<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[鲜花会生锈]]></title><description><![CDATA[尽量写下来]]></description><link>https://blog.youkuaiyun.com/CUSTESC</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; CUSTESC]]></copyright><item><title><![CDATA[Vcglib使用发生ply相关错误]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/106160295</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/106160295</guid><author>CUSTESC</author><pubDate>Sat, 16 May 2020 15:56:18 +0800</pubDate><description><![CDATA[在测试Vcglib一些功能函数时，发生如下错误：
KdTreeTest.obj : error LNK2019: 无法解析的外部符号 "public: unsigned __int64 __cdecl vcg::ply::PropDescriptor::memtypesize(void)const " (?memtypesize@PropDescriptor@ply@vcg@@QEBA_KXZ)，该符号在函数 "public: static int __cdecl vcg::tri::io::Importe]]></description><category></category></item><item><title><![CDATA[Colmap中重三角化方法总结]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/105484792</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/105484792</guid><author>CUSTESC</author><pubDate>Mon, 13 Apr 2020 12:12:12 +0800</pubDate><description><![CDATA[这篇文章回答以下问题：
**Colmap中两种重三角化是如何实现的？**

Colmap作为现在最先进，最完整的一个SFM+MVS系统，其中有很多地方值得学习和借鉴。对于其中的SFM模块，采用了大量的tricks来提高SFM重建的准确性和完整性，本文试图解释是其中之一：重三角化。
本文只讨论重三角化，其在全局BA前后完成，目的是为了提高重建的完整性和准确性。主要参考资料，来自Colmap工程代码和...]]></description><category></category></item><item><title><![CDATA[DSO(Direct Sparse Odometry)在windows下运行方法]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104997873</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104997873</guid><author>CUSTESC</author><pubDate>Mon, 23 Mar 2020 13:16:49 +0800</pubDate><description><![CDATA[文章目录简述一、源码不能在Windows下直接运行原因二、解决方案（需要使用Nuget）三、总结与数据集
简述
本文主要是提供DSO如何在windows下编译运行的方法。
（总是一些人建议用Linux，在我看如果是学习的前提下，编译这些源代码，linux很nice；如果是做一些基于windows下的应用，代码的迁移可躲不开。）
源代码地址：https://github.com/JakobEngel...]]></description><category></category></item><item><title><![CDATA[Windows下使用timeval以及gettimeofday()]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104968050</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104968050</guid><author>CUSTESC</author><pubDate>Thu, 19 Mar 2020 15:08:01 +0800</pubDate><description><![CDATA[在修改一个来自Unix的开源库时候，其使用了Unix常用的timeval结构体和得到当前的时间（秒和微秒）。在windows下没有找到对应的数据结构，于是利用chrono库函数，写了一个同样名字的结构和函数，以供调用。


#include&lt;chrono&gt;    //头文件包含



struct  
{
	__int64 tv_sec;
	__int64 tv_usec;
}time...]]></description><category></category></item><item><title><![CDATA[Colmap简介、Windows下编译安装遇到的各种问题及解决方案]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104948344</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104948344</guid><author>CUSTESC</author><pubDate>Wed, 18 Mar 2020 16:57:38 +0800</pubDate><description><![CDATA[文章目录Colmap简介官方安装方法安装过程中遇到的问题总结及解决方法依赖库Boost编译安装依赖库在线下载失败，包括Eigen，FreeImage，glew和ceres相关库：urlopen errorGlew编译失败，glew.obj : error LNK2019: 无法解析的外部符号 memset，该符号在函数 glewContextInit 中被引用suiteparse和ceres可能遇...]]></description><category></category></item><item><title><![CDATA[编译安装并单步调试OpenCV扩展模块]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104773645</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104773645</guid><author>CUSTESC</author><pubDate>Tue, 10 Mar 2020 14:24:03 +0800</pubDate><description><![CDATA[不断更新的OpenCV视觉库，包含了大量较新的计算机视觉方面的研究成果，很多新的算法都放在了OpenCV_contrib，即扩展模块。这些新算法使用了OpenCV的数据结构或其它算法来做支撑，很多并不能单独分离直接使用，这时候我们就需要编译OpenCV和扩展模块。
这篇博客总结了如何编译安装扩展模块，并且进行单步调试OpenCV源码的方法。
扩展模块下载：https://github.com/op...]]></description><category></category></item><item><title><![CDATA[Git和SVN的主要区别]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104751089</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104751089</guid><author>CUSTESC</author><pubDate>Mon, 09 Mar 2020 13:47:53 +0800</pubDate><description><![CDATA[主要基本区别：

1.GIT是分布式的，SVN不是：

这是GIT和其它非分布式的版本控制系统，例如SVN，CVS等，最核心的区别。如果你能理解这个概念，那么你就已经上手一半了。需要做一点声明，GIT并不是目前第一个或唯一的分布式版本控制系统。还有一些系统，例如Bitkeeper,Mercurial等，也是运行在分布式模式上的。但GIT在这方面做的更好，而且有更多强大的功能特征。

GIT跟SV...]]></description><category></category></item><item><title><![CDATA[使用Eigen犯的一个神奇错误：C2244 无法将函数与现有的声明匹配]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104516521</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104516521</guid><author>CUSTESC</author><pubDate>Wed, 26 Feb 2020 14:26:42 +0800</pubDate><description><![CDATA[记录一个错误：

VS编译一个含有Eigen和openCV的程序时，出现如下错误 ：

“Eigen::TriangularViewImpl&lt;_MatrixType,_Mode,Eigen::Dense&gt;::_assignProduct:无法将函数与现有的声明匹配



找问题过程：

1. 查看报错Eigen文件，声明和匹配没有问题。

2. 通过多次注释不同程序段，发现含Eig...]]></description><category></category></item><item><title><![CDATA[Mooc笔记：C++概览及几种编程范式]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104489868</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104489868</guid><author>CUSTESC</author><pubDate>Tue, 25 Feb 2020 12:48:01 +0800</pubDate><description><![CDATA[博客内容为学习笔记和资料补充，图取自Mooc：《C++程序设计》https://www.icourse163.org/course/BUPT-1003564002

关于C++

1. C++十分古老，由C语言发展而来，功能十分复杂

2. 一般将C++分为两种，两者差别很大

  C++11标准前的C++: 经典C++，Classic C++

  C++11标准之后的C++： 现代C...]]></description><category></category></item><item><title><![CDATA[从 UNIX 到 GitHub：十个关于自由和开源软件历史的重要事件]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104242811</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104242811</guid><author>CUSTESC</author><pubDate>Thu, 13 Feb 2020 00:31:38 +0800</pubDate><description><![CDATA[转载



现在看来，大家很容易会把开源软件当作是理所当然的，但事实上，我们应该知道自由和开源软件是经历了长达半个世纪的一系列漫长发展的产物。

本文记录了自由和开源历史上的一些重要时刻，也称得上是 FOSS 历史上的大事件。从 UNIX 的全盛时期，到 GNU 和 Linux 的诞生，再到 GitHub 将开源“民主化”，以及在它们之间的一切。

1969：UNIX 的诞生



1969...]]></description><category></category></item><item><title><![CDATA[C++引用]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/104136557</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/104136557</guid><author>CUSTESC</author><pubDate>Sun, 02 Feb 2020 16:22:40 +0800</pubDate><description><![CDATA[1. 引用基本概念及说明

引用就是为已有的对象a所起的另外一个名字b，可以通过引用去修改b以实现对象a的修改。

引用格式：类型说明符 &amp;引用名=变量名

例程：


int i；
int &amp;ri=i；
i=5；
cout&lt;&lt;i&lt;&lt;endl;
ri=10;
cout&lt;&lt;ri&lt;&lt;endl;



			
			
			
	...]]></description><category></category></item><item><title><![CDATA[GMS匹配算法论文、源码笔记]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/103963787</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/103963787</guid><author>CUSTESC</author><pubDate>Fri, 17 Jan 2020 11:30:21 +0800</pubDate><description><![CDATA[前言：

本文是实验GMS匹配算法的一些论文阅读和源码笔记。在使用ORB特征的前提下，相机姿态变化较大情况下，实验效果明显优于暴力匹配，无明显错配。

放一张论文原图：



一、论文笔记

最近为了完成一个项目，对两视图之间的特征点匹配关系要求较为精确，实验了一些匹配算法，其中包括了GMS。

论文题目《GMS: Grid-based Motion Statistics for Fast, Ul...]]></description><category></category></item><item><title><![CDATA[论文笔记：传统CV和深度学习方法的比较]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/103937771</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/103937771</guid><author>CUSTESC</author><pubDate>Sun, 12 Jan 2020 00:17:08 +0800</pubDate><description><![CDATA[来自《Deep Learning vs. Traditional Computer Vision》

摘要：

深度学习推动了数字图像处理领域的极限。 但是，这并不是说传统计算机视觉技术已经过时了。 本文将分析每种方法的优缺点。 本文的目的是促进有关是否应保留经典计算机视觉技术知识的讨论。 本文还将探讨如何将计算机视觉的两个方面结合起来。 评论了几种最近的混合方法论，这些方法论证明了改善计算机视觉...]]></description><category></category></item><item><title><![CDATA[上车Tensorflow2.0（一）：最简开发环境安装（win下Python）]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/103182252</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/103182252</guid><author>CUSTESC</author><pubDate>Mon, 25 Nov 2019 15:07:35 +0800</pubDate><description><![CDATA[Tensorflow2.0 10月份发布，据说比1.x版本亲和了不少。在这个全民AI的时代，tf还是要学习，免得落伍。简单安装了python的开发环境，非常适合像我这样的小白，方法来自《网易云课堂的Tensorflow 2.0入门实战》

最简单的Tensorflow2.0安装

1.下载Anaconda和Pycharm

  Anaconda：https://www.anaconda.co...]]></description><category></category></item><item><title><![CDATA[多视图几何入门基础--相机模型与投影变换]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/103080267</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/103080267</guid><author>CUSTESC</author><pubDate>Fri, 15 Nov 2019 15:50:52 +0800</pubDate><description><![CDATA[章国峰_相机模型与投影变换
一、 齐次坐标和坐标变换（等距变换；相似变换；仿射变换；射影变换）

齐次坐标：
在原有的坐标上面增加一个维度，新增维度不增加自由度，通常为1
以下对应2维和3维

A.	有了齐次坐标后，最明显的好处是，可以用矩阵描述平移
B.	并且可以用齐次坐标更容易表示点，线，面的关系。可以用两个齐次坐标的点的叉积描述一条直线，两条线的叉积定义一个点（交点）
C.	齐次坐标可以更好...]]></description><category></category></item><item><title><![CDATA[《视觉SLAM十四讲》库环境配置笔记：windows下VS2017配置Eigen，Sophus，Ceres]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/102737168</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/102737168</guid><author>CUSTESC</author><pubDate>Fri, 25 Oct 2019 09:58:48 +0800</pubDate><description><![CDATA[笔记-------简单记录方法和有用链接，供查用

一、Eigen

Eigen Document：http://eigen.tuxfamily.org/dox/index.html

配置方法：

1. 下载Eigen库的包

      Eigen：http://eigen.tuxfamily.org/index.php?title=Main_Page

2. 解压后找到Eige...]]></description><category></category></item><item><title><![CDATA[D3D11计算着色器程序Bug修改记录（不断更新）]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/102622345</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/102622345</guid><author>CUSTESC</author><pubDate>Fri, 18 Oct 2019 17:45:46 +0800</pubDate><description><![CDATA[最近一段时间用计算着色器完成一些图像处理的任务，遇到了不少bug，因为用CS做图像处理的资料较少，很多问题都是通过自己不断定位，尝试解决的。有些问题可能对别人有些参考，所以记录一下，随时更新。

1. 造成几十ms延时的问题

   计算着色器的计算是很快的，但是我的程序在测试的时候，会有几十ms的延时。并且奇怪的是，同样的电脑，vs2017版本，两个程序，一个重复计算几百次有一次延时，一...]]></description><category></category></item><item><title><![CDATA[两个小Tips: 解决Matlab初始化时间过长&&Office使用（KMS工具无效时）]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/102609376</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/102609376</guid><author>CUSTESC</author><pubDate>Thu, 17 Oct 2019 16:45:57 +0800</pubDate><description><![CDATA[1.Matlab初始化时间过长

  最近在另外一台电脑上重新安装了matlab，发现其初始化时间很长，长达几分钟。

  这里找到了两种解决办法提供参考，

  共同点：找到先前matlab所使用的证书如license_server.lic和license_standalone.lic所在目录

   a. 加在你启动的matlab快捷方式，点击属性，找到快捷方式下的目标...]]></description><category></category></item><item><title><![CDATA[SLAM相关博客、paper总结记录（持续更新）]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/102457535</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/102457535</guid><author>CUSTESC</author><pubDate>Wed, 09 Oct 2019 11:23:48 +0800</pubDate><description><![CDATA[本博客作为阅读记录，以便以后索引有用的博客文章或paper。

   2019.10.9

     1.蚁族的坚持：学习ORBSLAM2系列，已经写完。

     2. sylvester0510：ORBSLAM2详解，已写完。博客里也有其他相关文章

     3. ORBSLAM序列总结、（论文居多）

     4. ORB...]]></description><category></category></item><item><title><![CDATA[基于D3D11计算着色器并行计算的图像去雾算法]]></title><link>https://blog.youkuaiyun.com/CUSTESC/article/details/101677258</link><guid>https://blog.youkuaiyun.com/CUSTESC/article/details/101677258</guid><author>CUSTESC</author><pubDate>Wed, 09 Oct 2019 10:35:27 +0800</pubDate><description><![CDATA[这一个多月来，主要完成了基于D3D11计算着色器实现图像去雾的并行计算这个小项目。为什么选择D3D11而不是CUDA更通用的并行计算平台？是因为想把图像去雾的功能加在基于D3D11的播放器中，这时输入的图像时DX里面的纹理数据。

   之前完成了对去雾算法的测试和效果验证，可见这篇博客：一种去雾算法的实现。该CPU版本总的运行时间在160ms一帧（彩色1080P），达不到实...]]></description><category></category></item></channel></rss>