ReLesEason-CSDN博客

原创 tinyxml2的入门教程

xml 是一种标记型文档，有两种基本解析方式：DOM(Document Object Model，文档对象模型)和SAX(Simple APIs for XML，简单应用程序接口)。DOM 将 xml 文档全部内容解析成一个对象模型树，通过对这个对象模型进行操作来实现对数据的操作。优点：– 解析成树的结构对象，可以实现增删改操作缺点：– 当 xml 文件过大时，比较占用内存SAX 以事务为驱动，对 xml 文档从上之下，一行一行解析，当解析到事务对象则返回。

2024-07-24 14:24:58 998

原创 jupyter导出pdf或html时，显示中文并隐藏输入（有效版）

jupyter 导出 pdf 或 html 文件时，有两点:1、显示中文 2、隐藏输入我推荐创建一个虚拟环境，在虚拟环境中用 conda 命令安装 jupyter 插件，这样会直接安装 jupyter 和各种包这样虚拟环境中，jupyter 有了，插件也有了。

2024-07-15 14:33:52 432

原创二进制数表示

二进制数表示

2024-06-09 19:36:15 637

原创 C++实现单例模式(详细版)

以循序渐进地方式详细介绍各种单例模式C++实现方法（详细写了6种方法）及其特点，并给出了测试案例

2024-05-19 17:18:13 2785

原创 JetBrains IDE主界面打开方式设置

JetBrains IDE主界面打开方式设置

2024-04-23 11:20:20 373

原创论文翻译——BoW3D:用于3D激光雷达SLAM回环检测的实时词袋模型

环路闭合是自主移动系统SLAM的基本组成部分。在视觉SLAM领域，Bag of Words（Bow）在环路闭合方面取得了巨大成功。用于闭环搜索的BoW特性也可以用于随后的6自由度环校正。然而，对于3D激光雷达SLAM，目前最先进的方法可能无法有效地实时识别环路，而且通常无法纠正完整的6自由度环路姿态。了解决这一限制，本文提出了一种在3D激光雷达SLAM中用于实时闭环检测的新颖的Bag of Words，称为BoW3D。该方法不仅有效地识别了重复的环路位置，而且实时校正了完整的六自由度环路位姿。

2023-06-13 17:00:55 1410

原创论文翻译——LinK3D:三维LiDAR点云的线性关键点表示

特征提取和匹配是许多计算机视觉任务的基本部分，例如二维或三维物体检测、识别和配准。众所周知，二维特征提取和匹配已经取得了很大的成功。遗憾的是，在3D领域，由于描述能力差和效率低，目前的方法无法支持3D激光雷达传感器在视觉任务中的广泛应用。为了解决这一局限性，我们提出了一种新的3D特征表示方法：用于3D LiDAR点云的线性关键点表示，称为LinK3D。

2023-06-12 23:08:55 891

原创 LOAM全文翻译

我们提出了一种在[[6自由度]]范围内利用[[2轴激光雷达]]进行距离测量实现SLAM的方法。这个问题难点在于测量的距离信息是在不同的时间接收的（因为激光雷达需要通过旋转的方式采集信息），并且运动估计中的误差可能会导致产生的点云错误配准。迄今为止，通过[off-line batch（离线批处理）方法]可以构建3D地图，并使用[loop closure（循环闭合)]来校正随时间的漂移。我们实现了一种低漂移和低计算复杂度的方法，无需高精度测距或惯性测量。

2023-06-11 21:28:35 640