<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[shimingwang的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/shimingwang</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; shimingwang]]></copyright><item><title><![CDATA[Orin新系统常用软件安装教程]]></title><link>https://blog.csdn.net/shimingwang/article/details/169556503</link><guid>https://blog.csdn.net/shimingwang/article/details/169556503</guid><author>shimingwang</author><pubDate>Fri, 30 Oct 2026 14:52:19 +0800</pubDate><description><![CDATA[Miniforge 提供 Conda，用来给不同 Python 项目分开装环境，避免互相影响。它不能替你更换系统内核，也不会自动配好 Jetson 的 CUDA 或 GPU 版 PyTorch。这里固定使用26.9.4-1只有显示OK如果已存在，先检查。不要为了消除报错直接删目录，里面可能有之前的环境。myproject是自己起的环境名。普通 Python 包可以在这个环境里装；涉及 Jetson GPU 的包，还得按对应 JetPack 的官方说明选版本。Miniforge 官方项目。]]></description><category></category></item><item><title><![CDATA[Jetson AGX Orin 接入森云摄像头]]></title><link>https://blog.csdn.net/shimingwang/article/details/169543807</link><guid>https://blog.csdn.net/shimingwang/article/details/169543807</guid><author>shimingwang</author><pubDate>Fri, 30 Oct 2026 10:46:22 +0800</pubDate><description><![CDATA[本文记录一套实际完成出图的流程：Jetson AGX Orin 64GB、FG96 八路 GMSL 扩展板、森云 ISX031 GMSL2F 摄像头。内容保留安装、安全改造、版本核对和供电排查这些关键步骤，方便相同环境复现。阅读建议：第一次接触版本关系，先读第 1 章；已经完成安装、只想开摄像头，直接读第 7 章；遇到绿屏，读第 8～9 章；想学习排错方法，读第 11 章；四份完整脚本在第 14 章。已经正常出图的机器不需要为了阅读本文重新刷机或重新安装内核。这里有三条阅读约定：命令输出标为“本机实测”时来]]></description><category></category></item><item><title><![CDATA[个人记录——codex记忆规则2]]></title><link>https://blog.csdn.net/shimingwang/article/details/169332601</link><guid>https://blog.csdn.net/shimingwang/article/details/169332601</guid><author>shimingwang</author><pubDate>Wed, 28 Oct 2026 09:19:24 +0800</pubDate><description><![CDATA[本文修订了项目记忆与文件管理规则，强调按目的划分项目目录，杜绝实验垃圾文件泛滥。核心原则包括：项目范围限定、危险操作必问、进展日记按目的分篇、实验独立建目录、输入输出归类存放。通过结构化命名（如目的_时间.md）与清晰阶段记录，确保可追溯、可复现。所有操作须服务明确目的，避免文件混乱，提升协作效率与长期维护性。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换14——三维变换]]></title><link>https://blog.csdn.net/shimingwang/article/details/167909687</link><guid>https://blog.csdn.net/shimingwang/article/details/167909687</guid><author>shimingwang</author><pubDate>Wed, 14 Oct 2026 17:05:52 +0800</pubDate><description><![CDATA[三维刚体变换有6个自由度：3个来自平移，3个来自旋转。旋转矩阵需满足正交性（$\mathbf R\mathbf R^T = \mathbf I$）以保持长度，且行列式为1（$\det(\mathbf R) = 1$）以排除镜像反射，确保为纯旋转。齐次坐标使平移可表示为矩阵乘法，统一变换形式。三维射影变换有15个自由度，因16个参数中仅比例不变，故减去1个。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换13——行列式的几何意义]]></title><link>https://blog.csdn.net/shimingwang/article/details/167912809</link><guid>https://blog.csdn.net/shimingwang/article/details/167912809</guid><author>shimingwang</author><pubDate>Wed, 14 Oct 2026 15:19:46 +0800</pubDate><description><![CDATA[矩阵变换将单位正方形变为以两列向量为邻边的平行四边形，其面积等于行列式绝对值 $|ad - bc|$。该结论源于向量叉积的几何意义：面积 = $|\mathbf u||\mathbf v|\sin\theta$，经代数推导可得 $S^2 = (ad - bc)^2$，故 $S = |ad - bc|$。行列式不仅表示面积缩放因子，还反映方向变化（正负号表示取向是否反转），因此是线性变换下有向面积的度量。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换12——逆矩阵和伴随矩阵]]></title><link>https://blog.csdn.net/shimingwang/article/details/167910254</link><guid>https://blog.csdn.net/shimingwang/article/details/167910254</guid><author>shimingwang</author><pubDate>Wed, 14 Oct 2026 15:19:24 +0800</pubDate><description><![CDATA[本文从坐标变换出发，自然推导逆矩阵的必要性与计算方法。通过一维、二维实例，揭示逆矩阵的本质是恢复变换前的坐标，而行列式源于消元过程中的自然出现，表示面积缩放因子。当行列式为零时，空间被压缩至低维，信息丢失，逆矩阵不存在。伴随矩阵并非人为构造，而是解线性方程组时余子式结构的体现，其与行列式共同构成逆矩阵公式。几何上，逆矩阵撤销原变换，行列式反映体积/面积变化，伴随矩阵关联法向量与代数余子式，三者统一于线性变换的可逆性中。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换11——平面表面流动和双线性插值]]></title><link>https://blog.csdn.net/shimingwang/article/details/167898038</link><guid>https://blog.csdn.net/shimingwang/article/details/167898038</guid><author>shimingwang</author><pubDate>Wed, 14 Oct 2026 13:15:30 +0800</pubDate><description><![CDATA[这两个问题涉及不同的数学思想。我分别从最基本的概念推导，不直接套用结论。我们先不考虑图像变换，也不考虑矩阵。先研究一个简单的数学问题。假设有一个函数：f(x)=11+x
f(x)=\frac{1}{1+x}
f(x)=1+x1​我们想计算：f(0.01)=11.01
f(0.01)=\frac{1}{1.01}
f(0.01)=1.011​计算器可以得到：f(0.01)≈0.990099
f(0.01)\approx0.990099
f(0.01)≈0.990099但如果我们不使用计算器，能不能用简单的运算]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换10——协向量]]></title><link>https://blog.csdn.net/shimingwang/article/details/167809292</link><guid>https://blog.csdn.net/shimingwang/article/details/167809292</guid><author>shimingwang</author><pubDate>Wed, 14 Oct 2026 10:25:15 +0800</pubDate><description><![CDATA[x′Axx′Ax它只能表达以原点为中心的线性变换。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换9——二维变换3]]></title><link>https://blog.csdn.net/shimingwang/article/details/167784879</link><guid>https://blog.csdn.net/shimingwang/article/details/167784879</guid><author>shimingwang</author><pubDate>Tue, 13 Oct 2026 15:51:00 +0800</pubDate><description><![CDATA[二维变换的层级结构是一个嵌套的集合。我们把所有变换都统一写成3×33\times33×3矩阵，就很容易看出这种关系。最后补充三种变换。它们不像前面的五类变换那样构成整齐的嵌套层级，但在图像处理、图像变形和运动估计中仍然有用。我们可以换一个角度思考：假设我们现在有一个二维正方形。我们想通过改变它四个顶点的位置，实现不同的变换。如果二维刚体变换的矩阵包含9个数字，为什么我们说它只有3个自由度？另外6个数字受到了什么约束？]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换8——二维变换2之旋转矩阵性质]]></title><link>https://blog.csdn.net/shimingwang/article/details/167792650</link><guid>https://blog.csdn.net/shimingwang/article/details/167792650</guid><author>shimingwang</author><pubDate>Tue, 13 Oct 2026 15:00:33 +0800</pubDate><description><![CDATA[3.2节中仅说明旋转后单位向量仍垂直且长度为1，不足以直接推出 $R^TR = I$。关键在于：矩阵列向量为单位正交向量时，必有 $R^TR = I$。这是因为 $R^TR$ 的元素正是列向量的点积，单位长度对应对角线为1，正交对应非对角线为0。该性质不依赖于旋转的具体形式，而是由正交性决定。进一步，对可逆方阵，$R^TR = I$ 可推出 $RR^T = I$。因此，旋转矩阵保持向量长度与夹角不变的本质，正是源于其列向量构成标准正交基，从而保证 $R^TR = I$ 成立。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换7——二维变换1]]></title><link>https://blog.csdn.net/shimingwang/article/details/167780896</link><guid>https://blog.csdn.net/shimingwang/article/details/167780896</guid><author>shimingwang</author><pubDate>Tue, 13 Oct 2026 14:59:41 +0800</pubDate><description><![CDATA[本文系统阐述了二维几何变换的五类层级关系：平移（2自由度）、刚体（3）、相似（4）、仿射（6）与投影（8）。核心在于齐次坐标如何统一表示平移等非线性变换，并通过矩阵乘法实现多变换叠加。不同变换保持的几何性质递进变化：从距离、角度到平行性，最终仅保证直线性。自由度由独立参数决定，反映变换的灵活性。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换6——Plücker 坐标]]></title><link>https://blog.csdn.net/shimingwang/article/details/167693610</link><guid>https://blog.csdn.net/shimingwang/article/details/167693610</guid><author>shimingwang</author><pubDate>Mon, 12 Oct 2026 17:04:10 +0800</pubDate><description><![CDATA[qx−pxqy−pyqz−pz0qx​−px​qy​−py​qz​−pz​0你发现了吗？dq−pdq−p​所以矩阵最后一行的前三个元素，就是直线方向向量的三个分量。第12.5节想表达的其实是下面这条关系：pqpqdq−pdq−p​mp×qmp×q​L0mz−my−dx−mz0mx−dymy−mx0。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换5——三维几何的齐次坐标表示]]></title><link>https://blog.csdn.net/shimingwang/article/details/167688686</link><guid>https://blog.csdn.net/shimingwang/article/details/167688686</guid><author>shimingwang</author><pubDate>Mon, 12 Oct 2026 15:54:57 +0800</pubDate><description><![CDATA[本文系统阐述三维几何中的齐次坐标表示，重点解析三维点、平面与直线的数学结构。通过齐次坐标（4维）统一处理有限点与无穷远点，揭示法向量与平面方程 $ax+by+cz+d=0$ 的几何意义，并阐明单位法向量下距离计算的原理。最后引入Plücker坐标，说明三维直线的6个参数虽具冗余，却能精确描述其方向与位置，为相机几何与三维重建奠定基础。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换3——叉乘]]></title><link>https://blog.csdn.net/shimingwang/article/details/167493057</link><guid>https://blog.csdn.net/shimingwang/article/details/167493057</guid><author>shimingwang</author><pubDate>Sat, 10 Oct 2026 17:02:28 +0800</pubDate><description><![CDATA[叉乘是三维向量间的运算，结果为垂直于两向量的向量，其模长等于两向量构成平行四边形的面积，方向由右手定则确定。计算公式为分量交叉相减。叉乘不满足交换律，且两向量平行时结果为零向量。它在几何中用于求面积、判断方向，并可应用于计算直线交点（如齐次坐标下两直线叉积得交点）。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换4——二维直线的齐次坐标表示]]></title><link>https://blog.csdn.net/shimingwang/article/details/167472980</link><guid>https://blog.csdn.net/shimingwang/article/details/167472980</guid><author>shimingwang</author><pubDate>Sat, 10 Oct 2026 15:29:41 +0800</pubDate><description><![CDATA[二维直线可用齐次坐标 $(a,b,c)$ 表示，因满足 $ax+by+c=0$ 且比例不变。点 $(x,y,1)$ 与直线 $(a,b,c)$ 的点积为零时，点在直线上。利用叉乘可求两直线交点或过两点的直线：因叉乘结果垂直于两直线向量，恰为交点的齐次坐标。平行线交于无穷远点（如 $(-3,0,0)$），体现射影几何中“平行线交于无穷远”的特性。二次曲线也可用矩阵表示，因其一般式为二次多项式，可写成 $\mathbf{x}^T A \mathbf{x}=0$ 形式，便于几何变换处理。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换2——平行铁轨]]></title><link>https://blog.csdn.net/shimingwang/article/details/167383927</link><guid>https://blog.csdn.net/shimingwang/article/details/167383927</guid><author>shimingwang</author><pubDate>Sat, 10 Oct 2026 15:17:24 +0800</pubDate><description><![CDATA[三维物体投影到二维平面时，沿同一条相机光心射线的点会重合于同一像素，形成深度歧义。物体越远，图像尺寸越小，无穷远处趋于不可见。平行线因方向相同，在射影几何中共享无穷远点，投影后趋近于同一点，即“消失点”。二者虽不完全相同，但均源于透视投影的比例关系：前者是射线上的点共点，后者是平行线在无限远处收敛。齐次坐标下，无穷远点可映射为图像中的有限消失点，统一了欧氏与射影空间的视觉规律。]]></description><category></category></item><item><title><![CDATA[四大坐标系的转换1——针孔相机模型和凸透镜成像]]></title><link>https://blog.csdn.net/shimingwang/article/details/167356136</link><guid>https://blog.csdn.net/shimingwang/article/details/167356136</guid><author>shimingwang</author><pubDate>Fri, 09 Oct 2026 11:19:08 +0800</pubDate><description><![CDATA[四大坐标系转换系列主要目的在于弄清楚四大坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系的转换关系，搞明白期间产生的一些疑问。现在我们终于可以把两张图联系起来了。]]></description><category></category></item><item><title><![CDATA[Causal-JEPA的论文理解14——附录K、L]]></title><link>https://blog.csdn.net/shimingwang/article/details/166828226</link><guid>https://blog.csdn.net/shimingwang/article/details/166828226</guid><author>shimingwang</author><pubDate>Tue, 29 Sep 2026 15:02:33 +0800</pubDate><description><![CDATA[对象级：预算 = 被掩码对象的个数token/tube 级：预算 = 被掩码 token 的百分比作者实际上在下一句就亲自"定义"了这个 budget——它是衡量掩码力度的度量单位，而不是钱。这就锁定了义项 2：“（可掩码单元的）额度/总量指标”。先看搭配（它修饰/被谁修饰）—— masking budget 与钱无关，先排除财务义；再找句中定义——作者常在下文给出操作性定义（“预算 = 个数/百分比”）；看全文主题——这是机器学习的消融实验段落，budget 必然指"实验变量的量度"。问题2。]]></description><category></category></item><item><title><![CDATA[Causal-JEPA的论文理解13——附录I、J]]></title><link>https://blog.csdn.net/shimingwang/article/details/166789601</link><guid>https://blog.csdn.net/shimingwang/article/details/166789601</guid><author>shimingwang</author><pubDate>Mon, 28 Sep 2026 17:32:12 +0800</pubDate><description><![CDATA[of another object = “另一个物体的”，因为 motion/fall 是无生命名词，英语中无生命事物的所属关系用 of 连接，而不是 's。基于注意力的依赖关系代理指标。接下来我们分析预测器中的跨槽注意力模式。由于 PHYRE 中无法获得真实的局部时序因果图，这些注意力图不应被解读为已恢复的因果图。相反，它们提供了一种定性视角，展示预测器在部分可观测条件下预测目标槽时会参考哪些对象槽。]]></description><category></category></item><item><title><![CDATA[Causal-JEPA的论文理解12——附录H]]></title><link>https://blog.csdn.net/shimingwang/article/details/166476612</link><guid>https://blog.csdn.net/shimingwang/article/details/166476612</guid><author>shimingwang</author><pubDate>Thu, 24 Sep 2026 17:40:42 +0800</pubDate><description><![CDATA[问题1回到原文问题2回到原文。]]></description><category></category></item></channel></rss>