<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[newbeixue的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/newbeixue</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; newbeixue]]></copyright><item><title><![CDATA[C语言中一维指针、二维指针和三维指针]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/134307549</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/134307549</guid><author>newbeixue</author><pubDate>Thu, 09 Nov 2023 11:49:10 +0800</pubDate><description><![CDATA[指针可以指向一份普通类型的数据，例如 int、double、char 等，也可以指向一份指针类型的数据，例如int *double *char *等。如果一个指针指向的是另外一个指针，我们就称它为二级指针，或者指向指针的指针。假设有一个 int 类型的变量 a，p1是指向 a 的指针变量，p2又是指向p1的指针变量，它们的关系如下图所示：指针变量也是一种变量，也会占用存储空间，也可以使用获取它的地址。C语言不限制指针的级数，每增加一级指针，在定义指针变量时就得增加一个星号。p1。]]></description><category></category></item><item><title><![CDATA[计算几何-通过叉积判断向量旋转方向]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131915175</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131915175</guid><author>newbeixue</author><pubDate>Tue, 25 Jul 2023 12:26:13 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/qq_42778110/article/details/81567954?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%8F%89%E4%B9%98%20%E5%88%A4%E6%96%AD%E6%96%B9%E5%90%91&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-0-81567954]]></description><category></category></item><item><title><![CDATA[tf::transformPose,tf::Transform,tf::Stamped,tf::Pose用法]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131640068</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131640068</guid><author>newbeixue</author><pubDate>Mon, 10 Jul 2023 15:38:06 +0800</pubDate><description><![CDATA[根据具体的应用场景和需求，可以灵活使用这些方法来操作和管理附带时间戳的姿态和变换数据。该类是TF库中用于存储具有时间戳的姿态和变换的容器，在机器人系统中经常被使用。是TF库中的一个类，用于表示3D空间中的姿态（位置和方向）。它包含了旋转和平移变换的信息，可以用于表示从一个坐标系到另一个坐标系的变换。然后，我们创建了一个新的旋转四元数newRotation和一个新的平移向量newTranslation，并使用。类型的变量centered_laser_pose_，它表示一个时间戳的姿态变换。]]></description><category></category></item><item><title><![CDATA[tf::MessageFilter 的用法]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131639460</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131639460</guid><author>newbeixue</author><pubDate>Mon, 10 Jul 2023 15:20:52 +0800</pubDate><description><![CDATA[需要注意的是，在实际使用中，可以根据需要调整过滤器的行为，例如设置超时时间、定义自定义的过滤条件等。只有当消息满足上述两个条件时，才会将其视为"通过过滤器"，才会调用注册的回调函数进行处理。是一个消息过滤器，用于从一个话题订阅消息并根据坐标变换信息进行过滤。默认会根据消息的时间戳和tf变换的可用性来过滤消息。进入ROS的主循环，等待消息的到来并处理。请根据你的实际需求，将代码中的。的过滤器时，具体条件是根据消息的时间戳和坐标变换的可用性来决定的。，当消息通过过滤器时，将调用该回调函数进行处理。]]></description><category></category></item><item><title><![CDATA[message_filters::Subscriber 的用法]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131636183</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131636183</guid><author>newbeixue</author><pubDate>Mon, 10 Jul 2023 12:33:54 +0800</pubDate><description><![CDATA[通过使用消息过滤器，你可以轻松处理多个相关的消息，并确保它们以同步或异步的方式进行处理。是 ROS 中的消息订阅器类，用于接收和处理同步或异步消息。它提供了一种方便的方式来处理多个相关消息，并确保它们以相同的时间戳进行处理。的基础上提供了更复杂的消息过滤和同步功能。具体选择哪个类取决于你的需求：如果只需要基本的消息订阅功能，则可以使用。都是ROS中用于接收消息的订阅器类，但它们在功能和使用上有一些区别。是ROS中最基本的订阅器类，用于接收指定话题的消息。包的详细信息以了解更多高级用法和示例。]]></description><category></category></item><item><title><![CDATA[tf::Pose 可以通过 tf::Transform 构造]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131635997</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131635997</guid><author>newbeixue</author><pubDate>Mon, 10 Jul 2023 12:08:06 +0800</pubDate><description><![CDATA[还提供了一些其他方法和辅助函数，用于进行坐标变换、插值、单位化、求逆等操作。具体使用方法可以根据实际需求和具体问题进行查阅和使用。是TF库中的一个类，用于表示3D空间中的姿态（位置和方向）。它提供了许多方法和操作符重载，用于创建、获取、设置和变换姿态。对象之间进行转换和互用，方便根据实际情况和需求选择适合的类来表示和操作姿态变换数据。相似的构造函数、获取和设置旋转/平移的方法，以及单位化、求逆和变换操作等方法。由于两者的构造函数和旋转/平移的获取和设置方法类似，可以使用。）的组合，用于描述姿态变换。]]></description><category></category></item><item><title><![CDATA[ROS-fatal error: ros/ros.h: 没有那个文件或目录]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131602324</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131602324</guid><author>newbeixue</author><pubDate>Fri, 07 Jul 2023 18:01:18 +0800</pubDate><description><![CDATA[解决方案为，在出错的文件的包下的CMakeLists.txt文件里，加上。]]></description><category></category></item><item><title><![CDATA[秩1矩阵,向量,迹]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131095866</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131095866</guid><author>newbeixue</author><pubDate>Wed, 07 Jun 2023 20:57:02 +0800</pubDate><description><![CDATA[这个做法也是通用的，即：秩为1的矩阵可以抽出两个向量之积。这个积是：列向量x行向量。前面专门讨论过秩为1的矩阵，由Ax=0有n-1个线性无关向量，联想到：Aα=0⋅α。这样的性质如果单独考察，就过于简单了。在另一篇文章中总结过秩为1的矩阵求幂的思路。行向量就是矩阵的任意一行，列向量是这一行的三个倍数。而如果给定一个秩为1的矩阵，如何抽出两个向量呢？且这个数不是随便的数。,知道0必是A的特征值，且是n-1重特征值。其中矩阵的绩等于特征值之和。就是一个秩为1的矩阵。]]></description><category></category></item><item><title><![CDATA[多元高斯分布的方差最大似然估计]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131085169</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131085169</guid><author>newbeixue</author><pubDate>Wed, 07 Jun 2023 12:18:40 +0800</pubDate><description><![CDATA[这个结果表明，协方差矩阵的最大似然估计可以通过样本数据的协方差矩阵来计算。，使得样本数据在这组参数下出现的概率最大。同样地，我们对样本数据的联合概率密度函数取对数，然后对。，我们的目标是最大化这些样本数据在多元高斯分布下的联合概率密度函数。根据最大似然估计的原理，我们需要找到一组参数。同样地，我们要找到一组参数。，使得样本数据在这组参数下出现的概率最大。我们的目标是要通过样本数据来估计参数。这个公式可以直接用于实际计算。接下来，我们考虑协方差矩阵。]]></description><category></category></item><item><title><![CDATA[f(x,y) = xy的全微分]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/131072101</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/131072101</guid><author>newbeixue</author><pubDate>Tue, 06 Jun 2023 17:16:59 +0800</pubDate><description><![CDATA[这个式子可以理解为，当在。]]></description><category></category></item><item><title><![CDATA[opencv中的Point2f用法避雷]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/128401607</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/128401607</guid><author>newbeixue</author><pubDate>Wed, 21 Dec 2022 20:22:15 +0800</pubDate><description><![CDATA[opencv point2f]]></description><category></category></item><item><title><![CDATA[向量的点乘和叉乘区别及几何意义]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/126173000</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/126173000</guid><author>newbeixue</author><pubDate>Fri, 05 Aug 2022 10:40:27 +0800</pubDate><description><![CDATA[向量点乘和叉乘的区别：向量点乘结果是标量，是两个向量在一个方向的累计结果，结果只保留大小属性，抹去方向属性，就相等于降维；向量叉乘，是这这两个向量平面上，垂直生成新的向量，大小是两个向量构成四边形的面积。相等于生维。这是运算所需要，向量加和减都是在同一纬空间操作的，如果要想实现维度的变化就要在向量的乘法做出定义。...]]></description><category></category></item><item><title><![CDATA[GIT 中如何打标签]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125919492</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125919492</guid><author>newbeixue</author><pubDate>Thu, 21 Jul 2022 19:42:52 +0800</pubDate><description><![CDATA[在我们开发的过程中，可能经过多次commit提交才会确定一个版本，那么除了用commitcomments来标识一次提交记录，还有没有什么更好的办法呢？GIT为我们提供了标签这个功能，使用标签可以对某一次提交记录做上一个小标记，就像我们看书的时候，看到很有意思想要做个记号，可以用小的标签纸贴在那一页的边上，这让我们以后可以更方便的索引。...]]></description><category></category></item><item><title><![CDATA[OpenCv漫水填充floodFill详解]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125301346</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125301346</guid><author>newbeixue</author><pubDate>Sat, 18 Jun 2022 18:25:52 +0800</pubDate><description><![CDATA[fill]]></description><category></category></item><item><title><![CDATA[旋转矩阵的两种用法]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125349437</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125349437</guid><author>newbeixue</author><pubDate>Sat, 18 Jun 2022 17:27:25 +0800</pubDate><description><![CDATA[juzhen]]></description><category></category></item><item><title><![CDATA[cv::findContours函数参数详解]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125286735</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125286735</guid><author>newbeixue</author><pubDate>Wed, 15 Jun 2022 10:28:21 +0800</pubDate><description><![CDATA[find]]></description><category></category></item><item><title><![CDATA[opencv3 Mat 类里 setTo 函数]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125259937</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125259937</guid><author>newbeixue</author><pubDate>Mon, 13 Jun 2022 14:48:26 +0800</pubDate><description><![CDATA[setTo]]></description><category></category></item><item><title><![CDATA[Mat rowRange、colRange]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125259614</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125259614</guid><author>newbeixue</author><pubDate>Mon, 13 Jun 2022 14:43:42 +0800</pubDate><description><![CDATA[mat row col]]></description><category></category></item><item><title><![CDATA[ifdef 1 error: macro names must be identifiers]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125257735</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125257735</guid><author>newbeixue</author><pubDate>Mon, 13 Jun 2022 12:16:20 +0800</pubDate><description><![CDATA[ifdef ]]></description><category></category></item><item><title><![CDATA[./autogen.sh: 37: ./autogen.sh: autoreconf: not found]]></title><link>https://blog.youkuaiyun.com/newbeixue/article/details/125239047</link><guid>https://blog.youkuaiyun.com/newbeixue/article/details/125239047</guid><author>newbeixue</author><pubDate>Sat, 11 Jun 2022 21:27:44 +0800</pubDate><description><![CDATA[./autogen.sh: autoreconf:not found]]></description><category></category></item></channel></rss>