qq_34429849的博客

同时也只提取整个图片一次特征，建立特征图的映射关系，直接在特征图上找到对应提取的感兴趣区域，不像之前每个感兴趣区域单独提取一次特征。把spp里面的最后的池化只保留最多的池化，roi池化，加快速度，全连接的时候，采用了svd分解方法，加快计算，同时一起训练box的回归，这样这里引入两个loss，后边分类就没用svm了。二阶段：第一阶段获得候选区域了，得到一个候选区域的特征图，然后第二阶段利用这个候选区域内的特征图特征分为两个head，一个全连接预测类别，一个预测偏移量。一阶段和二阶段区别;

PCL过滤离群点

sudo apt-get install clang-format

from PIL import Image, ImageOps, ImageEnhance, PILLOW_VERSIONImportError: cannot import name 'PILLOW_VERSION' from 'PIL'

qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in even though it was found.

因为考虑到总是用pytorch的镜像，所以考虑直接拉一个pytorch的镜像，懒得直接安装第一步进入docke hub页面 https://hub.docker.com/，直接搜索pytorch，然后选择如下图的pytorch官方的镜像：然后选择自己需要的版本，我选择的是1.6的版本，然后选好最后点击这里复制，得到docker pull pytorch/pytorch:1.6.0-cuda10.1-cudnn7-devel然后直接输入命令行，可以得到镜像了：...

每次都找不到最简单的显示代码，刚好又报错了，索性记录一下：/usr/include/pcl/point_cloud.h:46:10: fatal error: Eigen/StdVector: 没有那个文件或目录 #include <Eigen/StdVector>找不到pcl/io/pcd_io.h: 没有那个文件或目录这是因为include的时候，找都是在/usr/include/这个路径，而其带了一些前缀，所以这样操作就好了sudo ln -s /usr/include/ei

首先要关闭docker, 否则下面的操作步骤会无效！！参考：https://blog.csdn.net/gg864461719/article/details/112466585直接查看使用docker ps -a查看需要修改的容器的id，然后再vim hostconfig.json比如因为共享内存没设置好，或者-v的路径没设置够，那么都可以改：这是共享内存不够的问题：Unexpected bus error encountered in worker. This might be

首先安装docker：直接参看https://www.runoob.com/docker/ubuntu-docker-install.html使用命令curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun然后修改默认位置：参考：https://www.cnblogs.com/immortalBlog/p/12102779.html比较简单，sudo vim /etc/docker/daemon.json直接

主要是remote感觉不是很好用VSCode本地代码同步服务器教程：https://www.jianshu.com/p/ae572fc6bd74下载安装SFTP插件在VSCode中打开命令栏（快捷键Shift + Command + P）搜索SFTP基本配置好就行了选择SFTP: Config，该指令会在当前.vscode目录下生成一个sftp.json配置文件{ "name": "My Server", "host": "10.184.17.10", "proto

https://blog.csdn.net/weixin_43026262/article/details/104821804https://www.zhihu.com/question/402674728 翻译了下边这个https://towardsdatascience.com/a-comprehensive-introduction-to-different-types-of-convolutions-in-deep-learning-669281e58215

参考大佬：https://jishuin.proginn.com/p/763bfbd6c025可以用来检测图像中的线和圆等特征对于一个点，他就有一个三角函数图

这些方法都是精匹配的方法，主要就是找对应关系还是有初值NDT（Normal Distributions Transform），找到对应关系之后，一个栅格里面有一个高斯函数，将另一点云变换过去之后，属于哪一个栅格就有一个相应的概率密度函数，最后所有的都加起来，那么实现和最大即可具体可以参考原文：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1249285或者 https://zhuanlan.zhihu.com/p/214411

参考：https://zhuanlan.zhihu.com/p/21381490https://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=FA1024834F74311ED580F5D811ADC717?doi=10.1.1.208.6289&rep=rep1&type=pdfhttps://zhuanlan.zhihu.com/p/45207081在SLAM中，我们一般使用扩展卡尔曼滤波器基于机器人运动信息与传感器测量特征点

idc@trumanxxliu-LB0:~/idc_catkin_ws/gtsam-4.0.3/build_py$ make python-install[ 0%] Generating core.cppCompiling /home/idc/idc_catkin_ws/gtsam-4.0.3/build_py/cython/gtsam_eigency/core.pyxError compiling Cython file:------------------------------------

参考：https://www.zhihu.com/question/22422121主要是几个化简需要注意，明白自己问题是什么，需要估计的是一个条件概率问题，其他常量都是可以不用管。最后再考虑马尔科夫之类的

很多数据存在云端，本地读取数据直接挂载在/home下就行：sudo mount -t nfs -o resvport 10.178.190.166:/media/walle/data5 /home/卸载的话：sudo unmount /home/其他：mac上可以直接安装ceres，pcl等库

查看CUDA版本的命令如下：cat /usr/local/cuda/version.txt查看CUDNN版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2但是如果找不到的话，有时候不在这whereis cudawhereis cudnn找到对应的位置就行，然后把上边的对应位置换了这样就找到了，cudnn7.6.5参考https://blog.csdn.net/leviopku/article/detail

本来想使用Ceres做图优化的，然后使用g2o做一下可视化的，因为跟着slam十四讲哈哈哈，感觉这样方便，但是深度学学习的特征是python中提取然后做帧间匹配的，然后g2o是使用四元数表示位姿的，只能把变换矩阵改成四元数了，但是一直不对，因为没推导过，搞完推导一下哈哈哈，按照这样写的，最后有问题，就用库先解决了。参考这位大佬的：https://blog.csdn.net/weixin_38636815/article/details/107515877from scipy.spatial.trans

有时候文件的编号比如说是6位数，那么找文件的时候左边就是0开头，需要依次补0kitti数据集bin文件，先转成float，然后4个一组，分别是xyzr，坐标加反射率，可以使用open3d把bin文件转为ply或者其他格式。参考fcgf代码:https://github.com/chrischoy/DeepGlobalRegistrationroot = '/Bill/DataSet/Kitti/sequences/08/velodyne/'for drive_id in range(100):#太多