<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dulingwen的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dulingwen</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dulingwen]]></copyright><item><title><![CDATA[GDB调试工具的简单使用]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/120820443</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/120820443</guid><author>dulingwen</author><pubDate>Tue, 19 Oct 2021 11:14:40 +0800</pubDate><description><![CDATA[GDB调试工具的基本使用

]]></description><category></category></item><item><title><![CDATA[ROS程序入门开发]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/120489995</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/120489995</guid><author>dulingwen</author><pubDate>Sun, 26 Sep 2021 15:33:44 +0800</pubDate><description><![CDATA[CLion下开发ROS程序的配置方式
参考链接：ROS setup tutorial

]]></description><category></category></item><item><title><![CDATA[局部立体匹配算法]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/119058246</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/119058246</guid><author>dulingwen</author><pubDate>Sat, 24 Jul 2021 15:46:08 +0800</pubDate><description><![CDATA[局部立体匹配
一、什么是局部匹配算法？优势如何？
   局部(Local)立体匹配是相对于半全局以及全局(Non-Local)立体匹配算法而言的，它不构建能量函数，而是利用某种代价函数(或称做相似性度量)，仅仅通过比较左右视图中相同大小的图像块来确定视差，它的基本流程一般为代价计算、代价聚合、视差计算、视差细化。虽然非局部立体匹配算法在性能上可能优于局部算法，但是它们也有很多难点，并非是所有情况下的最好选择，例如：
   全局算法或半全局算法由于需要相当多的计算量，因此运算耗时可能很长，特别是对于高分辨率的]]></description><category></category></item><item><title><![CDATA[SLAM数据集、RGB-D数据集]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/109110102</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/109110102</guid><author>dulingwen</author><pubDate>Thu, 17 Jun 2021 20:07:18 +0800</pubDate><description><![CDATA[1.KITTI
2.TartanAir
http://theairlab.org/tartanair-dataset


]]></description><category></category></item><item><title><![CDATA[使用OpenCV保存指定格式、指定类型的图像]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/108215040</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/108215040</guid><author>dulingwen</author><pubDate>Tue, 25 Aug 2020 10:18:30 +0800</pubDate><description><![CDATA[最近使用OpenCV的函数保存图像，发现这里面存在诸多的坑，经过多次尝试，这才发现原来保存图像也是一门学问哦！之前已经写过一篇图像读写的博客：[opencv读写图像问题！](https://blog.youkuaiyun.com/dulingwen/article/details/101759084)，这里再写一篇作为补充。

一、类型转换
1.Mat数据的类型
opencv中的mat数据类型共包含28种：




类型
C1
C2
C3
C4




CV_8U
0
8
16
24


CV_8S
1
9
1...]]></description><category></category></item><item><title><![CDATA[Spring Data JPA实现数据库访问]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105965095</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105965095</guid><author>dulingwen</author><pubDate>Fri, 03 Jul 2020 10:13:09 +0800</pubDate><description><![CDATA[1.创建子模块
右键点击工程名[mapcloudservice] --&gt; New --&gt; Module --&gt; 选择Maven --&gt;设置子模块的名称[datamanager] --&gt; Finish
创建成功后如下图所示：

2.配置pom.xml
&lt;dependencies&gt;
        &lt;dependency&gt;
            ...]]></description><category></category></item><item><title><![CDATA[配置Eigen库]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105727583</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105727583</guid><author>dulingwen</author><pubDate>Fri, 03 Jul 2020 09:20:20 +0800</pubDate><description><![CDATA[ubuntu下安装了eigen库，但是eigen头文件是位于eigen3/Eigen/中的，使用#include的时候会出问题，解决方法如下：


cd /usr/include
sudo ln -sf eigen3/Eigen Eigen
sudo ln -sf eigen3/unsupported unsupported

完了之后，重新编译代码应该就不会出现问题了！
...]]></description><category></category></item><item><title><![CDATA[pip 配置阿里源]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105865057</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105865057</guid><author>dulingwen</author><pubDate>Fri, 08 May 2020 18:04:58 +0800</pubDate><description><![CDATA[1.linux系统
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

2.windows系统
(1) 打开计算机，在地址栏输入%appdata%，回车，进入用户文件夹，新建文件夹，命名为pip
(2) 在pip下新建pip.ini，输入以下内容:
[global]

timeout=6000
index...]]></description><category></category></item><item><title><![CDATA[如何反编译*.pyc文件]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105583490</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105583490</guid><author>dulingwen</author><pubDate>Thu, 07 May 2020 09:07:05 +0800</pubDate><description><![CDATA[1.安装库uncompyle
pip install uncompyle

2.反编译pyc
uncompyle6 test.pyc &gt; test.py

对比如下:

]]></description><category></category></item><item><title><![CDATA[SLAM中的坐标变换]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105741838</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105741838</guid><author>dulingwen</author><pubDate>Thu, 07 May 2020 09:06:19 +0800</pubDate><description><![CDATA[​  在SLAM经常需要谈论一件事情，就是坐标系变换与坐标变换，坐标系变换和坐标变换是不一样的，要注意区分两者的不同。在nnn维线性空间中，任意nnn个线性无关的向量都可取作它的基或坐标系。但是对于不同的基或坐标系，同一个向量的坐标一般是不同的，下面讨论当基改变时，向量的坐标时如何变化的。
一、基变换
设x1x_{1}x1​，x2x_{2}x2​，…，xnx_{n}xn​是旧基，y1y_{1}y1...]]></description><category></category></item><item><title><![CDATA[双目立体匹配算法：Patch Match Stereo]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105041444</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105041444</guid><author>dulingwen</author><pubDate>Tue, 21 Apr 2020 08:48:50 +0800</pubDate><description><![CDATA[基于Patch Match的立体匹配算法]]></description><category></category></item><item><title><![CDATA[双目立体匹配算法：ELAS]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/104128503</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/104128503</guid><author>dulingwen</author><pubDate>Tue, 31 Mar 2020 20:26:57 +0800</pubDate><description><![CDATA[efficient large scale stereo matching]]></description><category></category></item><item><title><![CDATA[双目立体匹配算法：SGM]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/104142149</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/104142149</guid><author>dulingwen</author><pubDate>Fri, 27 Mar 2020 19:45:27 +0800</pubDate><description><![CDATA[立体匹配旨在为校正后的左右视图提供稠密的匹配对，这种问题称为"stereo correspondence problem"。有大量的算法用于求解立体匹配问题，根据Scharstein和 Szeliski的研究，所有这些算法的计算流程基本上都可以分为四个步骤：A.匹配代价计算；B.代价聚合；C.视差计算/优化；D.视差细化。其中匹配代价用来度量像素或者像素块之间的相似性，计算匹配代价的方法有AD、SAD、BT、NCC、Census-Hamming、HMI、Daisy以及基于深度学习方法的匹配代价等等。]]></description><category></category></item><item><title><![CDATA[git的使用教程！]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/105050920</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/105050920</guid><author>dulingwen</author><pubDate>Mon, 23 Mar 2020 16:18:32 +0800</pubDate><description><![CDATA[1.Git 创建仓库

2.使用git命令行将本地仓库代码上传到github或gitlab远程仓库

3.
]]></description><category></category></item><item><title><![CDATA[Windows10：基于cmake-gui与Visual Studio 2019配置OpenCV4.2：完整过程]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/104338697</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/104338697</guid><author>dulingwen</author><pubDate>Sun, 16 Feb 2020 18:54:18 +0800</pubDate><description><![CDATA[一、下载CMake和OpenCV库
1.CMake下载地址：https://cmake.org/download/，下载windows版本即可
2.下载opencv及opencv-contrib库：
  https://github.com/opencv/opencv/releases/tag/4.2.0.
  https://github.com/opencv/opencv_contrib/re...]]></description><category></category></item><item><title><![CDATA[Pycharm社区版：cython文件支持]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/104220448</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/104220448</guid><author>dulingwen</author><pubDate>Sun, 09 Feb 2020 21:39:26 +0800</pubDate><description><![CDATA[  首先建议大家尽量安装Pycharm专业版，专业版下cython编程没有任何问题，但是由于Pycharm专业版收费，而社区版免费，很多人装的还是社区版，社区版不支持显示cython文件，用起来比较不方便，所以这里讲一下怎么在社区版里直接使用cython文件进行编程。
1.语法高亮
  以*.pyx文件结尾的cython文件，其语法和python文件非常相似，但是pycharm不能识别pyx文件，...]]></description><category></category></item><item><title><![CDATA[popcont位1计数硬件指令与软件算法]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/103729262</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/103729262</guid><author>dulingwen</author><pubDate>Fri, 27 Dec 2019 11:39:42 +0800</pubDate><description><![CDATA[一、popcnt指令简介

　　popcnt是“population count”的缩写，该操作一般翻译为“位1计数”，即统计有多少个“为1的位”。例如，十六进制数“FF”，它有8个为1的位，即“popcnt(0xFF) = 8”。popcnt主要应用在密码学与通信安全，例如计算汉明重量（Hamming weight）。

   x86体系最初是没有硬件popcnt指令的，只能靠软件计算。...]]></description><category></category></item><item><title><![CDATA[OpenMP共享内存并行编程详解]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/103711344</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/103711344</guid><author>dulingwen</author><pubDate>Thu, 26 Dec 2019 11:12:56 +0800</pubDate><description><![CDATA[1.介绍

   并行计算机可以简单分为共享内存和分布式内存，共享内存就是多个核心共享一个内存，目前的PC就是这类（不管是只有一个多核CPU还是可以插多个CPU，它们都有多个核心和一个内存），一般的大型计算机结合分布式内存和共享内存结构，即每个计算节点内是共享内存，节点间是分布式内存。想要在这些并行计算机上获得较好的性能，进行并行编程是必要条件。目前流行的并行程序设计方法是，分布式内存结构...]]></description><category></category></item><item><title><![CDATA[C++中使用SIMD的方法]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/103700580</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/103700580</guid><author>dulingwen</author><pubDate>Wed, 25 Dec 2019 16:08:43 +0800</pubDate><description><![CDATA[一、参考资料

博客：https://blog.youkuaiyun.com/Mahfaeraak/article/details/88687252

1.SIMD(MMX/SSE/AVX)变量命名规范心得

2.SIMD指令集发展历程表(MMX、SSE、AVX等)

3.Intrinsics头文件与SIMD指令集、Visual Studio版本对应表

4.如何用gcc去编译SIMD代码

4.SSE指令集...]]></description><category></category></item><item><title><![CDATA[SIMD指令集]]></title><link>https://blog.youkuaiyun.com/dulingwen/article/details/103683225</link><guid>https://blog.youkuaiyun.com/dulingwen/article/details/103683225</guid><author>dulingwen</author><pubDate>Tue, 24 Dec 2019 15:03:18 +0800</pubDate><description><![CDATA[概述

   SIMD，即Single Instruction, Multiple Data，一条指令操作多个数据。是CPU基本指令集的扩展。主要用于提供fine grain parallelism，即小碎数据的并行操作。如说图像处理，图像的数据常用的数据类型是RGB565, RGBA8888, YUV422等格式，这些格式的数据特点是一个像素点的一个分量总是用小于等于８bit的数据表示的...]]></description><category></category></item></channel></rss>