weixin_38060850的博客

原创 python+cloudcompare 批量为点云增加曲率和粗糙度通道

将上一步转换好的点云取一个放到cloudcompare中，确定下计算曲率和粗糙度的参数。批量进行转换的脚本batch_convert.py。具体使用方法，指定好目标路径和存储路径，脚本走起。使用这条命令进行高斯曲率和粗糙度的生成。批量转换脚本kitti2pcd.py。脚本名字 ascii2bin.py。

原创 Window10 下安装 point-cloud-annotation-tool点云标注工具———一些细节记录

绪折腾了几天，点云标注工具point-cloud-annotation-tool终于在windows10系统下成功编译运行了，中间经历了VTK每次编译都要花费大量时间的等待，对编译中使用的各种软件之间错综复杂关系的梳理，对编译运行后遇到的在release版本基本无解的内存访问冲突错误而不得不重新编译debug版本进行断点调试找到错误位置的结果发现是代码本身问题而不得不重新更换库版本的之我变秃了同时也变强了的不断调试。这篇blog主要包含以下几点安装流程梳理安装中出现的问题和解决标注工具使用体验

原创 基恩士CSV点云文件转PCD文件 PYTHON版

简介将点云文件从矩阵形式存储的csv点云文件(CloudCompare 称为Matrix CSV)文件转换为PCD格式的点云文件运行环境Python3运行需要的库 numpy open3d fire环境配置pip install numpypip install open3dpip install fire程序使用方法将全部需要转换的csv文件放到同一个文件夹下，比如C:\\Data\\pc_CSV想好转换后的pcd文件需要保存的路径，比如C:\\Data\\pc_PCD

翻译 cuda runtime error (802) : system not yet initialized .../THCGeneral.cpp:50

参考链接https://github.com/pytorch/pytorch/issues/35710先看型号是Tesla A100总结一句是安装fabric managerNote to future self (and whoever may need it) here is the full procedure:if you get the following error using cuda in pytorch:RuntimeError: cuda runtime error (80

翻译 IntelRealSense 深度相机 测量物体的实际长度 —— rs-measure 官网文档翻译

总览本教程显示了使用深度数据测量真实世界距离的简单方法。 ## Note： 测量真实世界中物体的维度是深度相机的一个明显的应用之一。此样本不是适当的测量工具，而是展示关键概念。 使用更好的算法可以显著改善测量结果。在这个教程中你将会学到怎样:在空间上将颜色流与深度对齐(和在rs-align中深度到颜色的对齐相反)利用后处理来处理缺失和噪声的深度数据在2D像素和3D空间中的点之间进行转换利用多核来并行化数据流使用OpenGL在深度之上叠加颜色预期输出这个例子允许用户测量物理世界中

翻译 盾构、TBM、掘进机有哪些区别与相似之处？

总结，TBM是硬的，盾构机是软的。（盾构、TBM、掘进机有哪些区别与相似之处？ - Timo是条鱼的回答 - 知乎https://www.zhihu.com/question/28722781/answer/115720195）

原创 grub-install命令报错：The file /boot/grub/stage1 not read correctly.

问题描述：使用grub-install 命令重装时出现The file /boot/grub/stage1 not read correctly.解决方法：首先使用vi /sbin/grub-install查看命令源码：可以看到里面的grub-install的日志文件。打开日志文件，查看里面的报错。我的里面具体的错误记不得了，理解是旧的BIOS不能读取大的磁盘文件问题详细解释在这里解决方法是将boot区装在设备区的最前面，比如在/dev/sda中就要把它装在/dev/sda1中。

原创 记一次RHEL5折腾历程

最近给工作室的工作站重新配置系统，里面用的RHEL5。都2021年了，系统确是是够老的了，但是里面有很多软件只能在RHEL5，所以还是只能在这个系统上折腾。开启系统后的第一件事是先使用yum更新一下系统，结果它提示没有在redhat社区注册，不能使用里面的源。上网查了一下，果断换成了Centos 5的源，参考教程网上有很多，但是因为Centos 5已经不被支持了，所以很多源都已经不能用了，这里列出我找到的两个源。官方推荐：https://vault.centos.org/5.11/清华源：http

原创 使用Gparted报错：/dev/sda5: cannot resize to xxxxx extents as later ones are allocated.

问题描述：使用Gparted卸载LVM逻辑卷的空闲分区时出现执行错误：/dev/sda5: cannot resize to xxxxx extents as later ones are allocated.解决方法：运行pvs -v --segments /dev/sda5查看当前空间的组织情况。它将会输出类似于下面的结果：/dev/sda5 ubuntu lvm2 a-- 698.04g 150g 0 xxx+1 root 0 linear /dev/sda:0-xxx/dev/

原创 Error when installing: “unable to find a medium containing a live file system”

问题描述：尝试从USB中启动Gparted-Live镜像时显示unable to find a medium containing a live file system解决方法：原先是用老毛桃做的启动盘，改为使用Yumi等比较经典的工具来做启动盘。其他解决方法

原创 RHEL5:在救援模式umount /mnt/sysimage 时出现 inappropriate ioctl for device

问题描述：在RHEL5的救援模式下对/mnt/sysimage/进行卸载时出现inappropriate ioctl for device对umount命令加上-f参数(force)也不能卸载。解决方法：使用lazy umount，umount -l /mnt/sysimage

原创 在Linux上使用SVN命令下载网站上的SVN库代码

以机器学习库的源码WEKA为例，源码地址为https://svn.cms.waikato.ac.nz/svn/weka/branches/stable-3-8/我的机器是Ubuntu 18.04首先下载SVNsudo apt install subversion然后使用svn命令进行下载svn checkout https://svn.cms.waikato.ac.nz/svn/weka/branches/stable-3-8/推荐一个svn的完整的教程Linux 下的svn命令大全.

原创 期末回忆 - 山东大学 2020-2021 秋季学期 数学物理方法(工科)

整张试卷上一共七道大题1，给了一个公式，印象中是uxx−4uxy+uyy=0u_{xx}-4u_{xy}+u_{yy}=0uxx​−4uxy​+uyy​=0，判断它满足振动方程的条件。并要求求出自变量变化后的形式。2，是一道任选题。a,用拉普拉斯变换解一个偏微分方程 b,用勒让德多项式的p(x)p(x)p(x)求一个函数的傅里叶展开。3，给定方程∂2z∂x∂y=c\frac{\partial^2 z}{\partial x \partial y}=c∂x∂y∂2z​=c，以及两个初始条件。解这个偏微分

原创 d-Separation Without Tears 笔记

具体证明我也没看，只能先记下结论了????原文链接d-Separation是用于判断在一个因果图中，在给定第三个集合Z的情况下，集合X中的元素和集合Y中的元素是否独立。思想是将“依赖(dependence)”与“连接性(connectedness)”相联系，“独立(independence)”与“不连通性(unconnected-ness)”或者“分离(separation)”相联系。(后面一句没看懂)1,无条件分离如果x和y之间有一条非堵塞的路径，那么它们是d-connected的。所谓非堵塞的

原创 P-Value看这篇

统计学假设检验中 p 值的含义具体是什么？ - 知遥其实是德鲁伊的回答 - 知乎https://www.zhihu.com/question/23149768/answer/279244795https://www2.stat.duke.edu/courses/Fall17/sta611.01/Schedule.html 中的Lecture14&15

翻译 解线性方程组的迭代方法 - 超松弛方法(SOR)

超松弛迭代方法(SOR)方法是Guass-Seidel方法的一种提升，它的思想如下：对于任何尝试从x(k)x^{(k)}x(k)找到x(k+1){x^{(k+1)}}x(k+1)的迭代方法，我们在从x(k)x^{(k)}x(k)到x(k+1)x^{(k+1)}x(k+1)的特定方向上移动一定的距离。这个方向是向量是x(k+1)−x(k)\mathbf{{x^{(k+1)}-x^{(k)}}}x(k+1)−x(k)。如果我们假设从xkx^{k}xk到xk+1x^{k+1}xk+1的方向使我们离真正的答案.

翻译 傅里叶变换的基本性质

翻译 特殊函数的常微分方程

原创 读计算机几年来的一些感想

声明，此文章系我的一些闲思杂想，主要记录了从本科入学来的一些细细碎碎的记忆，以及一些可能并不成熟的想法。\quad入计算机的坑????也有三四个念头了吧，记得当初知乎上都在吹计算机好，在加上原来的能源动力专业很难施展手脚吧，就这样从一个坑跳到了另一个坑。\quad可能人的思维就是存在着这样的局限吧，当你和别人处于一个频道时，那么你就可能很容易理解别人的想法以及为什么这么想；如果你和别人处于不是一个频道，那么你就很难理解别人的想法，尤其是别人在diss你的时候，你完全不知道自己做错了什么，甚至会非常迷茫

翻译 非齐次边界条件的处理

我们只讨论定解问题是线性的情况，处理的原则是利用叠加原理，把非齐次边界条件问题转化为另一未知函数的齐次边界条件问题。(一) 一般处理方法例1 自由振动问题utt−a2uxx=0u∣x=0=μ(t),u∣x=l=v(t),u∣t=0=φ(x),ut∣t=0=ψ(x).u_{tt}-a^2u_{xx}=0 \\ u|_{x=0}=\mu(t),u|_{x=l}=v(t),\\u|_{t=0}=\varphi(x),u_t|t=0=\psi(x).utt​−a2uxx​=0u∣x=0​=μ(t),u∣x.

翻译 非齐次振动方程和输运方程解法-傅里叶级数法&冲量定理法

这节研究非齐次振动方程和输运方程的定解问题。这节研究的是齐次的边界条件。本节介绍两个方法。首先介绍傅里叶级数法，它直接求解非齐次的定解问题；接着是冲量定理法，它把非齐次方程的定解问题转化为齐次方程的定解问题进行求解。(一) 傅里叶级数法在求解两端固定的弦的非齐次振动方程定解问题中，得到的解具有傅里叶正弦级数的形式，而且其系数AnA_nAn​和BnB_nBn​决定于初始条件φ(x)\varphi(x)φ(x)和ψ(x)\psi(x)ψ(x)的傅里叶正弦级数。至于采取正弦级数而不是一般的傅里叶级数的.

翻译 The Halfedge Data Structure

这一节解释用于存储mesh的点，边和面以及它们的连接信息的数据结构。有很多用于表示多面体mesh的数据结构。如果你想对它们进行比较，你可以查看在本节后面列举的papers。在openmesh中使用的数据结构叫做halfedge数据结构。如果我们对于一条边进行分割(即连接A和B的一条边变成两个有向边，它们一条从A指向B，另一条相反)。下面的图展示了连接性是如何在这个结构中进行存储的:每个顶点引出一条半边即一条半边从这个顶点出发（1）每个面指向圈住它的半边之一（2）每个半边为下列的元素

翻译 Quad-Edge Data Structure and Library - 计算机图形学

Quad-Edge 数据结构在描述多面体(polyhedra)的形状和几何拓扑非常有用。我们将使用它实现细分曲面，因为它非常优雅并且能非常有效率的回答邻接查询(adjacency queries)。在本文中我们将描述它的数据结构和使用C++对它的实现。

翻译 Marching Cubes算法 - 计算机图形学

本文章描述了一种三维标量场等值面的多边形曲面的创建方法。对于这类问题的一个通常的名字叫做"marching cubes"算法。这种算法即简单又高速，因为它基本上完全在查找表(lookup tables)上工作。

翻译 Operator norm - 算子范数

算子范数欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入在数学上，算子范数是一种度量某些线性算子"大小"的方法。形式上，它是在两个给定范数向量空间之间的有界线性算子空间(bounded li

原创 AI 2020北京智源大会 部分会议笔记

AI 2020北京智源大会 会议笔记2020北京智源大会部分论坛的会议笔记BAAI 2020 北京智源大会 | Ruslan Salakhutdinov | Integrating Domain-Knowledge into Deep LearningBAAI 2020 北京智源大会 | 孙若愚 | Towards Better Global Landscape of GANBAAI 2020 北京智源大会 | 戴彧虹 | Optimality Conditions for Constraine

原创 BAAI 2020 北京智源大会 | 鬲融 | Towards a Theoretical Understanding of Learning-to-learn Methods

Towards a Theoretical Understanding of Learning-to-learn Methods回放地址主要内容概述主要内容回放地址机器学习前沿青年科学家专题论坛主要内容概述鬲融教授(Duke University)结合当前Learning-to-learn方法面临的挑战，在quadratic objective分析了一些optimizer(GD和SGD)，通过分析，得出了1，小心地选择meta-objective也许能缓解explosion/vanishing

原创 BAAI 2020 北京智源大会 | 林宙辰 | Learning Based Optimization

Learning Based Optimization回放地址报告内容概述主要内容大纲Part Ⅰ Complexities in OptimizationPart Ⅱ Learning Based Optimization : OverviewPart Ⅲ Learning Based Optimization : Paradigm 1Part Ⅳ Learning Based Optimization : Paradigm 2Conclusions回放地址2020 北京智源大会 机器学习专题论坛报

原创 BAAI 2020 北京智源大会 | 邢波 | A Blueprint of Standardized and Composable Machine Learning

A Blueprint of Standardized and Composable Machine Learning回放地址报告内容概述主要内容回放地址2020 北京智源大会 机器学习专题论坛报告内容概述主要内容人们对ML/AI的期望越来越高，期待ML/AI能解决人类所有的问题，但是为了实现这些，你会发现有很多困难。你需要处理众多的ML/AI 模型，但是噩梦不在这里，当你选择模型后，你会发现有大量的算法和启发式理论，再此之后，你还需要处理大量不同的数据，如果你运气不好的话，这些数据中可能会包含

原创 BAAI 2020 北京智源大会 | Yolanda Gil | Thoughtful Artificial Intelligence

Thoughtful Artificial Intelligence: Forging A New Partnership for Data Science and Scientific Discovery回放地址报告内容概述Part Ⅰ Knowledge technologies are increasingly importantPart Ⅱ AI offer systematic,correct,unbiased approaches and rigorous reportingPart Ⅲ AI

原创 BAAI 2020 北京智源大会 | 林伟 | Instrumental Variables for Multiple Causal Inference: Old and New

Instrumental Variables for Multiple Causal Inference: Old and New回放地址报告内容概述主要内容功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入回放地址林伟-Inst

原创 BAAI 2020 北京智源大会 | Johannes Schmidt-Hieber | Overparametrization and the Bias-Variance Dilemma

Overparametrization and the Bias-Variance Dilemma回放地址报告概述回放地址2020北京智源大会 数理基础专题论坛报告概述Johannes Schmidt-Hieber(University of Twente) 本次报告的题目是Overparametrization and the Bias-Variance Dilemma，报告探讨的主要问题是bias-variance trade-off是否可以用现代机器学习over-parameterizatio

原创 BAAI 2020 北京智源大会 | 戴彧虹 | Optimality Conditions for Constrained Minimax Optimization

Optimality Conditions for Constrained Minimax Optimization回放地址报告内容概述Part Ⅰ Background for Minimax OptimizationPart Ⅱ Differential of the Value FunctionPart Ⅲ Optimality Conditions回放地址戴彧虹-Optimality Conditions for Constrained Minimax Optimization报告内容概述

原创 BAAI 2020 北京智源大会 | 孙若愚 | Towards Better Global Landscape of GAN

Towards Better Global Landscape of GAN: How Two Lines of Code Change Makes a Difference回放地址报告内容概述IntroductionPart Ⅰ Review of GAN and LiteraturePart Ⅱ Analysis of JS-GAN and RS-GANPart Ⅲ Landscape Analysis:Formal ResultsPart Ⅳ Explaining Two-Cluster(聚类) Ex

原创 BAAI 2020 北京智源大会 | Ruslan Salakhutdinov | Integrating Domain-Knowledge into Deep Learning

BAAI 2020 北京智源大会 | Ruslan Salakhutdinov | Integrating Domain-Knowledge into Deep Learning 报告概述回放地址报告概述本次报告中，Ruslan Salakhutdinov先从How to Build AI 引入，并介绍了Key Challenges and Research Directions,之后又通过试图让AI回答某个自然语言问题，介绍了通过knowledge base来进行学习，但是又指出knowledge b