<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[CSSDCC的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/CSSDCC</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; CSSDCC]]></copyright><item><title><![CDATA[python 知识点/面试题目总结（八股文）算法工程师必备]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/127050797</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/127050797</guid><author>CSSDCC</author><pubDate>Mon, 26 Sep 2022 11:42:29 +0800</pubDate><description><![CDATA[本文是本人面试过或者复习时遇到过的python知识点/面试题总结，将网上的各种博客或者自己的理解进行总结，持续更新~]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 第9讲 卡尔曼滤波]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/125349424</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/125349424</guid><author>CSSDCC</author><pubDate>Sat, 18 Jun 2022 17:21:21 +0800</pubDate><description><![CDATA[卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可以看作是滤波过程。有简单一点的话术来总结：在后端优化中，我们可以根据所考虑时刻（帧数）信息的多少来进行分类：：记住卡尔曼滤波器是对系统状态进行最优估计的方法，且利用的是线性系统状态方程。：状态估计：然后，我们将先验以xk−1x_{k-1}xk−1​时刻为条件概率展开：：线性高斯系统：预测：卡尔曼增益和后验分布的推导至此.]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 报错ch13 问题汇总 /usr/bin/ld: /usr/local/lib/libfmt.a(format.cc.o)]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/123442605</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/123442605</guid><author>CSSDCC</author><pubDate>Sat, 12 Mar 2022 14:13:28 +0800</pubDate><description><![CDATA[视觉SLAM十四讲 报错ch13 /usr/bin/ld: /usr/local/lib/libfmt.a1. 问题1：未链接fmt库1.1 解决方案2. 问题2：-fPIC2.1 解决方案
本文总结高博视觉SLAM十四讲第13讲demo程序编译会出现的问题。注意不包括由于Eigen库、OpenCV库没安装好的问题。
1. 问题1：未链接fmt库
[ 93%] Linking CXX executable ../bin/run_kitti_stereo                            ]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 报错ch12: segmentation fault (core dumped) ./pointcloud_mapping]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/123429110</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/123429110</guid><author>CSSDCC</author><pubDate>Fri, 11 Mar 2022 17:34:27 +0800</pubDate><description><![CDATA[视觉SLAM十四讲 报错ch12/pointcloud_mapping: segmentation fault  core dumped  ./pointcloud_mapping1. 问题2. 原因3. 解决方案
1. 问题
编译高博的视觉SLAM十四讲ch12的./pointcloud_mapping没有问题，但是运行的时候出现错误：
$ ./pointcloud_mapping
[1]    863 segmentation fault (core dumped)  ./pointcloud_mapp]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 报错 No rule to make target ‘/usr/local/lib/libDBoW3.a‘, needed by ‘gen_vocab‘.]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/123387255</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/123387255</guid><author>CSSDCC</author><pubDate>Wed, 09 Mar 2022 21:05:20 +0800</pubDate><description><![CDATA[视觉SLAM十四讲 报错 No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'.1. 问题2. 原因3. 解决方案
1. 问题
在编译高博的视觉SLAM十四讲ch11的feature_training.cpp时，编译报错：
make[2]: *** No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'.  Stop.   ]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 第9讲 后端1 贝叶斯法则 式9.5推导]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122180368</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122180368</guid><author>CSSDCC</author><pubDate>Mon, 27 Dec 2021 21:46:34 +0800</pubDate><description><![CDATA[视觉SLAM十四讲中的第9讲 式9.5的推导，下面我们来看如何对状态进行估计。按照贝叶斯法则，把zk和xk交换位置，有式9.5
]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122161473</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122161473</guid><author>CSSDCC</author><pubDate>Sun, 26 Dec 2021 21:50:59 +0800</pubDate><description><![CDATA[视觉SLAM十四讲第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D 理解与笔记]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 第5讲 相机与图像]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122161272</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122161272</guid><author>CSSDCC</author><pubDate>Sun, 26 Dec 2021 21:35:57 +0800</pubDate><description><![CDATA[视觉SLAM十四讲 第5讲 相机与图像 笔记与理解]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 报错 Could not find a configuration file for package “OpenCV“ that is compatible with reques]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122145290</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122145290</guid><author>CSSDCC</author><pubDate>Sat, 25 Dec 2021 16:44:12 +0800</pubDate><description><![CDATA[Could not find a configuration file for package "OpenCV" that is compatible
  with requested version "4".
]]></description><category></category></item><item><title><![CDATA[视觉SLAM 第7讲 本质矩阵 基础矩阵 单应矩阵 知识点/证明/理解/秩/自由度]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122131478</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122131478</guid><author>CSSDCC</author><pubDate>Fri, 24 Dec 2021 16:48:11 +0800</pubDate><description><![CDATA[本质矩阵 基础矩阵 单应矩阵 证明/理解/秩/自由度]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 报错 error: ‘index_sequence’ is not a member of ‘std‘]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122115362</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122115362</guid><author>CSSDCC</author><pubDate>Thu, 23 Dec 2021 20:09:06 +0800</pubDate><description><![CDATA[视觉SLAM十四讲 报错 error: 'index_sequence' is not a member of 'std']]></description><category></category></item><item><title><![CDATA[为什么尺度等价性要减少一个自由度（本质矩阵举例）]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122095630</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122095630</guid><author>CSSDCC</author><pubDate>Wed, 22 Dec 2021 21:43:03 +0800</pubDate><description><![CDATA[尺度等价性自由度减1。举例说明：设有方程Ax=0...........本质矩阵自由度为5]]></description><category></category></item><item><title><![CDATA[c++ 迭代器总结]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122061679</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122061679</guid><author>CSSDCC</author><pubDate>Tue, 21 Dec 2021 14:42:35 +0800</pubDate><description><![CDATA[c++ 迭代器总结]]></description><category></category></item><item><title><![CDATA[c++ linux Segmentation fault报错记录]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122061356</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122061356</guid><author>CSSDCC</author><pubDate>Tue, 21 Dec 2021 14:31:03 +0800</pubDate><description><![CDATA[c++ linux Segmentation fault报错记录什么是Segmentation fault？
什么是Segmentation fault？
segmentation，分割，分段，segmentation fault就是段错误的意思。所谓的段错误就是指访问的内存超过了所给这个程序的内存空间，通常这个值是由gdtr来保存的，它是一个48位寄存器，其中的32位是保存由它指向的gdt表，后13位保存相应于gdt的下表，最后3位包括了程序是否在内存中以及程序的cpu中的运行级别，指向的gdt是由64位]]></description><category></category></item><item><title><![CDATA[c++中的size_t 和 size_type, typedef和decltype]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122049796</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122049796</guid><author>CSSDCC</author><pubDate>Mon, 20 Dec 2021 20:40:36 +0800</pubDate><description><![CDATA[c++中的size_t 和 size_type, typedef和decltype1. typedef和decltype2. size_t 和 size_type
size_t, size_type, key_type, value_type, mapped_type, decltype, typeof,type type type!
在学习C++的过程中，经常会看到size_t, size_type, decltype, typeof…各种type！已经混淆了。为了梳理一遍知识也为了日后自己能更方便的回忆]]></description><category></category></item><item><title><![CDATA[C++ 知识点/面试题目总结 （八股文）]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122049204</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122049204</guid><author>CSSDCC</author><pubDate>Mon, 20 Dec 2021 20:27:59 +0800</pubDate><description><![CDATA[C++ 知识点/面试题目总结 （八股文）]]></description><category></category></item><item><title><![CDATA[关于矩阵的自由度DOF的理解]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122005456</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122005456</guid><author>CSSDCC</author><pubDate>Fri, 17 Dec 2021 21:36:19 +0800</pubDate><description><![CDATA[自由度是n个变量在某个约束下，能够自由变化的最多变量个数m为该约束下的自由度]]></description><category></category></item><item><title><![CDATA[本质矩阵E的内在性质证明]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/122003560</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/122003560</guid><author>CSSDCC</author><pubDate>Fri, 17 Dec 2021 19:28:16 +0800</pubDate><description><![CDATA[本质矩阵E的内在性质证明
自己手写了对极约束中，本质矩阵（Essential Matrix）E的内在性质的证明：

证明过程中用到了：

反对称矩阵的性质
任意矩阵加减KKK倍单位矩阵后，特征值也±K\pm K±K


]]></description><category></category></item><item><title><![CDATA[最小二乘法]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/121982885</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/121982885</guid><author>CSSDCC</author><pubDate>Thu, 16 Dec 2021 20:13:40 +0800</pubDate><description><![CDATA[最小二乘法定义推导
在学习SLAM的时候不断的出现最小二乘法相关的算法，看的云里雾里，所以用这篇博客总结一下。
定义
最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域广泛应用的数学估计。以上是百度百科的定义。更直观的解释，我们常说的曲线拟合，就常用最小二乘法。
推导
完整的解释和推导请看知乎最小二乘法的本质是什么。这篇文章看完之后我是醍醐灌顶，把最小二乘法用最简单的语言和例子解释清楚了。
​
个人总结一下：

设yyy为要预测的数据真值，yi(i=1,2,...,n)y_i(]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲 第4讲 李代数和李群]]></title><link>https://blog.youkuaiyun.com/CSSDCC/article/details/121859904</link><guid>https://blog.youkuaiyun.com/CSSDCC/article/details/121859904</guid><author>CSSDCC</author><pubDate>Fri, 10 Dec 2021 16:56:44 +0800</pubDate><description><![CDATA[李代数和李群1. 什么是群2. 什么是李群3. 什么是李代数4. 指数映射和对数映射4.1 SO(3)4.2 SE(3)4.3 对数映射5. 李代数求导与扰动模型5.1 李代数求导6. 什么是Sophus7. 未完善
1. 什么是群
群（group）是一种集合加上一种运算的代数结构。集合记作A，运算记作 · ，那么群可以记作G=(A,⋅)G = (A, \cdot )G=(A,⋅)。群需要满足四个条件（封结幺逆，凤姐要你）

封闭性：∀a1,a2∈A,a1⋅a2∈A\forall a_1,a_2 \in A]]></description><category></category></item></channel></rss>