![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 60
稻壳特筑
SLAM、Computer Vision、Unmanned Aerial vehicle、Deep Learning、Multiple Sensor Fusion、C++
展开
-
[论文阅读]4DRadarSLAM: A 4D Imaging Radar SLAM System for Large-scale Environments
这篇论文介绍了一种名为“4DRadarSLAM”的新型4D成像雷达SLAM系统,旨在提高大规模环境下的定位与地图构建性能。与传统的基于激光雷达的SLAM系统相比,该系统在恶劣天气条件下表现更佳。它包括前端、回环检测和后端三个主要部分:前端通过扫描匹配计算里程计数据,回环检测模块识别回环,后端则构建并优化姿态图。该系统的显著特点是考虑了每个点的概率分布,从而改善性能。论文中还展示了在不同平台和数据集上的实验结果,证明了该系统的准确性、鲁棒性和实时性。此外,为了进一步促进相关研究,研究者将系统代码开源。原创 2024-01-08 20:02:14 · 1553 阅读 · 0 评论 -
深度学习在训练什么,什么是模型
跟真实样本比较,得到损失值,接着采用反向传播,更新权值(参数),来回不断地迭代,直到损失函数很小,准确率达到理想值即可。这时的参数就是模型需要的参数。训练模型就是用已有的数据,通过一些方法(最优化或者其他方法)确定函数的参数,参数确定后的函数就是训练的结果,使用模型就是把新的数据代入函数求值。这个识别鸟类的程序要完成的功能:输入一只鸟的“体重”、“翼展”、“有/无脚蹼”、“后背颜色”,输出这只鸟的种类。训练的结果简单来说就是得到一组模型的参数,最后使用采用这些参数的模型来完成我们的分类任务。原创 2023-12-21 10:12:40 · 1139 阅读 · 0 评论 -
论文阅读:Long-Term Visual Simultaneous Localization and Mapping
此外,论文还提出了一种基于长短期指数模型的预测方法,以更准确地预测半静态地图点的未来状态,并定义了一个新的3D地图点描述符,用于在不同时间序列的地图中匹配地图点。通过与这些方法的比较,论文能够展示所提出系统在不同情境下的性能优势和适用性。:通过在实际室内环境中对轮椅机器人进行长期实验,证明了方法的有效性,并与现有方法进行了比较,展示了其在地图预测精度和定位性能方面的优势。:通过在室内环境中对轮椅机器人进行数月的实验,验证了方法的有效性,并展示了该方法在地图预测精度和定位性能方面相较现有方法的优越性。原创 2023-12-21 10:10:08 · 1310 阅读 · 0 评论 -
周围全是大牛,如何克服自己内心的自卑和焦虑
克服在大牛环绕的环境中感到的自卑感是一个挑战,但也是个人成长和发展的重要部分。原创 2023-12-20 10:24:19 · 396 阅读 · 0 评论 -
远程桌面连接软件除了Todesk还能用什么?
有什么好用的免费的远程桌面连接软件,后续接着推荐。原创 2023-12-19 14:47:56 · 1343 阅读 · 3 评论 -
《秘密》吸引力法则 书摘
吸引力法则就是将自己想象为一个磁铁,另外一块磁铁就会受吸引而来。思想层面的,同类相吸,你要非常清晰的知道你想要什么。也就是想法会成真,每个想法都有自己的频率,所以你不断重复自己的想法,在心中想象你想拥有的全新的车子,获得所需的金钱,成立公司,找到知心伴侣。想象自己生活在富足当中,就会富有起来。吸引力法则只会如实的呈现你的想法,他不知道哪些是你想要的哪些是你不想要的,只要你思考,吸引力就会发生作用,把注意力放在自己想要的事情上。你的人生是你大脑中所有的物质体现,想法和情绪都是默认来的。原创 2022-04-12 16:55:10 · 678 阅读 · 0 评论 -
《刻意练习》书摘
刻意练习的任务难度要适中,能收到反馈,有足够的次数重复练习,学习者能够纠正自己的错误。如果看到已经发表的棋谱,然后推测国手的下法,这种刻意练习方式,就是往长时记忆硬盘里面攒SSD硬盘,存储关于象棋棋谱的组块;人的学习收到情景的制约与促进,你要学习的东西将实际应用在什么场景中,那么你就应该在什么样的情景中学习这些东西。有效进入相关情景,找到自己的“学习共同体”,学习者最开始时围绕重要成员转,做一些外围的工作,随着技能增长,进入学习共同体圈子的核心,逐步做最重要的事情,最终成为专家。要点有以下几原创 2022-04-11 21:24:11 · 410 阅读 · 0 评论 -
2020-11-23
原创 2020-11-23 11:16:41 · 49 阅读 · 0 评论