<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fb_941219的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fb_941219</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fb_941219]]></copyright><item><title><![CDATA[NVIDIA显卡驱动安装失败救机]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/145726908</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/145726908</guid><author>fb_941219</author><pubDate>Wed, 19 Feb 2025 13:27:15 +0800</pubDate><description><![CDATA[尝试过 recovery 模式进去卸载，但该工作站不同于普通PC，系统文件为 read only，无法使用 recovery 模式。最终解决方案为借用ubuntu启动盘进如系统将NVIDIA驱动进行删除。，安装后重启无法正常显示，也就是驱动安装失败。表现为开机后仅有一个下划线光标闪烁。工作站NVIDIA RTX 3090 显卡，从官网下载的可支持显卡驱动550版本，如果系统能够正常启动，您可能需要重新安装合适的显卡驱动。原则：尽量避免重装系统，节约时间。安装时禁用了显卡相关的部分模块。]]></description><category></category></item><item><title><![CDATA[SQLite 数据库学习]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/144382158</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/144382158</guid><author>fb_941219</author><pubDate>Tue, 10 Dec 2024 20:00:47 +0800</pubDate><description><![CDATA[这是一个开源的图形用户界面工具，专门用于开发、管理和分析 SQLite 数据库。它支持创建或导入导出表、编辑数据、执行 SQL 查询等功能。Python 内置了 sqlite3 模块，使得与 SQLite 数据库交互变得简单而直接。]]></description><category></category></item><item><title><![CDATA[ubuntu24.04 python环境]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/144151701</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/144151701</guid><author>fb_941219</author><pubDate>Sat, 30 Nov 2024 11:36:03 +0800</pubDate><description><![CDATA[系统环境被标记为“外部管理环境”，这意味着你不应该直接在这个环境中使用 pip 安装包，因为这可能会破坏系统的稳定性和安全性。Ubuntu 等发行版通常会限制直接在系统 Python 环境中安装包，以避免冲突和不稳定性。]]></description><category></category></item><item><title><![CDATA[轨迹相似性度量方法]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/140854999</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/140854999</guid><author>fb_941219</author><pubDate>Sat, 03 Aug 2024 13:39:55 +0800</pubDate><description><![CDATA[相对于点与点或点与轨迹之间的距离度量，轨迹之间的距离度量更加的复杂，需要考虑的因素也更多，例如轨迹的采样率、考虑轨迹的时间信息和轨迹自身的噪音等。给定两个长度分别为n和m的轨迹tr1和tr2，最小距离的匹配阈值，则两条轨迹之间的EDR距离就是需要对tr1及逆行插入、删除或替换使其变为tr2的操作次数，其基于动态规划的算法如下。计算Bhattacharyya系数涉及集成的基本形式的两个样本的重叠的时间间隔的值的两个样本被分裂成一个选定的分区数, 并且在每个分区中的每个样品的成员的数量, 在下面的公式中使用。]]></description><category></category></item><item><title><![CDATA[使用向量计算点到直线的距离]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/140370600</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/140370600</guid><author>fb_941219</author><pubDate>Fri, 12 Jul 2024 09:58:33 +0800</pubDate><description><![CDATA[为直线上的两个点, 求红色的点到直线的距离。红色的点为鼠标位置, 蓝色的点。将问题进行一下转化：如下图所示。]]></description><category></category></item><item><title><![CDATA[生产者消费者模式]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/139387475</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/139387475</guid><author>fb_941219</author><pubDate>Sun, 02 Jun 2024 10:36:21 +0800</pubDate><description><![CDATA[假设有两个进程（或线程）A、B和一个固定大小的缓冲区，A进程生产数据放入缓冲区，B进程从缓冲区中取出数据进行计算，这就是一个简单的生产者-消费者模型。这里的A进程相当于生产者，B进程相当于消费者。生产者/消费者模式是一种常见的并发编程模式，其中生产者线程生成数据并将其放入缓冲区，而消费者线程从缓冲区中取出数据进行处理。这种模式通过缓冲区解耦了生产者和消费者的速度差异。]]></description><category></category></item><item><title><![CDATA[roscore 启动失败 roscore/master is already running]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/139314666</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/139314666</guid><author>fb_941219</author><pubDate>Thu, 30 May 2024 09:59:36 +0800</pubDate><description><![CDATA[【代码】roscore 启动失败 roscore/master is already running。]]></description><category></category></item><item><title><![CDATA[Rviz 复选框插件]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/139271778</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/139271778</guid><author>fb_941219</author><pubDate>Tue, 28 May 2024 17:06:40 +0800</pubDate><description><![CDATA[我想做的插件是类似于 pangolin 侧面的复选框，动态传递 bool 值给程序内部使用。查了一下只能是通过插件的方式进行实现。但是Display 的参数在编译阶段就写死了，我想要在运行期给定参数然后给插件设置 bool 的数量。原本想通过获取插件指针然后由客户端延迟给定参数，但rviz是 launch 文件直接启动的没有引入代码，插件的实例化是 Rviz 中点击 Add 的过程进行的。最终方案，使用 topic 进行通信，将需要设置的参数进行传进去，然后将交互的数据同样通过topic传出来。]]></description><category></category></item><item><title><![CDATA[CSF(Cloth Simulation Filter)点云地面点滤波]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/138469570</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/138469570</guid><author>fb_941219</author><pubDate>Sun, 05 May 2024 17:32:32 +0800</pubDate><description><![CDATA[⾸先，我们将布粒⼦和LIDAR点投射到同⼀⽔平平⾯，然后在此2D平⾯中找到每个布粒⼦的最近的激光点云（称为对应点，CP）。IHV表⽰粒⼦能到达的最低位置，即如果粒⼦达到由该值定义的最低位置，则不能再向前移动。如果两个连接的粒⼦都是可移动的，我们将它们以相反的⽅向移动。通过分析布的节点与相应的LIDAR点之间的相互作⽤，可以确定布的最终形状，并将其⽤作将原始点分类为地⾯和⾮地⾯。粒⼦的位置和速度取决于作⽤在粒⼦上的⼒。当使⽤内⼒移动粒⼦的运动⽅向时，两个具有不同⾼度值的粒⼦将尝试移动到同⼀⽔平⾯。]]></description><category></category></item><item><title><![CDATA[ubuntu20.04安装QGIS]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/137035395</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/137035395</guid><author>fb_941219</author><pubDate>Wed, 27 Mar 2024 17:14:49 +0800</pubDate><description><![CDATA[将最新稳定版 QGIS (3.36.x Maidenhead) 的 QGIS 存储库添加到。Note:这种方法安装的是最新版本，可能会有一些兼容问题。我这里是卸载了重新安装，，删不干净，最后手动 搜索并收删除相关文件。，删不干净，最后手动 搜索并收删除相关文件。：这种方法安装的是最新版本，可能会有一些兼容问题。我这里是卸载了重新安装，]]></description><category></category></item><item><title><![CDATA[HMM隐马尔科夫模型]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/135681758</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/135681758</guid><author>fb_941219</author><pubDate>Thu, 18 Jan 2024 20:43:37 +0800</pubDate><description><![CDATA[Hidden Markov Model, 马尔科夫模型.最后利用维特比算法求解最优状态。]]></description><category></category></item><item><title><![CDATA[pl_vio线特征·part II]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/135044176</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/135044176</guid><author>fb_941219</author><pubDate>Sun, 17 Dec 2023 14:04:37 +0800</pubDate><description><![CDATA[现在优快云有字数限制了，被迫拆分为两篇文章。图2 空间直线投影到像素平面
要想知道线特征的观测模型，我们需要知道线特征从归一化平面到像素平面的投影内参矩阵 K\cal{K}K 。如图2，点 CCC 和 DDD 是直线 L=(n⊤,d⊤)⊤\mathcal{L} =(\mathbf{n}^{\top},\mathbf{d}^{\top})^{\top}L=(n⊤,d⊤)⊤ 上两点，点 ccc 和 ddd 是它们在像素平面上的投影。 c=KCc = KCc=KC,d=KDd=KDd=KD ,KKK是相机的内参]]></description><category></category></item><item><title><![CDATA[pl_vio线特征·part I]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/135034316</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/135034316</guid><author>fb_941219</author><pubDate>Sat, 16 Dec 2023 19:34:37 +0800</pubDate><description><![CDATA[然而, 使用由法线向量和方向向量表示的 3D 线, 可以简单地从两个几何视图执行三角测量, 并且也可以方便地对线几何变换进行建模。此外，正交表示和普吕克坐标可以相互转换，这意味着我们可以在 SLAM 系统中出于不同的目的同时采用它们。的定义, 这四个 DoF 包括来自旋转矩阵 (将线坐标变换到相机坐标系) 的 3 个 DoF, 以及来自距离。是由直线和坐标原点确定的平面法向量。当在两个不同的摄像机视图中观察到新的线地标时，可以轻松计算出普吕克坐标。匹配的结果，对应关系，其实就是存储的全局ID信息。]]></description><category></category></item><item><title><![CDATA[最小二乘问题和非线性优化]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/132106286</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/132106286</guid><author>fb_941219</author><pubDate>Mon, 07 Aug 2023 14:38:57 +0800</pubDate><description><![CDATA[在进行最小二乘问题中，我们会遇到一些异常观测值使得观测残差特别大，如果不对这些异常点做处理会影响在优化过程中，优化器会尝试最小化异常的残差项，最后影响状态估计的精度，鲁棒核函数就是用来降低这些异常观测值造成的影响。可得，当我们使用了鲁棒核函数之后，只需要将各项残差的核函数的一阶二阶导数值计算出，再按照以上形式对信息矩阵和信息向量进行更新即可。通过这种方式，我们同样将其近似一个二次函数，并且和我们之前展开的结果比较，不难发现在这里我们实际上是用。因此，合理的设置阻尼因子，能够达到动态对迭代速度进行调节。]]></description><category></category></item><item><title><![CDATA[加速Nerf训练：nerfacc]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/131680149</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/131680149</guid><author>fb_941219</author><pubDate>Wed, 12 Jul 2023 14:56:11 +0800</pubDate><description><![CDATA[官方文档paper-v1paper-v2搬运自此处ray matching在Nerf的训练中，我们往往需要首先定义一个rays_o（射线的origin）以及rays_d（射线的方向），然后通过取不同的t值（预定义或者其他方式），获取这条射线上的不同的点：


然而，在实际情况中，这条射线上的很多点所代表的空间可能是empty的，其对应的density为0，这些点对这条射线的rendering完全没有任何作用。假设我们在训练的时候可以跳过这些空的区域，我们就可以减少每条线上所采样的点，理论上进而加速训练。为了]]></description><category></category></item><item><title><![CDATA[Pytorch-Lightning-Learning]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/131556467</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/131556467</guid><author>fb_941219</author><pubDate>Fri, 07 Jul 2023 21:32:31 +0800</pubDate><description><![CDATA[LightningModule：Pytorch Lightning的两大API之一，是torch.nn.Module的高级封装。（1）定义模型__init__():同torch.nn.Module中的__init__，用于构建模型。:同torch.nn.Module中的forward，通过__init__中的各个模块实现前向传播。（2）训练模型#训练模型 training_step(* args , ** kwargs) """训练一批数据并反向传播。]]></description><category></category></item><item><title><![CDATA[Marching Cubes算法]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/131576613</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/131576613</guid><author>fb_941219</author><pubDate>Thu, 06 Jul 2023 14:58:25 +0800</pubDate><description><![CDATA[简单看一下图应该就明白了。]]></description><category></category></item><item><title><![CDATA[C++回调函数理解]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/130895404</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/130895404</guid><author>fb_941219</author><pubDate>Sat, 27 May 2023 00:01:39 +0800</pubDate><description><![CDATA[看了一些介绍感觉太官方了，我的简单理解就是从模式设计思想出发，回调函数的目的就是为了将变化的模块抽离出来，延迟实现；这里还有一种方法可以避免这样的问题，可以把非static的回调函数 包装为另一个static函数，这种方式也是一种应用比较广的方法。但这种实现有一个很明显的缺点：static 函数不能访问非static 成员变量或函数，会严重限制回调函数可以实现的功能。简而言之，std::funtion是定义函数类型(输入、输出)，std::bind是绑定特定的函数（具体的要调用的函数）。]]></description><category></category></item><item><title><![CDATA[vscode使用插件remote-ssh远程连接服务器]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/130724885</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/130724885</guid><author>fb_941219</author><pubDate>Wed, 17 May 2023 14:46:37 +0800</pubDate><description><![CDATA[生成密钥对，是为了免密登录？我直接使用的git配置的时候的密钥对。用上了公司百万级的服务器	😆	😆	😆	😆。安装插件进行连接就行，]]></description><category></category></item><item><title><![CDATA[ch07-Pytorch的训练技巧]]></title><link>https://blog.youkuaiyun.com/fb_941219/article/details/130642201</link><guid>https://blog.youkuaiyun.com/fb_941219/article/details/130642201</guid><author>fb_941219</author><pubDate>Fri, 12 May 2023 22:29:24 +0800</pubDate><description><![CDATA[所谓的模型微调，其实就是模型的迁移学习，在深度学习中，通过不断的迭代，更新卷基层中的权值，这里的权值可以称之为 knowledge ， 然后我们可以将这些 knowledge 进行迁移，主要目的是将这些 knowledge 运用到新的模型中，这样既可以减小由于数据量不足导致的过拟合现象，同时又能加快模型的训练速度。GPU 每接收到一个 batch 的数据，使用率就跳到逐渐升高，处理完这个 batch 的数据后，使用率又逐渐降低，等到 CPU 把下一个 batch 的数据传过来。]]></description><category></category></item></channel></rss>