- 博客(24)
- 收藏
- 关注
RSS订阅原创 Win10 RealSense L515 ORBSLAM2 配置全攻略
最近几天项目到达收尾阶段，需要在真实传感器上运行测试一下我们的系统。实验室正好拥有 Inter RealSense L515 这款传感器，故计划基于此测试。但是同门的师姐都是在 ROS 系统上运行，网上的资料也大多如此，最次也是 Ubuntu 系统，鲜少有 Win10 下的相关中文资料。但是 L515 本身是支持 Win10 系统的，故撰此博客记
2021-12-11 12:36:55
4111
13
原创 ORBSLAM2 Win10 VS2017 二进制词袋修改
步骤前言词袋下载TemplatedVocabulary.h 文件修改System.cc 文件修改前言 资料汇总，步骤记录，仅供参考。词袋下载 前往 https://github.com/nxyzgf/sgg-dbow2 下载ORBvoc.binTemplatedVocabulary.h 文件修改 首先在第240行左右，loadFromTextFile函数的声明下增加如下声明： /** * Loads the vocabulary from a text file * @pa
2021-11-26 14:58:11
694
原创 GCNv2SLAM VS2017 Win10 CPU模式修改
该篇博文基于我的另一篇博文，即GCNv2 + VS2017 部署指南。其代码修改简列如下：在GCNextractor.cc中，其构造函数之末尾作如下修改： // const char *net_fn = getenv("GCN_PATH"); // net_fn = (net_fn == nullptr) ? "gcn2.pt" : net_fn; // const char *net_fn = "D:\\gcn2_320x240.pt"; torch::DeviceType
2021-11-10 00:11:18
1235
原创 Win10 VS2017 LearnVIORB 配置指南
目录前言DBoW2 配置构建生成解决方案编译基于VS2017g2o 配置构建生成解决方案编译基于VS2017前言 在将LearnVIORB的代码向ORBSLAM2中做迁移时，发现作者对后者的g2o库做了修改，导致报错。查看LearnVIORB在github上的说明，发现不止是g2o，作者同时也对DBoW2库也做了修改。故此，重新配置上述两个库。 该指南虽然针对的是LearnVIORB的上述两个库，但是事实上其过程是通用的，配置ORBSLAM2时想必也可作参考。 相关参数如下：Win10V
2021-11-08 14:37:35
2882
原创 GCNv2 VS2017 Win10 部署指南
这里写目录标题部署环境Step 1 配置 libtorch 库Step 2 代码修改Step 3 模型修改Step 4 小插曲部署环境 Windows 10 VS 2017 libtorch 1.7 + cuStep 1 配置 libtorch 库 在 C++ 中使用torch::jit::load加载模型时，要求.pt模型生成基于的Pytorch版本与环境中的libtorch版本相同，或至少后者要不低于前者。否则在运行加载时就会报错C10::Error 报错的原因，就我本次部署 G
2021-10-24 16:46:19
737
原创 Windows10 + VS2017 + Pangolin + 依赖库 配置指南
指南目录配置背景配置环境构建编译libjpeg 配置glew 配置zlib 配置libpng 配置在 VS2017 中配置上述第三方库glew.propslibjpeg.propszlib.propslibpng.props继续编译 PangolinOpenGL 配置使用配置背景 由于最近需要配置高翔博士 ORBSLAM2 的稠密点云版本，而其中用到的 PCL 库默认是 MD 的运行库，与我之前配置好的其他运行库不同。因此，需要额外再配置一下 Pangolin 库的 MD 版本。 Pangolin
2021-10-21 23:43:52
4218
6
原创 Kotlin map flatten flatMap 区别
目录mapflattenflatMapmapThe mapping transformation creates a collection from the results of a function on the elements of another collection. 如上面引用的官方文档所言，map函数的功能就是对于调用的Collection的每个元素，应用一个Transformation，然后返回一个新的Collection。官方的示例用法如下： val numbers = se
2021-09-29 20:42:25
1032
2
原创 ORBSLAM3 Win10 VS2017 配置简明指南
前言 投入许多时间，今天终于将ORBSLAM3在Win10上配置成功。过程中并没有做很详细的记录，主要是因为大部分问题网上的资料已经足够，没必要将造轮子的理论再誊抄一遍。尽管没有详细的过程，但是我认为配置的整体思路还是很有借鉴意义的，现在记录下来，一者是作为自己日后的参考，二来则可以给他人带来方便。闲言少叙，书归正传，指南如下：环境 Win10 VS2017 ORB-SLAM3_V0.3第三方库的构建与安装 第三方库的源代码来自：https://github.com/chanho
2021-05-10 09:26:11
2635
3
原创 论文阅读：Semantic Mapping for Mobile Robots in Indoor Scenes: A Survey
笔记纲要Reading GuideMain BodyIntroductionDefinitions of Semantic MapSpatial MappingAcquisition of Semantic InformationMap RepresentationOpen Issues and Potential DirectionsConclusionsSummaryReading Guide 这篇论文是中科院的，主要综述室内环境下的语义建图问题。日期比较新，是今年(2021)二月份出版的。
2021-04-10 12:57:06
532
原创 [Android][Tip] Gradle 下载过慢问题的解决方案
目录问题描述解决方案最终效果问题描述 每次 Gradle 自动下载更新一些 Library 的时候，速度都会非常的慢，而且更要命的是，这玩意儿还是没有进度条的。至于其具体原因，我想大概是因为那些仓库服务器都在国外吧，本来国外的网站打开得都够慢的了，更何况下载东西。下载特别慢，还没进度条解决方案 我们需要修改一下 Project 视图下，根目录中的 build.gradle 文件。如下图所示，文件内容本来是这样的：// Top-level build file where yo
2021-03-16 23:40:04
169
原创 [深搜][洛谷] P1238 走迷宫
总结大纲题目内容题目描述输入格式输出格式分析总结思路分析过程总结附录：源代码题目内容题目描述 有一个 m×nm × nm×n 格的迷宫(表示有 mmm 行、nnn 列)，其中有可走的也有不可走的，如果用 111 表示可以走，000 表示不可以走，文件读入这 m×nm×nm×n 个数据和起始点、结束点（起始点和结束点都是用两个数据来描述的，分别表示这个点的行号和列号）。现在要你编程找出所有可行的道路，要求所走的路中没有重复的点，走时只能是上下左右四个方向。如果一条路都不可行，则输出相应信息（用 −1−
2021-03-07 16:19:39
305
原创 [SLAM] ORBSLAM2 源码分析——FAST关键点提取
个人笔记，如有错误，敬请指正笔记大纲程序入口程序入口 首先，main 函数存在于 rgbd_tum.cc 文件中，其会创建一个 System 对象，从而完成整个系统的初始化，如下所示： // Create SLAM system. It initializes all system threads and gets ready to process frames.ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::RGBD,true
2021-01-30 11:27:28
250
原创 [MCM/ICM] 美赛建模基础与进阶培训笔记——线性规划模型
个人笔记，如有错误，敬请指正笔记大纲最优化问题最优化问题数学模型线性规划应用场景生产计划问题运输问题线性规划的求解线性规划的标准形式线性规划的手动求解线性规划的自动求解最优化问题 最优化问题，就是如何选择一组变量，并且在一系列有关的约束条件下，使得设计的目标指标达到最优值的问题。最优化问题通常可以表示为数学规划形式的问题。 &esmp;最优化问题通常包含三个要素，分别是决策变量、目标函数、约束条件。最优化问题数学模型 线性规划（LP）模型：目标函数与约束条件均为线性函数。 非线性
2021-01-18 23:32:52
427
原创 [SLAM] 浙大视觉SLAM公开课笔记——Radiometric Calibration & HDR 辐射标定 & 高动态光照渲染
个人笔记，如有错误，敬请指正笔记大纲像素值的来源辐亮度与辐照度影像处理器相机响应曲线辐射标定 Radiometric Calibration辐射标定的目的辐射标定的过程辐射标定的应用（HDR）像素值的来源辐亮度与辐照度 辐亮度（Radiance）是用来描述光源的，其物理意义是单位投影面积、单位立体角上的辐射通量。辐照度（Irradiance）是用来描述接受光源照射的物体的，例如感光元件，其物理意义是单位面积接收到的辐射通量，例如对于曝光而言，其满足如下公式：Exposure=Irradiance
2021-01-18 20:34:01
1102
原创 [MCM/ICM] 美赛建模基础与进阶培训笔记——数模入门与常用算法汇总
个人笔记，如有错误，敬请指正笔记大纲评分标准建模步骤数据处理常用算法关联与因果常用算法分类与判别常用算法评价与决策常用算法预测与预报常用算法优化与控制常用算法评分标准 假设的合理性：假设首先是要具有合理性，不能过于离谱；其次是要具有必要性，不能过于废话。 模型的创新性：重点，占评分的一半以上。 结果的正确性：结果不要求绝对正确，但是要求在合理的范围内相对正确。 表述的清晰性：主要体现在论文中。建模步骤 模型准备：分析题目所给材料信息，判断理应建立何种模型。 模型假设：建立合理的
2021-01-18 16:58:57
1118
原创 [SLAM] 浙大视觉SLAM公开课笔记——Color 颜色
个人笔记，如有错误，敬请指正颜色的生物学原理 人的视网膜上存在两种不同类型的细胞，分别是视杆细胞和视锥细胞，两种细胞在感光方面各自具有不同的功能。 视杆细胞负责感应光的强度，而对光的波长，也就是颜色不敏感。在比较昏暗的场合，尤其是夜晚，主要是视杆细胞在进行感光，也正是因为其特性，所以我们在昏暗的场所往往看不见物体的颜色，而只能感受到其灰度。 视锥细胞则负责感应光的波长，即颜色。尽管在解剖学上尚未得到明确的证实，但是我们仍然认为视锥细胞理应分为三类，分别对红、绿、蓝三种波长的光较为敏感，而这三种
2021-01-17 14:53:52
277
原创 [SLAM] Ubuntu系统下SLAM运行环境配置指南——参考资料
个人笔记，如有错误，敬请指正序言 众所周知，相比于写代码与跑代码，配置环境才是最麻烦的部分。去年的时候，我基于甲骨文公司的 VirtualBox 虚拟机，在 Ubuntu 下对《视觉SLAM十四讲》（第一版）中所有示例代码的运行环境进行了配置，最终大部分代码都可以成功运行。此外，我将过程中的一些需要注意的点，较为简略地记录在了文本文档中。但是，如此记录毕竟不够妥当，因此现特将其转录到个人博客中。 这份记录最大的问题就是失之简略，可是今后大抵是不会再更新的，因为我已决定对第二版的运行环境进行配置，并
2021-01-15 17:58:57
720
原创 [SLAM] 浙大视觉SLAM公开课笔记——Camera 相机
个人笔记，如有错误，敬请指正笔记大纲成像原理小孔成像凸透镜的加入凸透镜的调节重要参数光圈孔径景深视场成像缺陷色像差 Chromatic Aberration径向畸变 Radial Distortion成像原理小孔成像 对于单独的一个成像平面而言，物体上任何一个点所发出的光线可以到达平面的任何地方，因此成像平面上就会只有一片白光而无法成像。 因此小孔成像的原理就在于，通过小孔的限制，使得物体上每一个点发出的光线，只能有一束可以到达成像平面，从而完成成像的过程。凸透镜的加入 为实现成像，就必
2021-01-15 16:31:48
492
1
原创 ORB-SLAM-V3 学习笔记
（个人笔记，如有错误，欢迎指正）系统简介 2015年，作者首次提出基于PTAM的多线程实时单目SLAM系统，即ORB-SLAM-V1 2017年，作者对ORB-SLAM-V1系统进行改进，兼容双目与RGB-D相机，即ORB-SLAM-V2 2020年7月24日，作者再次对ORB-SLAM-V2进行了大幅度的改进，新增惯性传感器，即ORB-SLAM-V3改进创新 相较于上一版的系统，这一版的系统主要有以下创新点： 实验评估 摘要说的比较简单，主要阐述系统的两个主要的创新点，分别是
2020-12-04 17:25:37
596
1
原创 二叉树的四种常见遍历方式
理论知识二叉树的遍历方式总共有四种，分别是层序遍历、先序遍历、中序遍历以及后序遍历。现以下图为例，对这四种遍历方式进行分析。首先，先给出四种遍历方式的结果:层序遍历: A -> B -> C -> D先序遍历: A -> B -> D -> C (根左右)中序遍历: B -> D -> A -> C (左根右)后序遍历: D -> B -> C -> A (左右根)层序遍历，就是从上而下，从左而右，逐层遍历，毋
2020-12-01 21:18:07
515
原创 Material Design 常用控件总结
Material Design 相关的控件有很多，这里先就常用的一些控件做简要的介绍，待日后再对每一个控件进行详尽地学习。由于控件数量繁多，不便于记忆，因此在这里就以控件的独立性为标准，简单地将其分为两类，分别是独立控件和协作控件。所谓的独立控件，就是一些功能上比较独立，不需要和其他控件协作的控件；所谓的协作控件，就是一些功能上需要和其他控件配合使用的控件。具体思维导图如下：以下是对各个控件的简介，包括所在的包及其具体功能。常用控件独立控件SnackbarToolbarFloatingActionBu
2020-12-01 21:10:06
380
原创 [Android]屏幕适配中PX、DPI、DP之间的关系
分辨率 (Resolution Ratio) 屏幕水平方向和垂直方向的像素点数，单位为px(pixel)。在屏幕尺寸一样的情况下，分辨率越高，显示的效果就越精细和细腻。屏幕尺寸 (Screen Size) 屏幕对角线的长度，单位为英寸(inch)，约合2.54厘米。像素线密度 (dpi Dots Per Inch) 屏幕每英尺(2.54厘米)长度上像素的数量。可以通过勾股定理，结合分辨率和屏幕尺寸计算得出。 例如一个4.95英寸1920 × 1080的手机屏幕，其像素线密度为√(1920
2020-12-01 21:06:59
406
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人