weixin_43499818的博客

转载 IDEA新手使用教程（详解）

一、IDEA的下载IDEA下载地址：https://www.jetbrains.com/idea/download/#section=windowsIDEA 分为两个版本：旗舰版(Ultimate)和社区版(Community)。二、安装过程在这我们选择装旗舰版，社区版虽然免费，但是有些功能不全双击【ideaIU-2018.3.3.exe】安装文件：点击下一步（Next）选择好【文件的安装文件目录】，点击【Next】红色箭头所指向的选项代表根据你的电脑选择对应的位数，这里我选.

转载 Kinect v1和Kinect v2的彻底比较

本连载主要是比较Kinect for Windows的现行版（v1）和次世代型的开发者预览版（v2），以C++开发者为背景介绍进化的硬件和软件。本文主要是对传感的配置和运行条件进行彻底的比较。 本连载介绍的Kinect for Windows Developer Preview是暂定的，软件、硬件以及API有可能因为最终的产品版发生变更，还请谅解。关于本连载 本连载主要是比较次世代型的Kinect for Windows（后面称作Kinect v2预览版）和现...

转载 Kinect1和Kinect2的区别

本连载主要是比较Kinect for Windows的现行版（v1）和次世代型的开发者预览版（v2），以C++开发者为背景介绍进化的硬件和软件。本文主要是对传感的配置和运行条件进行彻底的比较。 本连载介绍的Kinect for Windows Developer Preview是暂定的，软件、硬件以及API有可能因为最终的产品版发生变更，还请谅解。关于本连载 本连载主要是比较次世代型的Kinect for Windows（后面称作Kinect v2预览版）和现...

原创 SLAM方向公众号、知乎、博客学习参考

SLAM方向公众号、知乎、博客上有哪些大V可以关注？首发原文：https://mp.weixin.qq.com/s?__biz=MzIxOTczOTM4NA==&mid=2247487876&idx=1&sn=6132859e56600432187af811491817e0&chksm=97d7f413a0a07d05fc67d35333d088133fdbd3190c397a50a267c8d40237079da46204bbd1f9&token=74815

转载 Kinect V1读取图像数据（For Windows）

Kinect V1读取图像数据（For Windows）这篇博客 Kinect V1介绍 数据读取的基本流程 运行代码和注释 结尾这篇博客 刚好有一台现成的Kinect V1相机，所以就拿过来学习一下它的数据读取方式和编程方法，毕竟它还能用于跑RGBD-SLAM。Kinect V1，没错就是微软早就停产的那个相机，它仍然能战斗！下面对相机进行简单的介绍。Kinect V1介绍 Kinect V1相机的长相如下： Kinect V1由彩色摄像头，深度传感器，和用于语音识..

转载 Kinect for Windows v2.0安装教程

Kinect for Windows v2.0安装教程根据官方教程，Kinect v2.0支持Windows 8/8.1/10，本教程讲述在Windows 10上的安装。打开浏览器，百度搜索--Kinect for Windows v2.0，找到官方下载地址，进行下载。注意：只需要KinectSDK-v2.0_1409-setup.exe 其他软件暂时不需要。在安装之前，把你的Kinect 设备连到window上，你的usb接口要为usb3.0（蓝色接口或标有ss的接口），右键Win.

转载 Kinect for Windows V2和V1对比开发___彩色数据获取并用OpenCV2.4.10显示

V1彩色分辨率：640x480V2彩色分辨率：1920x10801，打开彩色图像帧的方式对于V1: 使用NuiImageStreamOpen方法打开 hr = m_PNuiSensor->NuiImageStreamOpen( NUI_IMAGE_TYPE_COLOR,NUI_IMAGE_RESOLUTION_640x480,0, 2, m_hNextColorFrameEvent,&m_hColorStreamHandle); ...

转载 Kinect v1在windows上的使用教程

Kinect v1 (Microsoft Kinect for Windows v1 )彩色和深度图像对的采集步骤一、在ubuntu下尝试1. 在虚拟机VWware Workstation 12.0安装ubuntu14.04按照《Ubuntu安装Kinect v1驱动（openni、NITE、Sensor）及遇到的问题》安装了Kinect v1的驱动，但是最终运行示例出现的窗口和网址提供的不一样，右侧彩色图都是重叠起来的，并且一直在跳动。原因可能是由于kinect v1在虚拟机上驱动有问题，不能运行

原创 ubuntu14.04安装opencv3.1（亲测）

1.下载opencv3.1源码http://opencv.org/releases.html2.安装opencv32.1安装opencv3的依赖 1 sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev libtbb-dev 2.2解压下载的源码并创建编...

原创 嵌入式知识概要（1）

1.嵌入式软硬件关系图2.嵌入式知识框图3.C语言与数据结构

原创 《SLAM十四讲》知识点梳理

0.引言 SLAM十四讲把SLAM中涉及的基本知识点都涵盖了，知识梳理。 书本地址：http://www.broadview.com.cn/book/4938 书本代码：https://github.com/gaoxiang12/slambook1.SLAM概述SLAM：即时定位与地图构建（Simultaneous Localization and Mapping）数学描述：一个典型的SLAM系统如下图所示[1]:典型的SLAM系统中，输入传感器数据，前端...

原创 ubuntu14.04+ceres安裝（亲测）

1.下载github地址使用git clonehttps://github.com/ceres-solver/ceres-solver​2安装依赖项​# CMakesudo apt-get install cmake# google-glog + gflagssudo apt-get install libgoogle-glog-dev# BLAS & LAPACKsudo apt-get install libatlas-base-dev# Eigen3su

原创 ubuntu14.04+eigen3安裝（亲测）

1.安装依赖项sudo apt-get install libeigrn3-dev2.安装mkdir buildcd buildcmake ..makesudo make installubuntu14.04+eigen3安裝（亲测）编辑删除转载2020-10-26 20:42:411.依赖项sudo apt-get install libeigrn3-dev2.安装mkdir buildcd buildcmake ..makesudo m

原创 CVPR2020十个顶级开源数据集

CVPR2020数据集CVPR2020上开源的十个最有用的数据集，用数据来构建更好的人工智能，数据搬运工从来不应该缺席！下面就是十个数据集的分别解释：01FaceScape一个大规模高质量的3D人脸数据集，包括18760站高质量3D人脸模型，对938名自愿者实现20种表情采集，该数据训练可以实现对单张图像预测3D人脸的细节。适应于非商业开源项目。数据集下载地址：https://facescape.nju.edu.cn/02OASIS全称是开放的单图表面标注，是大规模的单图三

原创 ORB-SLAM2介绍（1）

ORB-SLAM贡献：所有任务都使用ORB特征：无需GPU加速，在标准的CPU上可实时运行；具有视点和光照不变性；更加高效、可靠。使用covisibility graph：使得跟踪和建图聚焦在局部区域，能在大环境下实时操作。 使用 essential graph：基于位姿图的优化实现回环检测。 基于视点和光照显著不变性的实时相机重定位。 模型选择的自动初始化：选择创建平面和非平面场景的初始地图。 对地图点和关键帧的选择优胜劣汰的方法：提高跟踪鲁棒性和长时间运行。系统综述特征选取.

原创 SLAM研究内容框架分析

原创 ubuntu14.04+gtsam安装（亲测）

1.网址下载git clone https://bitbucket.org/gtborg/gtsam.git2.安装tbb库sudo apt-get install libtbb-dev3.安装流程mkdir buildcd buildcmake ..makesudo make install

原创 Ubuntu14.04中安装ROS Indigo(亲测)

1）配置Ubuntu软件更新选项：System Settings -> Software & Updates 选项勾选如下所示mainuniverserestrictedmultiverse2）设置软件源（sources.list）：sudosh-c'echo"debhttp://packages.ros.org/ros/ubuntutrustymain">/etc/apt/sources.list.d/ros-latest.list'...

原创 Ubuntu14.04安装ROS

安装ROS配置Ubuntu的软件源配置Ubuntu要求允许接受restricted、universe和multiverse的软件源,可以根据下面的链接配置:https://help.ubuntu.com/community/Repositories/Ubuntu配置成如下图所示即可，一般情况下，这些配置都是默认的。软件源配置添加软件源到sources.list设置软件源的代码如下：$ sudo sh -c 'echo "deb http://packages.ros.o

原创 SLAM入门(1)

搜集了各大网络，请教了SLAM大神，终于把SLAM的入门资料搜集全了！在分享资料前，我们先来看看，SLAM技术入门前需要具备哪些知识？首先学习SLAM需要会C和C++，网上很多代码还用了11标准的C++。第二要学会用Linux。第三要会cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西，才能真正上手编一个SLAM系统。如果要跑实际机器人，还要会ROS。下面将为大家推荐SLAM入门的学习书籍、SLAM公开课、SLAM学习网站、SLAM开源

转载 python图像处理笔记-八-针孔照相机模型与照相机标定

参考教材：python计算机视觉编程 视觉SLAM十四讲，从理论到实践针孔照相机模型针孔摄像机模型（有时称作摄影照相机模型），是计算机视觉中广泛应用的照相机模型。原因是：简单 精度足够这个名字来源于一种简单的照相机，他利用小孔成像原理进行成像，换句话说就是：在光线投影到图像平面前，从唯一一个点经过，这个经过的点就叫做：照相机中心，记做C，如下图所示：（这张图来自于他人博客：https://blog.csdn.net/Dujing2019/article/details/91691

转载 NSGA2算法及其代码

本人最近研究NSGA2算法，网上有很多示例代码，但是基本没有注释，代码看起来很头疼，因此我最近把整个代码研读了一遍，并做上中文注释，希望可以帮助到一些和我一样的初学者们。贴出代码之前，首先介绍一下NSGA2遗传算法的流程图：流程图中我把每个详细的步骤用号码标出来，对应下文的代码部分。首先贴出主函数代码，对应整个流程图：function nsga_2_optimization%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%...

转载 BP神经网络预测实现

基本概念误差反向传播神经网络简称为BP(Back Propagation)网络，它是一种具有三层或三层以上的多层神经网络，每一层都由若干个神经元组成。如图所示为一个BP神经网络的结构图，它的左、右各层之间各个神经元实现全连接，即左层的每一个神经元与右层的每个神经元都有连接，而上下各神经元之间无连接。BP神经网络按有监督学习方式进行训练，当一对学习模式提供给网络后，其神经元的激活值将从输入层经各隐含层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响应。然后，按减少希望输出与实际输出误差的原则，从

原创 matlab读取xls、xlsx、csv文件

常常我们在matlab里需要读取excel数据文件或者保存matlab中矩阵的数据。但是直接在matlab里用xlswrite写出的文件实际上是csv格式，在matlab里无法用xlsread读取。笔者总结如下。1 matlab读写excel文件读xlsx、xls文件：如果是读xls文件，就改一下后缀。写xlsx、xls文件 ：training是要写出的矩阵数据。2 matlab读写csv文件：3 注意区分csv文件和xlsx文件：这是xlsx文件..

转载 随机森林（Random Forest）算法原理

随机森林（Random Forest）算法原理集成学习（Ensemble）思想、自助法（bootstrap）与bagging**集成学习（ensemble）**思想是为了解决单个模型或者某一组参数的模型所固有的缺陷，从而整合起更多的模型，取长补短，避免局限性。随机森林就是集成学习思想下的产物，将许多棵决策树整合成森林，并合起来用来预测最终结果。首先，介绍自助法（bootstrap），这个奇怪的名字来源于文学作品 The Adventures of Baron Munchausen（吹牛大王历

转载 随机森林算法训练及调参-附代码

随机森林算法的理论知识　　随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。一，随机森林的随机性体现在哪几个方面？1，数据集的随机选取　　从原始的数据集中采取有放回的抽样（bagging），构造子数据集，子数据集的数据量是和原始数据集相同的。不同子数据集的元素可以重复，同一个子数据集中的元素也可以重复。2，待选特征的随机选取　　与数

原创 什么是机器学习？

定义机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式， 并将现有内容进行知识结构划分来有效提高学习效率。[1]机器学习有下面几种定义：(1) 机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。(2) 机器学习是对能通过经验自动改进的计算机算法的研究。(3) 机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。[2]发展历程...

原创 机器学习降维算法六——ISOMAP(等距特征映射)

流形学习:传统的机器学习方法中，数据点和数据点之间的距离和映射函数都是定义在欧式空间中的，然而在实际情况中，这些数据点可能不是分布在欧式空间中的，因此传统欧式空间的度量难以用于真实世界的非线性数据，从而需要对数据的分布引入新的假设。流形学习假设所处理的数据点分布在嵌入于外维欧式空间的一个潜在的流形体上，或者说这些数据点可以构成这样一个潜在的流形体。图1 一个嵌在三维空间的流行体图1就是一个数据嵌入在流行体的例子，传统的例如PCA和MDS降维方法效果就不是十分理想。此流行体实际上是一个二维分布的平

转载 机器学习降维算法五——KPCA算法

一，介绍现实中往往很多数据是线性不可分的，因此我们需要引入核函数把数据映射到高纬度而达到线性可分。基于核函数的主成分分析（KPCA）和主成分分析（KPCA）的步骤是一样的，只不过需要用核函数替代了原来的数据。原理从其他地方拷贝而来：二，代码实现from sklearn.datasets import make_moonsfrom sklearn.decomposition import PCAfrom sklearn.decomposition import KernelPCAi

原创 数学建模中常用的方法

数学建模中常用的方法：类比法、二分法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划（线性规划，非线性规划，整数规划，动态规划，目标规划）、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法（禁忌搜索算法，模拟退火算法，遗传算法，神经网络）。这些方法可以解一些模型：优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。拟合与插值方法（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）： matlab

原创    优化模型

优化模型1.1数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。1.2微分方程组模型阻滞增长模型、SARS传播模型。1.3图论与网络优化问题最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。1.4概率模型决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。1.5组合优化经典问题l 多维背包问题(MKP)背包问题：个物品，对...

转载 机器学习降维算法二：LDA（Linear Discriminant Analysis）

Linear Discriminant Analysis(也有叫做Fisher Linear Discriminant)是一种有监督的（supervised）线性降维算法。与PCA保持数据信息不同，LDA是为了使得降维后的数据点尽可能地容易被区分！假设原始数据表示为X，（m*n矩阵，m是维度，n是sample的数量）既然是线性的，那么就是希望找到映射向量a，使得a'X后的数据点能够保持以下两种性质：1、同类的数据点尽可能的接近（within class）2、不同类的数据点尽可能的分开（b..

原创 机器学习降维算法一：PCA (Principal Component Analysis)

引言：机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。当然还有一大类方法本质上也是做了降维，叫做feature selection，目的是从原始的数据feature集合中挑选一部分作为数据的表达。目前大部分降维算法处理向量..

转载 机器学习降维算法三：LLE (Locally Linear Embedding) 局部线性嵌入

LLELocally linear embedding（LLE）[1] 是一种非线性降维算法，它能够使降维后的数据较好地保持原有流形结构。LLE可以说是流形学习方法最经典的工作之一。很多后续的流形学习、降维方法都与LLE有密切联系。见图1，使用LLE将三维数据（b）映射到二维（c）之后，映射后的数据仍能保持原有的数据流形（红色的点互相接近，蓝色的也互相接近），说明LLE有效地保持了数据原有的流行结构。但是LLE在有些情况下也并不适用，如果数据分布在整个封闭的球面上，LLE则不能将它映射到...

转载 机器学习降维算法四：Laplacian Eigenmaps 拉普拉斯特征映射

继续写一点经典的降维算法，前面介绍了PCA,LDA，LLE，这里讲一讲Laplacian Eigenmaps。其实不是说每一个算法都比前面的好，而是每一个算法都是从不同角度去看问题，因此解决问题的思路是不一样的。这些降维算法的思想都很简单，却在有些方面很有效。这些方法事实上是后面一些新的算法的思路来源。Laplacian Eigenmaps[1] 看问题的角度和LLE有些相似，也是用graph的角度去构建数据之间的关系。它的直观思想是希望相互间有关系的点（在图中相连的点）在降维后的空间中尽.

转载 在pycharm中导入anaconda的库

在pycharm中导入anaconda的库下载anaconda后会发现它同时下载了许多的库，在spyder中可以正常使用，但在pycharm中会发现显示没有，用pip下载也会显示已有，以下是导入方法：打开pycharm然后选择anaconda这个如果没有，选择右上角设置，add,点ok添加(我的已有不能再添加)改变以后如果没有导入所有库，点击右边的anaconda图标（一次没有完全导入就再点一次）这时这个文件就可以使用这些库了如果还需要别的库，点击右边的加号，搜索下载即可...

转载 SLAM的前世今生 终于有人说清楚了 | 硬创公开课

SLAM的前世今生 终于有人说清楚了 | 硬创公开课今年8月，雷锋网(搜索“雷锋网”公众号关注)将在深圳举办“全球人工智能与机器人创新大会”（GAIR），在本次大会上，我们将发布“人工智能与机器人Top25创新企业榜“，速感科技是我们重点关注的公司之一。今天，我们邀请到了速感科技CTO张一茗，为大家揭秘SLAM技术的前世今生。张一茗。速感科技CTO。毕业于北京航空航天大学，师从中国惯性技术领域的著名专家冯培德院士，多年组合导航定位系统研究经验。热爱技术和研发，摘得过许多诸如Intel iot.

转载 视觉SLAM中使用Matlab标定摄像头

在计算机视觉中，通常都会碰到自己制作数据集的情况，有些时候需要自己写爬虫程序从网站上下载不同标签的图片。而有些情况下，我们则需要利用自己的摄像头进行数据的获取。在特定的领域，比如说三维重建，slam这些应用领域，在不使用深度学习的情况下，是需要在配置文件中给出相机的内参的，外参一般就用程序跑出来了。对于不同型号的摄像头，其内参一般是不一样的，下面给出一种简便的方法，对单目摄像头进行标定。LZ使用的是Matlab R2016a，不同的版本可能方法有所不同。1.准备自己的数据集LZ这里使用的是棋盘标定法，

原创 SLAM数据集(1)

TUM链接：https://pan.baidu.com/s/1nwXtGqH 密码：lsgrKITTI链接：https://pan.baidu.com/s/1htFmXDE 密码：uu20DSO链接：https://pan.baidu.com/s/1eSRmeZK 密码：6x5bMono链接：https://pan.baidu.com/s/1jKaNB3C 密码：u57rEuRoC链接：https://pan.baidu.com/s/1miXf40o 密码：xm59K

转载 SLAM大神总结（转载）

搜集了各大网络，请教了SLAM大神，终于把SLAM的入门资料搜集全了！在分享资料前，我们先来看看，SLAM技术入门前需要具备哪些知识？首先学习SLAM需要会C和C++，网上很多代码还用了11标准的C++。第二要学会用Linux。第三要会cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西，才能真正上手编一个SLAM系统。如果要跑实际机器人，还要会ROS。下面将为大家推荐SLAM入门的学习书籍、SLAM公开课、SLAM学习网站、SLAM开.