qq_33690342的博客

原创 PA-MPJPE、G-MPJPE 和 Per-metre drift 三个指标

在消除平移、旋转和缩放影响后，计算预测姿态与真实姿态之间各关节点的平均欧氏距离误差。在全局坐标系下（未经对齐），直接计算预测姿态与真实姿态各关节点的平均欧氏距离误差。在连续运动过程中，系统每移动1米，累积的位置误差增长量（通常以米/米或百分比表示）。

原创 逆向运动学（IK）与正向运动学（FK）详解

FK & IK

原创 单目摄像头的相机参数估计中translation 和相机深度是什么关系

单目摄像头的相机参数估计中translation 和相机深度关系

原创 P_all: 投影矩阵（Projection Matrix）

每个摄像头的投影矩阵 PiPi​ 是一个 3×43×4 的矩阵，用于将世界坐标系中的 3D 点 X=[X,Y,Z,1]TX=[X,Y,Z,1]T 投影到该摄像头的 2D 图像平面上的点 u=[u,v,1]Tu=[u,v,1]T。通过构造超定方程组 AX=0AX=0，利用所有摄像头的投影矩阵 PiPi​ 和对应的 2D 点 (ui,vi)(ui​,vi​)，求解 3D 点 XX。X=[X,Y,Z,1]TX=[X,Y,Z,1]T 是世界坐标系中的齐次 3D 坐标。是所有摄像头的投影矩阵的集合。

原创 复现SMPLify-X: Ubuntu22.04, Cuda-11.3, GPU=3090Ti

3090Ti CUDA 最低支持版本需要>=cuda-11.1 Ubuntu 22.04。

原创 .pkl文件的反序列化

【代码】.pkl文件的反序列化。

原创 SMPL 、 SMPL-X、SMPLify-X、SMPLer-X三维人体模型

特性SMPLSMPL-XSMPLify-XSMPLer-X功能类型人体模型综合的人体、面部和手部模型2D 到 3D 关键点重建扩展的 2D 到 3D 重建框架参数类型形状和姿态参数多种参数（包括手和面）优化参数（基于 2D 关键点）适应多模态数据的优化参数应用领域运动捕捉、动画制作游戏、电影等多媒体应用计算机视觉中的 3D 重建更复杂的数据重建包括大规模应用研究时间2015201920202021复杂性基本中等高更高。

原创 Openpose

OpenPose基于Part Affinity Fields（PAFs，部件亲和场）的概念，这是一种非参数化的表示方法，用于学习图像中个体的身体部位之间的关联。是否在某个肢体（limb）上的方法主要依赖于部件亲和场（Part Affinity Fields，简称PAFs）。OpenPose是一个开源库，可以用于身体、脚、手和面部关键点的实时检测，广泛应用于需要2D人体姿态估计的计算机视觉和机器学习应用。采用多阶段CNN架构，每个阶段都会迭代预测PAFs和置信度图，并通过中间监督来细化预测结果。

原创 DWPose & RTMPose

RTMPose 基于 MMPose，旨在解决工业界中对轻量级、高速度和高精度姿态估计的需求。

原创 SimCC

SimCC（Simple Coordinate Classification）的核心思想是将人体关键点的位置估计问题分解为两个独立的分类问题：一个是水平坐标（x坐标）的分类，另一个是垂直坐标（y坐标）的分类。

原创 mmpose 安装及使用pretrained model 运行inferencer_demo.py Running RTMPose,ViTPose,YoloPose模型

mmpose 安装运行human pose estimation 模型ViTPose，RTMPose, Yolopose

原创 Alphapose 安装 CUDA11.3+pytorch1.11.0+torchvision0.12.0+torchaudio0.11.0+gcc8.4.0+setuptools57.5.0

2. Install PyTorch (除了下述torch相关的包用conda 安装，剩余跟Python相关的包要用pip 安装，因为有些软件如果跟Python的版本不兼容的话，在安装其他包时，会修改Python和torch的版本，我曾用conda install numpy，结果conda自动安装了其他版本的Python和torch)setuptools的版本也要注意！其余的我基本上都是按照上面的那篇博客安装的。如果编译的时候遇到什么罕见的乱七八糟的问题，基本上都是软件版本并不兼容导致的。

原创 Openpose install: Ubuntu20.04, RTX A4000 16G, CUDA11.7.1,CuDNN8.5.0,OpenCV3.4.5

原创 视觉里程计学习笔记

从E分解到R, t的过程中，如果相机发生纯旋转，导致t为0，那么，得到的E也将为0，这将导致无法求解R。可以依靠H（单应矩阵）求取旋转，但仅有旋转时，无法用三角测量估计特征点的空间位置。3D-2D方法不需要使用对极约束，又可以在很少的匹配点中获得较好的运动估计，是一种最重要的姿态估计方法。PnP使求解3D到2D点对运动的方法。特征点的3D位置可以由三角化或者RGB-D相机的深度图确定。根据已经求出的本质矩阵E，恢复出相机的运动R,t. 可通过奇异值（SVD）分解得到。一组为3D，一组为2D。

原创 Segment Anything论文阅读笔记

Segment Anything (SA) project: a new task, model, and dataset for image segmentation.we built the largest segmentation dataset to date (by far), with over 1 billion masks on 11M licensed and privacy respecting images. The model is designed and trained to b

原创 AirVO环境搭建ubuntu20.04.5

AirVO 环境搭建

原创 EDPLVO:Efficient Direct Point-Line Visual Odometry note

This paper extends the photometric error for lines. we proved that the 3D points of the points on a 3D line are determined by the inverse depths of the endpoints of the 2D line, and derive a closed-form solution for this problem. This property can signi

原创 视觉slam线匹配算法

线特征广泛存在于人为环境中，可以提供额外的约束。视觉SLAM中线特征的挑战是先特征的匹配问题。LSD是一种局部提取直线的算法，速度比Hough要快。LSD是一种直线检测分割算法，它能在线性的时间内得出亚像素级精度的检测结果。该算法被设计成自适应模式，无需手动调参。opencv使用头文件及命令空间。

原创 AirVO: An Illumination-Robust Point-Line Visual Odometry 论文笔记及源码阅读

AirVO, 一个基于点、线特征具有光照鲁棒性行且精确的双目视觉里程计系统。为了实现对于光照变化的鲁棒性，我们引入了基于学习的特征提取和匹配方法，并设计了一个新颖的视觉里程计管道：包括特征跟踪、三角测量、关键帧选择和图形优化等。我们还采用了环境中的长线特征来提高系统的准确性。我们提出了一个光照鲁棒性的线追踪方法，其中点特征追踪、点分布和线特征被用来实现线的匹配。

原创 SLAM学习笔记(二)

相机将三维世界中的坐标点（单位米）映射到二维图像平面（单位为像素）的过程中能够用一个几何模型进行描述。

原创 SLAM学习笔记(一)

度量地图（Metric Map）：强调精确地表示地图中物体的位置关系，通常用稀疏（Sparse）与稠密（Dense）对其分类。定位时使用稀疏地图，导航使用稠密地图。

原创 Go 语言内存分配学习笔记

Go语言运行时依靠细微的对象分割、极致的多级缓存、精准的位图管理实现了对内存的精细化管理。Go语言将内存分成了67个级别的span，其中，0级代表特殊的大对象，其大小是不固定的。当具体的对象需要分配内存时，并不是直接分配span，而是分配不同级别的span中的元素。span的级别是以span中元素大小为依据。三级管理结构：mcache、mcentral、mheap。Go采用TCMalloc的内存分配算法的思想，每个逻辑处理器P都有一个存储了本地span缓存，，乘坐mcache.协程需要i内存直接在mcach

原创 MQTT：Massage Queue Telemetry Transport消息队列遥测传输

MQTT是一个客户端服务端（C/S）架构的发布/订阅模式的消息传输协议。它的设计思想是轻巧、开放、简单、规范，因此易于实现。适用场景：包括受限的环境如机器与机器的通信（M2M）以及物联网环境（IoT），这些场景要求很小的代码封装或者网络带宽非常昂贵。本协议运行在TCP/IP，或其它提供了有序、可靠、双向连接的网络连接上。...............

原创 RocketMQ分布式消息队列笔记

一、基本概念一般消息的体量不会太大。MQ的用途三种：解耦异步、限流削峰、数据收集限

原创 kubeedge设备添加以及mapper管理

kubeedge架构：包括云端和边端两部分 。

原创 ssh 免IP密码/密钥登陆远程服务器设置

vim ~/.ssh/config按下面格式将IP添加到文件中。terminal 终端直接输入 ssh hw1即可登陆至服务器

原创 计算机网络笔记

网络架构是指计算机网络的各层及其协议的集合。网络互联模型：OSI/RM 构造了由下到上的七层模型，分别是物理层、数据链路层、网络层、传输层、会话层、表示层和应用层。（1）物理层。物理层的主要功能是透明地完成相邻节点之间原始比特流的传输。（2）数据链路层。数据链路层负责在两个相邻节点之间的线路上无差错地传送以帧为单位的数据，通过流量控制和差错控制，将原始不可靠的物理层连接变成无差错的数据通道，并解决多用户竞争问题，使之对网络层显现一条可靠的链路。（3）网络层。网络层是通信子网的最高层

原创 kubeedge: keadm 源码学习

一、keadm beta init provides a solution for integrating Cloudcore Helm Chart.func NewInitBeta() *cobra.Command {1、checkFlags 2、AddInitBeta2ToolsList 3、ExecuteInitBeta }func NewInitBeta() *cobra.Command { BetaInit := newInitBetaOptions() tools :

原创 kubbedge: Enable kubectl logs Feature

#Enable kubectl logs FeaturefunEnableLogs(){ echo "master node ip: $1" read masterNodeIp if [ -f "/etc/kubernetes/pki/ca.crt" ] && [ -f "/etc/kubernetes/pki/ca.key" ];then echo "Both ca.crt and ca.key are exist." export C.

原创 helm下载及使用

helm 官网文档：多种语言可以切换，建议参考官方文档。本文仅作为自身需要总结，不够全面。Helm | Docs我是使用脚本直接安装的。$ curl -fsSL -o get_helm.sh https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3$ chmod 700 get_helm.sh$ ./get_helm.sh三大概念Chart 代表着 Helm 包。它包含在 Kubernetes 集群内部.

原创 linux 常用terminal命令总结

1、当前目录下 查找"hello,world!"字符串grep -rn "hello,world!" ././ : 表示路径为当前目录. -r 是递归查找 ； -n 是显示行号 ； 如果加上-i, 则为忽略大小写。2、sed命令格式1：sed 's/原字符串/新字符串/' 文件命令格式2：sed 's/原字符串/新字符串/g' 文件没有“g”表示只替换第一个匹配到的字符串，有“g”表示替换所有能匹配到的字符串，“g”可以认为是“global”（全局的）的缩写。3、将.........

原创 kubeedge: add labels to node

Inspect all nodes labels:kubectl get node --show-labelsadd label to one node:kubectl label node ru-local nodeServerProducer=huaweiInspect one node's labels :kubectl get node ru-local --show-labels

原创 在nvidia AGX 边缘服务器安装kubeEdge

1、设置root密码：sudo passwd root2、安装必要工具sudo apt-get update sudo apt-get upgradesudo apt-get install net-tools make vim openssh-server docker.io3、打开ssh root登陆sudo vim /etc/ssh/sshd_config参数PermitRootLogin 值设为yes4、安装snap包管理, 通过snap安装kubernetes

原创 kubeedge源码分析

kubeedge的核心理念：支持CRI集成Containerd、CRI-O,优化runtime资源消耗。

原创 HKUST-Aerial-Robotics/VINS-Mono 测试过程中遇到的问题

详细错误信息：The following signatures were invalid: EXPKEYSIG F42ED6FBAB17C654 Open Robotics <info@osrfoundation.org>W: Failed to fetch http://packages.ros.org/ros/ubuntu/dists/bionic/InRelease The following signatures were invalid: EXPKEYSIG F42ED6FBA.

原创 连接到VM虚拟机的NVIDIA 边缘服务器apt-get更新源失败

IPtables没有设置IP　FORWARDING解决办法：iptables -A FORWARD -s 192.168.55.0/24 -o ｅｎｓ３3 -j ACCEPTiptables -A FORWARD -d 192.168.55.0/24 -i ｅｎｓ３3 　-m state --state RELATED,ESTABLISHED -j ACCEPTiptables -A POSTROUTING -s 192.168.55.0/24 -o ｅｎｓ３3 -j MASQUERADEi

原创 力扣93:复原IP地址(golang)-字节跳动算法题

93. 复原 IP 地址 - 力扣（LeetCode） (leetcode-cn.com)有效 IP 地址 正好由四个整数（每个整数位于 0 到 255 之间组成，且不能含有前导 0），整数之间用 '.' 分隔。例如："0.1.2.201" 和 "192.168.1.1" 是 有效 IP 地址，但是 "0.011.255.245"、"192.168.1.312" 和 "192.168@1.1" 是 无效 IP 地址。给定一个只包含数字的字符串 s ，用以表示一个 IP 地址，返回所有可能的有效 I

原创 二叉树类高频算法题golang实现

1、二叉树的先序遍历、中序遍历、后序遍历先序遍历：根节点-->左子树--->右子树type TreeNode struct{ Value int Left,Right *TreeNode}func (node *TreeNode) traverse(){ if node ==nil{ return } fmt.Print(node.Value+" ") node.Left.traverse() node.Right.traverse()}中序遍

原创 链表类算法题

1、反转链表leetcode 206：// ListNode Definition for singly-linked list.type ListNode struct { Val int Next *ListNode}func reverseList(head *ListNode) *ListNode { if head == nil || head.Next == nil { return head } var prev *Li

原创 招商银行开发岗算法题golang实现

1、给出一个非空的字符串，判断这个字符串是否是由它的一个子串进行多次首尾拼接构成的。例如，"abcabcabc"满足条件，因为它是由"abc"首尾拼接而成的，而"abcab"则不满足条件。思路：分为若干份，从2等分开始, 子串的最大长度为字符串的1/2，把相同的子串用空字符串替换，若替换后的字符串为空，则该字符串满足：是由子串首位拼接而成的条件。func subString(s string) (flag bool) { flag = true for i := 1; i < len(s