经历回顾笔记整理总章

工作与学习项目总结

一次机缘巧合，翻到了以前用Latex写的笔记，回想起来以前似乎还是做过和学习过一些东西的，有必要记录一下，否则就会变成了历史的尘埃。张文宏说话少了，思想就出来了。这个应该会是像笔记亦像回忆录，希望能够坚持下来。

离机械越来越远

机械作为知乎上劝退专业热门之一，也是其中一员，主要是以前确实不知道自己喜欢什么，于是就选了一个看起来什么都沾上一点边的机电专业。研究方向还是视觉伺服，最后确实如愿什么都尝试了一点，但是都是浅尝辄止。游荡了一圈以后，唯一可以确信的是，自己确实对纯机械兴趣不大，其它随着时间的积累，希望能够慢慢沉下来，不那么飘。

从机械臂到OpenCV

视觉伺服的视觉基本上都是从OpenCV开始上手的，而伺服的对象一开始就是机械臂，所以机械臂的运动学，动力学也少不了。先仿真后实物实验，所以仿真平台也是需要的。

1. ROS & Gazebo；
2. OpenGL；
3. OpenCV；
4. KDL;

- [1] Multiple View Geometry in computer vision 2nd Edition. Richard Hartley. Cambridge University Press.

- [2] Introduction to Linear Algebra 4th Edition. Gilbert String. Wellesley Cambridge Press 2009.

- [3] 学习OpenCV. Gary Bradski / Adrian Kaehler. -

- [4] OpenCV3编程入门. 毛星云.

从OpenCV到DeepLearning

1. caffe & tensorflow & pytorch
2. RCNN & FastRCNN & FasterRCNN & MaskRCNN;

- [1] Pattern Recognition and Mechine Learning. Christopher M.Bishop. Spring 2006.

- [2] Deep Learning. Ian Goodfellow. MIT Press 2016

- [3] Numerical Optimization.Jorge Nocedal and Stephen J.Wright.Springer 1999.

- [4] Convex Optimization. Stephen Boyd. Cambridge University Press 2004.

从DeepLearning到RobotLearning

1. GPS & BADMM & MDGPS & PIGPS；
2. TRPO & PPO;

- [1] Reinforcement Learning: An Introduction 2nd Edition. Richard S. Sutton and Andrew G. Barto. The MIT Press 2016.

- [2] CS 294: Deep Reinforcement Learning, Fall 2017. http://rll.berkeley.edu/deeprlcourse/

从RobotLearning到Humanoid

1. Preview Control & LQR & DDP;
2. QP & Inverse Dynamics Framework；
3. RBDL & Pinocchio；

- [1] Introduction to Humanoid Robotics. Kajita.Springer 2014.

- [2] todo

从Humanoid回到视觉SLAM

- [1] 视觉slam十四讲 第二版. 高翔.

MarkDown工具保留

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.