- 博客(16)
- 收藏
- 关注
原创 视觉SLAM十四讲CH5到CH7的内容概述总结
3D-2D:PnP–>最重要–>P3P(投影2D点在相机坐标系下的3D坐标),最小化重投影误差BA(观测相机方程关于相机位姿和特征点的两个导数矩阵,g2o)(4)有畸变时,根据畸变参数计算Pc发生畸变后的坐标(图像预处理,Opencv提供了 去畸变函数cv::Undistort()后,(4)省略)2D-2D:对极几何—>本质矩阵E(R,t),基本矩阵F(K,R,t),单应矩阵H(R,t ,(n,d))(2) 由于相机在运动,它的运动由R,t或T。(3) Pc为【X,Y,Z】,归一化后【X/Z,Y/Z,1】
2022-09-22 15:39:52 639 1
原创 ubuntu安装KDdelop
Kdvelop正在读取软件包列表… 完成E: 您必须在 sources.list 中指定代码源(deb-src) URI解决方案:https://blog.csdn.net/Zhanganliu/article/details/86592524xjq@xjq-vm:~$ sudo apt-get build-dep gcc正在读取软件包列表… 完成选择 gcc-defaults 作为源代码包而非 gcc
2022-09-05 15:26:59 351
原创 TE故障诊断(神经网络)
需要注意的是自定义标记的是可以根据需要自己进行设置的,需要完整现成的可以有偿联系我import argparseimport torch.optim as optimimport torch.nn.functional as Fimport sysfrom openpyxl import load_workbookimport torchfrom torch.autograd import Variablesys.path.append("../../")from TCN.mnist_pi
2022-04-09 19:38:56 1490 1
原创 pytorch中多维采样输入生成时间序列样本
import torchimport numpy as npdef Sliding_window(input,step,length,c): row = int((len(input)-length)/step + 1) # 对于一个采样值输入,经过滑动窗得到的样本个数为len(input)-length/step + 1 print(row) output = torch.zeros((row,c,length)) for i in range(len(inp
2022-04-09 19:11:46 1509
原创 如何在python中将原有采样值通过滑动窗分割为时间序列样本
给定一个一维采样信号将采样信号通过滑动窗分割为时间序列样本import torchimport numpy as np``def Sliding_window(input,step,length): output = torch.Tensor(np.array([])) for i in range(len(input)): if i * step + length < len(a): input_i = input[i * step :
2022-04-09 15:57:59 1686
原创 latex图片的子标题放在中间
解决方法为:\begin{figure}[!h]\centering\begin{minipage}{\linewidth}\centering\includegraphics[width=0.85\linewidth,height = 0.29\linewidth]{3th_data.png}\subcaption{Time series 1\centering}\label{chutian1}%文中引用该图片代号\end{minipage}\begin{minipage}{\linew.
2022-03-13 09:05:36 7573 2
原创 计算准确率
%预测标签result_data_te = [1 2 3 4 5 2 1 3 4 5 2];%原有标签label_te = [1 2 3 4 4 4 4 4 2 3 4 2];%计算准确率len = size(result_data_te,1);tp = 0;for y = 1:lenif result_data_te(y,1)==label_te(1,y)tp = tp+1;endend
2022-02-26 20:56:27 296
原创 Matlab生成混淆矩阵(很方便)
%%生成混淆矩阵%给定原有测试标签test_label = [1 2 3 1 3 4 2 2 2 2 3 4 1 1];%给定预测标签presict_label = [1 2 3 1 1 1 2 2 2 2 3 4 1 3];confusion_matrix = confusionmat( test_label ,presict_label);%%绘制混淆矩阵%%绘制混淆矩阵sum = sum(confusion_matrix,2);[m,n] = size(confusion_matri
2022-02-26 20:52:40 6796 3
原创 调整Latex的矩阵宽度,使他不那么宽
\begin{equation}\small{\setlength{\arraycolsep}{1.2pt}Q_j^k = {\left[ {\begin{array}{*{20}{l}}{\frac{1}{2}}&{\underbrace {0…0}{{2^{k - 1}} - 1}}&{\frac{{{{( - 1)}^j}}}{2}}&0&{…}&0&0&0\0&{\frac{1}{2}}&{\underbrace {0
2022-02-20 20:44:45 4579
原创 【无标题】
发现一篇很好的用于比较fft, 小波变换,HHT的文转载:https://blog.csdn.net/weixin_38468077/article/details/100123361总结如下:FFT的特点:是一种全局的变换,fft函数在使用时,会预先输入超参数采样时长(训练或者输出样本的个数),采样频率等。输入的样本长度可以看做是一个全局,通过对全局进行fft变换得到频域中的信息,是一整个采样长度的频域信息,而不能是采样长度为1时的瞬时频率。所以其缺点总结为:仅适用于对信号进行全局分析,不适
2021-12-21 11:00:41 102
翻译 IEEE图片要求
@IEEE 论文图像的大小格式要求(翻译),方便自己寻找TOC分辨率和尺寸你知道分辨率和尺寸不同吗?遵循这些图形显示分辨率指南,以确保您的IEEE期刊文章的图形看起来很棒。分辨力原始图像质量是非常重要的,你的图形将如何再现。使用矢量文件和高分辨率图像将提高您的图形质量,在最后发表的文章。矢量图像允许更多的灵活性。创建并保存矢量格式的图形将确保您的图形在最后发布的文章中尽可能清晰地显示出来。可接受的矢量文件格式包括PS,EPS和PDF。这些文件类型非常适合创建需要调整大小的图形。使用高分辨率图像
2021-10-20 18:29:54 9210
原创 如何使LATEX模板中的FIG:变为FIG.
使用caption包后,FIG后面都是:,而论文中要求是FIG.此时我们需要在\begin{document}前添加\captionsetup[figure]{ labelsep=period}效果如图
2021-09-10 11:52:55 1478
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人