- 博客(16)
- 收藏
- 关注
RSS订阅原创 神经网络、前向传播、反向传播学习笔记
本文介绍了人工神经网络(ANN)的基本概念和训练流程。ANN通过模拟生物神经网络结构，由大量相互连接的节点组成，用于建模复杂数据关系。核心训练流程包括前向传播、损失计算、反向传播和参数更新。重点分析了梯度下降算法及其变体(BGD、SGD、MB-GD等)，比较了各算法的优缺点和适用场景，推荐Adam作为首选优化器。同时讨论了训练中的常见问题(过拟合、梯度消失等)及其解决方案，并提供了学习资源链接。全文系统性地阐述了神经网络训练的核心原理和关键技术。
2025-10-14 17:30:03
878
原创 RTAB-Map关键参数解读
本文摘要了RTAB-Map的关键启动参数配置，包括定位模式开关（localization）、TF变换等待时间（wait_for_transform）、数据库路径（database_path）等核心参数。重点分析了localization与args参数的联动关系，以及Mem/IncrementalMemory在定位模式下的关键作用。针对不同应用场景提供了优化建议，如调整话题同步参数、特征点数量限制等。配置参数涵盖了RGB-D数据输入、坐标系设置、内存管理、特征提取算法选择等方面，为用户进行SLAM建图与定位提
2025-08-26 18:07:08
1246
原创 Ubuntu20.04 ros noetic安装ORB-SLAM3
本文详细介绍了在Ubuntu 20.04系统下编译和运行ORB-SLAM3的完整步骤。主要内容包括：安装Pangolin库、调整ROS功能包位置、修改CMakeLists文件中的版本配置（OpenCV 4.2.0、Eigen 3.3.7、C++14标准）、解决核心转储问题、修改源码中的单目可视化代码和AR模块，以及环境配置文件调整。文章还提供了ORB-SLAM3库的编译方法、ROS节点生成步骤，并说明了如何在ROS环境下运行ORB-SLAM3，包括数据集下载和话题转换等注意事项。整个过程涵盖了从环境配置到实
2025-08-07 19:04:39
1502
原创 稀疏重建和稠密重建区别
三维场景表征主要分为显式和隐式两种方式。显式表征（如网格、点云、深度图）直接给出几何信息但难以确定位置关系，而隐式表征（如NeRF、DeepSDF）通过函数关系描述几何，虽不直观但能判断点的位置状态。传统三维重建流程包括稀疏重建（SFM）、稠密重建（MVS）和点云模型化。SFM通过特征点匹配估计相机位姿并重建稀疏点云，MVS则在已知相机参数下进行立体匹配实现稠密重建。表征方式和重建方法各有优缺点，显式方法易于渲染但结构化不足，隐式方法表征能力强但泛化性差。
2025-08-06 15:20:50
845
原创 Costmap2DROS transform timeout.解决方法
通过设置/use_sim_time时间同步解决Costmap2DROS transform timeout.报错
2025-07-19 14:48:53
290
原创 fast_lio及fast_lio_localization坐标变换
fast_lio及fast_lio_localization坐标变换，camera_init-->odom，body-->base_footprint
2025-07-19 14:27:46
777
3
原创 map、odom、base_footfrint坐标系区别
map、odom、base_footfrint坐标系区别，RVIZ中模型闪烁问题解决记录
2025-07-19 11:46:31
409
原创 /Odometry与/tf消息的应用场景（Gazebo）和区别
Gazebo中取消/Odometry消息发布，/Odometry与/tf消息的应用场景和区别
2025-07-17 19:53:48
391
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人