时，system类的构造函数有如下段落： //Initialize the Local Mapping thread and launch mpLocalMapper = new LocalMapping(mpMap, mSensor==MONOCULAR); m

ORBSLAM2学习笔记（2）——入口与Tracking写在前面本笔记是按照逻辑顺序来写，也就是想到哪写到哪，就是按照学习时的思考过程来写，和其他博客中按函数和功能来分类介绍不同。这是博主个人觉得最流畅的方法。程序入口按照github上的readme，我们可以从mono_kitti这一可执行文件开始执行slam，因此，mono_euroc就是ORBSLAM的入口啦。打开mono_euroc.cc，可以看到main函数做了以下事情，首先通过 LoadImages函数加载了所有的图片，之后，通过如下命令

ORBSLAM2学习笔记（1）整体框架ORB特征原理首先，简单而笼统地概括ORB特征原理。ORB特征试由Fast关键点和rBRIEF描述子构成的。Fast关键点有一个问题，那就是不具备尺度一致性。ORB用图像金字塔的方式解决了这一问题。也就是对图像降采样，来模拟从远处看到物体的情形。比如图像里有一只猫，对它进行降采样，高和宽每两个像素点取一个，这样得到的图像高和宽都是1/2，效果和你在两倍远看猫试一样的。BRIEF描述子也有一个问题，那就是没有旋转不变性。ORB通过为FAST关键点确定方向，解决了这一问