Ubuntu20.04运行DM-VIO 在TUM-VI数据中 dso/cam0/images 不是文件夹，images还可以跳转，但运行时会报错。所以将 "files=XXXX/datasetXXXX/dso/cam0/images " 改为了。DM-VIO给的命令是。
20RAL_Denoising IMU Gyroscopes With Deep Learning for Open-Loop Attitude Estimation 译文 摘要—本文提出了一种使用真实数据对惯性测量单元（IMU）陀螺仪去噪的学习方法，并在航位推算中实时估计机器人的姿态。所获得的算法在（未见过的）测试序列上超越了现有的最先进方法。这些性能得益于精心选择的模型、适用于姿态增量的合适损失函数，以及在高频惯性数据训练中的关键点识别。我们的方法基于扩张卷积的神经网络，无需任何递归神经网络。我们在EuRoC和TUM-VI数据集上展示了该策略在三维姿态估计中的高效性。令人感兴趣的是，我们的航位推算算法在姿态估计方面优于顶级的视觉-惯性里程计系统，即使它并未使用视觉传感器。
SLAM-evo 评估 evo是一款用于视觉里程计和SLAM问题的轨迹评估工具，它包含数据评估和可视化功能。核心功能是能够绘制相机的轨迹, 或评估轨迹与真值之间的误差。支持TUM轨迹文件、KITTI位姿、EUROC的csv与txt文件、ROS的bag文件， 同时支持这些数据格式之间的相互转换。
24CVPR_XFeat: Accelerated Features for Lightweight Image Matching 我们提出了一种轻量且精确的架构，用于资源高效的视觉匹配。我们的方法名为XFeat（Accelerated Features），它重新审视了卷积神经网络在检测、提取和匹配局部特征时的基本设计选择。我们的新模型满足了资源受限设备对快速且稳健算法的迫切需求。特别是，精确的图像匹配需要足够大的图像分辨率——因此，我们尽可能保持高分辨率，同时限制网络中的通道数量。此外，我们的模型旨在提供稀疏或半稠密匹配的选择，每种选择可能更适用于不同的下游应用，如视觉导航和增强现实。
20ICRA_Inertial-Only Optimization for Visual-Inertial Initialization 我们首次将视觉-惯性初始化建模为最大后验（MAP）估计意义下的最优估计问题。这使我们能够正确考虑IMU测量的不确定性，而以往的方法则忽略了这一点，通常是通过求解代数方程组或使用最小二乘法最小化特定的代价函数来实现。我们在EuRoC数据集上进行的详尽初始化测试表明，我们的方案在性能上显著优于文献中的最佳方法，能够在轨迹的几乎任何位置完成初始化，耗时不到4秒，平均尺度误差为5.3%。该初始化已集成到ORB-SLAM视觉-惯性系统中，提升了其稳健性和效率，同时保持了其出色的准确性。
21TRO_ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM 本文介绍了ORB-SLAM3，这是第一个能够执行视觉、视觉-惯性及多地图SLAM的系统，支持单目、立体和RGB-D摄像头，并使用针孔及鱼眼镜头模型。首个主要创新是一个紧密集成的视觉-惯性SLAM系统，它完全依赖于最大后验估计（MAP），即使在IMU初始化期间也能保持实时的稳健操作，无论是在小型还是大型、室内还是室外环境中，其精确度比以往方法提高了两到十倍。
Latex 在 LaTeX 中要实现点击表格编号（例如 “Table 3”）跳转到相应的表格位置的功能，可以借助 hyperref 宏包。这个宏包支持超链接功能，包括让文中的表格编号、图编号等变为可点击并跳转到相应的表格或图的位置。
One possibility: file ‘/opt/gflags/src/gflags.cc‘ is being linked both statically and dynamically .. 报错显示可能是 gflags 库被同时静态和动态链接了，导致冲突。重新编译 gflags 并确保只使用静态或动态库，这里只保留了动态库。在编译SLAM时遇到以下问题。
lsd.cpp:139: error: (-213:The function/feature is not implemented) 使用 opencv3.1下的lsd.cpp替换了opencv3.4.15同目录下的lsd.cpp。使用opencv3.4.15，运行线特征SLAM，出现以下报错。
ORB-SALM3报错 “.pnged to load image at:....” 已消失，说明回车符已成功移除，文件格式已修复。在运行ORB-SLAM3时出现以下报错。出现了“\r”（回车符）导致的。检查文件是否已被正确修改，没有。若无法解决，可使用下面的方法。的错误，且怀疑是因为。
Implementation has been removed due original code license issues in function LineSegmentDetectorImp 从OpenCV 4.1.0版本开始，LineSegmentDetector（LSD）的实现被移除，原因是存在与原始代码的许可冲突。OpenCV 3.x 版本中仍然包含了LSD功能，但从4.1.0版本开始，该功能被移除，导致脚本中调用 cv2.createLineSegmentDetector() 时出现错误。即： 分别找到3.4.10和3.1.0中，modules/imgproc/src中的lsd.cpp文件，将3.1.0中的lsd.cpp文件拷贝至3.4.10的对应位置中即可。经过测试，以下方法比较好。
ububtu20.04下opencv3.4.10+opencv_contrib3.4.10编译安装及问题解决 表示OpenCV已经成功安装。如果你有多个OpenCV版本，可能需要调整路径配置，以确保使用的版本正确。opencv_contrib-3.4.10 放在 opencv-3.4.10 目录下。通过这个命令，CMake将使用Release模式进行编译，将编译后的文件安装到。模块，同时不启用CUDA加速并编译OpenCV示例代码。
Ubuntu下torch.cuda.is_available() 返回 False情况 重新安装 xxx2 环境中的 PyTorch，确保它支持 CUDA。确保 LD_LIBRARY_PATH 设置正确并且指向/usr/local/cuda/lib64。检查 Python 路径是否正确指向 xxx2 环境。
python的__call__函数 在Python中，call()方法是一种特殊的方法，它允许对象像函数一样被调用。也就是说，如果一个类定义了__call__()方法，那么它的实例可以像调用函数一样使用。
Win10 WSL2 Ubuntu 22.04 配置深度学习环境 在WSL（Windows Subsystem for Linux）中使用Hyper-V的动态内存功能来调整内存使用，通常需要通过Windows的设置进行管理。报错信息表明，在为WSL（Windows Subsystem for Linux）安装的CUDA包安装过程中，需要验证包完整性的公共GPG密钥没有被安装。这可能会影响到将来的更新或者包的信任度。安装GPG密钥：错误信息中已经提供了一个命令，这个命令会将GPG密钥从CUDA包的安装目录复制到系统目录中，以便包管理系统使用这个密钥来验证CUDA包。
关注
