<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[努力学习]]></title><description><![CDATA[这是一个经常会咕咕咕的博主嘿嘿]]></description><link>https://blog.youkuaiyun.com/The___sky_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; The___sky_]]></copyright><item><title><![CDATA[[算法学习笔记] 《Hello算法》第10章 搜索]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/146516227</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/146516227</guid><author>The___sky_</author><pubDate>Mon, 31 Mar 2025 00:17:09 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第9章 图]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/146044830</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/146044830</guid><author>The___sky_</author><pubDate>Wed, 26 Mar 2025 00:08:00 +0800</pubDate><description><![CDATA[维基百科上不同语言版本的定义不一致：英文版是“路径是一个边序列”，而中文版是“路径是一个顶点序列”。以下是英文版原文：In graph theory, a path in a graph is a finite or infinite sequence of edges which joins a sequence of vertices.]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第8章 堆]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/145694213</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/145694213</guid><author>The___sky_</author><pubDate>Wed, 05 Mar 2025 15:41:56 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第7章 树]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144947791</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144947791</guid><author>The___sky_</author><pubDate>Mon, 17 Feb 2025 23:31:39 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！二叉树（binary tree）是一种非线性数据结构，代表“祖先”与“后代”之间的派生关系，体现了“一分为二”的分治逻辑。与链表类似，二叉树的基本单元是节点，每个节点包含值、左子节点引用和右子节点引用。


每个节点都有两个引用（指针），分别指向左子节点（left-child node）和右子节点（right-child node），该节点被称为这两个子节点的父节点（parent node）。当给定一个二叉树的节点时，我们将该]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第6章 哈希表]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144847353</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144847353</guid><author>The___sky_</author><pubDate>Sun, 05 Jan 2025 16:48:21 +0800</pubDate><description><![CDATA[值得思考的是，为什么要强调对质数取模，或者说对合数取模的弊端是什么？这是一个有趣的问题。]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第5章 栈与队列]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144813423</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144813423</guid><author>The___sky_</author><pubDate>Tue, 31 Dec 2024 12:10:22 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第4章 数组与链表]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144740137</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144740137</guid><author>The___sky_</author><pubDate>Mon, 30 Dec 2024 00:24:09 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！数组（array）是一种线性数据结构，其将相同类型的元素存储在连续的内存空间中。我们将元素在数组中的位置称为该元素的索引（index）。下图展示了数组的主要概念和存储方式。数组的两种初始化方式：无初始值、给定初始值。在未指定初始值的情况下，大多数编程语言会将数组元素初始化为 0 ：


2.   访问元素

数组元素被存储在连续的内存空间中，这意味着计算数组元素的内存地址非常容易。给定数组内存地址（首元素内存地址）和某个元素的]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第3章 数据结构]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144297649</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144297649</guid><author>The___sky_</author><pubDate>Thu, 26 Dec 2024 12:07:58 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！常见的数据结构包括数组、链表、栈、队列、哈希表、树、堆、图，它们可以从“逻辑结构”和“物理结构”两个维度进行分类。逻辑结构揭示了数据元素之间的逻辑关系：如下图所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈线性排列；非线性结构则相反，呈非线性排列。非线性数据结构可以进一步划分为树形结构和网状结构。当算法程序运行时，正在处理的数据主要存储在内存中。下图展示了一个计算机内存条，其中每个黑色方块]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第2章 复杂度分析]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144219971</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144219971</guid><author>The___sky_</author><pubDate>Fri, 06 Dec 2024 17:58:24 +0800</pubDate><description><![CDATA[则该函数可以被编译器或解释器优化，使其在空间效率上与迭代相当。这种情况被称为尾递归（tail recursion）。]]></description><category></category></item><item><title><![CDATA[[算法学习笔记] 《Hello算法》第1章 初识算法]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/144219338</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/144219338</guid><author>The___sky_</author><pubDate>Tue, 03 Dec 2024 17:28:38 +0800</pubDate><description><![CDATA[本系列为《Hello算法》学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可！算法（algorithm）是在有限时间内解决特定问题的一组指令或操作步骤，它具有以下特性。问题是明确的，包含清晰的输入和输出定义。具有可行性，能够在有限步骤、时间和内存空间下完成。各步骤都有确定的含义，在相同的输入和运行条件下，输出始终相同。数据结构（data structure）是组织和存储数据的方式，涵盖数据内容、数据之间关系和数据操作方法，它具有以下设计目标。空间占用尽量少，以节省计算机内存。]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter12：建图）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139522058</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139522058</guid><author>The___sky_</author><pubDate>Fri, 07 Jun 2024 11:48:11 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可。]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter11：回环检测）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139519881</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139519881</guid><author>The___sky_</author><pubDate>Fri, 07 Jun 2024 11:14:27 +0800</pubDate><description><![CDATA[VO存在误差累积，会使得SLAM出现累计误差，长期估计的结果会不可靠，无法构建全局一致的轨迹和地图，回环检测就可以消除累计误差。]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter9：后端1）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139435961</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139435961</guid><author>The___sky_</author><pubDate>Fri, 07 Jun 2024 10:14:15 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解后端的概念。
2.理解以EKF为代表的滤波器后端的工作原理。
3.理解非线性优化的后端，明白稀疏性是如何利用的。
4.使用g2o和Ceres实际操作后端优化
 BA：Bundle Adjustment，是一种批量式的优化方法，给定很多个相机位姿、路标与观测数据，计 算最优的状态估计；定义每个运动/观测方程的误差，并从初始估 计开始寻找梯度下降；BA代价函数：待优化变量：相机的位姿和Landmark的三维空间坐标把自变量定义成所有待优化的变量：，Δ]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter8：视觉里程计2）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139345996</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139345996</guid><author>The___sky_</author><pubDate>Tue, 04 Jun 2024 10:37:52 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解光流法跟踪特征点的原理。
2.理解直接法是如何估计相机位姿的。
3.实现多层直接法的计算。特征点法存在缺陷：光流：空间运动物体在观察成像平面上的像素运动的瞬时速度。稀疏光流：计算部分像素的运动稠密光流：计算所有像素的运动灰度不变假设：同一个空间点的像素灰度值，在各个图像中是固定不变的。灰度不变假设是一个很强的假设，实际中很可能不成立。根据灰度不变假设，有：于是有：在LK光流中，假设某一个窗口(patch)内的像素具有相同的运动。依旧是灰度不变假设]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter7：视觉里程计1）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139246102</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139246102</guid><author>The___sky_</author><pubDate>Fri, 31 May 2024 10:29:59 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解图像特征点的意义，并掌握在单幅图像中提取特征点及多幅图像中匹配特征点的方法。
2.理解对极几何的原理，利用对极几何的约束，恢复图像之间的摄像机的三维运动。
3.理解PNP问题，以及利用已知三维结构与图像的对应关系求解摄像机的三维运动。
4.理解ICP问题，以及利用点云的匹配关系求解摄像机的三维运动。
5.理解如何通过三角化获得二维图像上对应点的三维结构。
 视觉里程（Visual Odometry）：计算前后两帧位姿的变化量VO主要有两个大类：特]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter6：非线性优化）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139087299</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139087299</guid><author>The___sky_</author><pubDate>Mon, 27 May 2024 19:34:55 +0800</pubDate><description><![CDATA[非线性优化是个很大的主题，研究者们为之奋斗多年；主要方法：最速下降、牛顿、G-N、L-M、DogLeg等；与线性规划不同，非线性需要针对具体问题具体分析；问题非凸时，对初值敏感，会陷入局部最优，目前没有非凸问题的通用最优值的寻找办法；问题凸时，二阶方法通常一两步就能收敛。]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter5：相机与图像）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/139045935</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/139045935</guid><author>The___sky_</author><pubDate>Tue, 21 May 2024 11:01:10 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可。]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter4：李群与李代数）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/138846998</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/138846998</guid><author>The___sky_</author><pubDate>Sun, 19 May 2024 17:42:18 +0800</pubDate><description><![CDATA[学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1. 理解李群与李代数的概念，掌握SO(3)、 SE(3)与对应李代数的表示方式。
2. 理解BCH近似的意义。
3. 学会在李代数上的扰动模型。
4. 使用Sophus对李代数进行运算。旋转矩阵自身带约束（正交且行列式为1），当它作为优化变量时，会引入额外的约束，使优化变得困难。通过李群-李代数间的转换关系，可以把位姿估计变成无约束的优化问题。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·，那么群可以计算G=（A,·）。群运算]]></description><category></category></item><item><title><![CDATA[视觉SLAM十四讲：从理论到实践（Chapter3：三维空间刚体运动）]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/135489385</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/135489385</guid><author>The___sky_</author><pubDate>Tue, 14 May 2024 11:03:00 +0800</pubDate><description><![CDATA[一个四元数有一个实部和三个虚部。本书把实部写在前面：aa%7B%7D%27aa_1%2Ca_2R_%7B12%7Dt_%7B12%7DT_%7B12%7Dq_1i&plus;q_2j&plus;q_3kp%27。]]></description><category></category></item><item><title><![CDATA[《动手学深度学习》第二版（3.线性神经网络）笔记]]></title><link>https://blog.youkuaiyun.com/The___sky_/article/details/136374447</link><guid>https://blog.youkuaiyun.com/The___sky_/article/details/136374447</guid><author>The___sky_</author><pubDate>Wed, 06 Mar 2024 20:44:26 +0800</pubDate><description><![CDATA[首先定义一个模型变量net，它是一个Sequential类的实例。Sequential类将多个层串联在一起。当给定输入数据时，Sequential实例将数据传入到第一层，然后将第一层的输出作为第二层的输入，以此类推。在PyTorch中，全连接层在Linear类中定义。值得注意的是，我们将两个参数传递到nn.Linear中。第一个指定输入特征形状，即2，第二个指定输出特征形状，输出特征形状为单个标量，因此为1。# nn是神经网络的缩写。]]></description><category></category></item></channel></rss>