NOIP很久后的总结和吐槽

本文回顾了一位学生的NOIP竞赛经历,包括比赛当天的心理状态、解题思路及赛后反思等内容。

前言

NOIP过去了真的太久了..现在也没什么感觉了..存在于记忆里的除了对结果的惊喜对考试时没做防御措施的后怕,还有的就是退役流的伤感与低落。也许不久后也要退役了。

怎么说,主要是完了之后的两次大考(最后一次段考+期末)真的太惨了QAQ不要问我为什么期末成绩没出就这样说,我没有哭弱我是讲真的QAQ


Day1

谨记奥爷爷说:NOIP,一题一题往下做就好啦。

第一题水。当时mengbi到连mengbier都没看到的我。

第二题,感觉画风不太对啊,一种某年day2T3的熟悉气息扑面而来。于是就在那边想了好久【边想边打树剖还有其他一些什么奇怪的东西】最后还是想不到泪目。滚下去看了一眼第三题,made题目那么长。于是滚回来打60分的if。我除了暴力试了一下样例,其他的几种情况我都!没!有!调!所以说后怕!考完出来越想越心惊(边看奇异博士边害怕= =)还好结果是稳的。

第三题,已经剩下不到一个小时,光速打了暴力(可是有个zz的细节打错了)调了一下,再认真看了看题目想了下DP方程,感觉可行!各种开打,但是到了结束第二个样例还是错的。最后只有40分(估算暴力也有50的)。于是发现改正暴力后有55,而那个方程,可能是太不清醒了,都不明白为什么当时打出来的跟我想的其实差了挺远的。back了一下就过了。

====================

先这样,,回去洗澡了。。考完期末考,整个人都不好了。整个宿舍的人今晚都请假回家(剩我独守空房),美名其曰寻找安慰,真的,我不更应该被安慰吗QAQ

====================


转载于:https://www.cnblogs.com/Euryale-Rose/p/6527819.html

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值