<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[pj_find的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/pj_find</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; pj_find]]></copyright><item><title><![CDATA[UE4.26像素流插件PixelStreaming使用Chrome浏览器访问时的Crash问题]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/121977194</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/121977194</guid><author>pj_find</author><pubDate>Thu, 16 Dec 2021 16:18:33 +0800</pubDate><description><![CDATA[报错提示
谷歌报错提示

[...PixelStreaming/Private/Streaming.cpp] [Line:173] player 101 not found



火狐报错提示



刚开始按着这个教程：UE4.23/4.26像素流插件PixelStreaming使用Chrome访问时的Crash问题 - 知乎


打开...\Engine\Source\Programs\PixelStreaming\WebServers\SignallingWebServer\scripts目录下的w..]]></description><category></category></item><item><title><![CDATA[VINS_FUSION入门系列---GPS与VIO融合]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106566838</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106566838</guid><author>pj_find</author><pubDate>Fri, 05 Jun 2020 14:32:28 +0800</pubDate><description><![CDATA[参考的博客:https://blog.youkuaiyun.com/subiluo/article/details/105429471
http://www.luyixian.cn/news_show_313718.aspx
1.代码的输入输出
输入输出的定义都在globalOptNode.cpp这个文件里面
    ros::Subscriber sub_GPS = n.subscribe("/gps", 100, GPS_callback);
    ros::Subscriber sub_vio = n.subs]]></description><category></category></item><item><title><![CDATA[视觉VIO基础知识---滑动窗口]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106525401</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106525401</guid><author>pj_find</author><pubDate>Wed, 03 Jun 2020 15:48:54 +0800</pubDate><description><![CDATA[1. 最小二乘的图表示

信息矩阵得构成

信息矩阵的稀疏性


2. 基于边际概率的滑动窗口算法


例4

3. 滑动窗口中的FEJ算法


后面可能会出现新的测量信息和旧的测量信息构建的新系统在计算雅可比时的线性化点不同，这样可能会导致信息矩阵的零空间发生变化，从而在求解的时候引入错误信息，具体不做讨论了。


...]]></description><category></category></item><item><title><![CDATA[视觉VIO基础知识---舒尔补的应用]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106505306</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106505306</guid><author>pj_find</author><pubDate>Tue, 02 Jun 2020 22:18:20 +0800</pubDate><description><![CDATA[1. SLAM问题概率建模

2. SLAM问题求解

3 高斯分布和协方差矩阵

例一

例一对应的状态量协方差矩阵

例一对应的协方差的逆即信息矩阵


例二

例二协方差的逆


将例一中去除变量x3


4.舒尔补的应用
4.1 舒尔补的概念


舒尔补分解的好处

4.2 舒尔补应用与多元高斯分布






小结


...]]></description><category></category></item><item><title><![CDATA[VINS_FUSION入门系列－优化optimization]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106497124</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106497124</guid><author>pj_find</author><pubDate>Tue, 02 Jun 2020 17:26:38 +0800</pubDate><description><![CDATA[代码最核心的地方就是优化和滑动窗口,代码主要和VINS_MONO分成的三部分差不多,视觉由于使用的双目有所改变.优化主要就是计算残差,雅克比矩阵和信息矩阵.
VINS_MONO
VINS_FUSION
从上图可以看出,总体VINS_MONO和VINS_FUSION求解的变量差不多.下面具体分析VINS_FUSION的优化.
1.1 视觉约束
for (auto &amp;it_per_frame : it_per_id.feature_per_frame)
        {
            imu]]></description><category></category></item><item><title><![CDATA[VINS_FUSION入门系列－初始化]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106471575</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106471575</guid><author>pj_find</author><pubDate>Mon, 01 Jun 2020 15:54:22 +0800</pubDate><description><![CDATA[初始化
初始化前获得IMU的起始姿态,g2r（const Eigen::Vector &amp;g）函数。这个函数主要是为了做一个重力对齐。之后会得到一个初始化的R0, 这个R0​存入滑动窗口的世界坐标系下的旋转Rs[0],具体参考:https://blog.youkuaiyun.com/huanghaihui_123/article/details/103075107
//初始第一个imu位姿
void Estimator::initFirstIMUPose(vector&lt;pair&lt;double, Eig]]></description><category></category></item><item><title><![CDATA[VINS_FUSION入门系列－特征点的跟踪]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106460629</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106460629</guid><author>pj_find</author><pubDate>Sun, 31 May 2020 20:55:36 +0800</pubDate><description><![CDATA[1.1 跟踪的具体函数
// 对图片进行一系列操作，返回特征点featureFrame。
// 其中还包含了：图像处理、区域mask、检测特征点、计算像素速度等
map&lt;int, vector&lt;pair&lt;int, Eigen::Matrix&lt;double, 7, 1&gt;&gt;&gt;&gt; FeatureTracker::trackImage(double _cur_time, const cv::Mat &amp;_img, const cv::Mat &amp;_img1]]></description><category></category></item><item><title><![CDATA[vins_fusion入门系列-数据的读取]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106460295</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106460295</guid><author>pj_find</author><pubDate>Sun, 31 May 2020 20:07:17 +0800</pubDate><description><![CDATA[vins_fusion入门系列-数据的读取
VINS_FUSION功能介绍
港科大在2019年1月12号发布了Vins-fusion，从2017年发布的Vins-mono:单目+IMU，这次晋级了vins-fusion，demo中主要给出了四个版本：
（1）单目+imu
（2）纯双目
（3）双目+imu
（4）双目+GPS
地址为：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion
双目SLAM对比与之前单目的slam，主要一个好处在于初始化过程中，可以]]></description><category></category></item><item><title><![CDATA[编译kalibr 出现fatal error: numpy/arrayobject.h: No such file or directory 解决方法]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106177910</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106177910</guid><author>pj_find</author><pubDate>Sun, 17 May 2020 17:46:05 +0800</pubDate><description><![CDATA[获得kalibr：https://github.com/ethz-asl/kalibr

fatal error: numpy/arrayobject.h: No such file or directory 

方法：在终端运行下面命令

sudo apt-get install --reinstall python-numpy
]]></description><category></category></item><item><title><![CDATA[zed相机用zed_cup_ros 跑ORB_SLAM2]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/106171407</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/106171407</guid><author>pj_find</author><pubDate>Sun, 17 May 2020 12:51:24 +0800</pubDate><description><![CDATA[由于自己的电脑没有NVIDIA的显卡，下载官方的驱动的ros驱动需要安装CUDA，所以在网上找的一个大佬的https://github.com/willdzeng/zed_cpu_ros，不需要显卡就能跑得动相机。

１．zed_cup_ros安装及使用

先去zed官网下载,ZED官网下载SDK 官网传送门：https://www.stereolabs.com/developers/release/

下载一个对于电脑系统的版本就好，带CUDA无所谓，因为后面不会安装它。本文下载的是

ZED_SDK_U]]></description><category></category></item><item><title><![CDATA[ubuntu 上运到的问题]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/103167142</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/103167142</guid><author>pj_find</author><pubDate>Wed, 20 Nov 2019 17:34:29 +0800</pubDate><description><![CDATA[１．ROS多个工作空间存在同名包的BUG

1.1查考工作空间的路径


echo $ROS_PACKAGE_PATH


1.2 解决方法

删掉build和devel文件夹
	删掉ROS_PACKAGE_PATH环境变量：unset ROS_PACKAGE_PATH
	重新编译你的包
	注释掉~/.bashrc中无关的包的bash，只保留想要的工作空间。
	https://www.cnblo...]]></description><category></category></item><item><title><![CDATA[pl-slam-ros踩坑日记]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/88367614</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/88367614</guid><author>pj_find</author><pubDate>Sat, 09 Mar 2019 16:23:44 +0800</pubDate><description><![CDATA[运行vo时出现如下错误：

/usr/include/eigen3/Eigen/src/Core/DenseStorage.h:128: Eigen::internal::plain_array&amp;lt;T, Size, MatrixOrArrayOptions, 32&amp;gt;::plain_array() [with T = float; int Size = 8; int MatrixOrArr...]]></description><category></category></item><item><title><![CDATA[python 画3维轨迹图并进行比较]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/88248613</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/88248613</guid><author>pj_find</author><pubDate>Wed, 06 Mar 2019 18:44:03 +0800</pubDate><description><![CDATA[一.数据的格式

首先我们需要x,y,z三个数据进行画图。从本实验用到的数据集KITTI 00.txt中举例：

1.000000e+00 9.043680e-12 2.326809e-11 5.551115e-17 9.043683e-12 1.000000e+00 2.392370e-10 3.330669e-16 2.326810e-11 2.392370e-10 9.999999e-01 ...]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04 安装搜狗输入法]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/87925283</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/87925283</guid><author>pj_find</author><pubDate>Mon, 25 Feb 2019 21:32:00 +0800</pubDate><description><![CDATA[转载：https://blog.youkuaiyun.com/woainishifu/article/details/71420303 

因为工作原因要用linux，看了大家的经验，对于新手最容易上手的还是ubuntu，所以就下载安装了ubuntu，第一次用，表示：我们真是被Windows系统惯坏了，用ubuntu这种系统简直让人崩溃。安装完系统第一件事就是安装一个可以使用的汉语输入法了，查了一下目前中国比...]]></description><category></category></item><item><title><![CDATA[读取文件]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/85228657</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/85228657</guid><author>pj_find</author><pubDate>Mon, 24 Dec 2018 09:25:04 +0800</pubDate><description><![CDATA[1.中间只有空格

例如下面的数据是数据集的一部分数据

1305031910.765238 rgb/1305031910.765238.png 1305031910.771502 depth/1305031910.771502.png
1305031910.797230 rgb/1305031910.797230.png 1305031910.803249 depth/1305031910.80...]]></description><category></category></item><item><title><![CDATA[相似变换 SIM3]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/83550116</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/83550116</guid><author>pj_find</author><pubDate>Tue, 30 Oct 2018 23:25:43 +0800</pubDate><description><![CDATA[参考文献：Closed-form solution of absolute orientation using unit quaternions

1，求解步骤

会将当前关键帧地图点和闭环关键帧地图点进行Bow匹配，匹配上的两组3D点集之间可以用RANSAS求解Sim3变换，从而获得当前关键帧相对于闭环关键帧的Sim3，然后传播到相连关键者，并调整地图点，从而完成闭环调整。
        两张...]]></description><category></category></item><item><title><![CDATA[DBOW3 Score（）函数深入理解]]></title><link>https://blog.youkuaiyun.com/pj_find/article/details/83514086</link><guid>https://blog.youkuaiyun.com/pj_find/article/details/83514086</guid><author>pj_find</author><pubDate>Mon, 29 Oct 2018 23:04:58 +0800</pubDate><description><![CDATA[BoW基本简介

Bag of words模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。

1、词典生成流程

在目前流行的SLAM过程中，但凡用了回环检测的，基本上都使用了BoW，包括号称鲁棒与效果兼备的ORB_SLAM；使用词袋模型分为两个步骤，产生一个词典，然后利用这个词典，...]]></description><category></category></item></channel></rss>