- 博客(136)
- 收藏
- 关注
RSS订阅转载 最大似然估计MLE与贝叶斯估计
最大似然估计(Maximum Likehood Estimation MLE)最大似然估计的核心思想是：找到参数θθ的一个估计值，使得当前样本出现的可能性最大。用当年博主老板的一句话来说就是：谁大像谁！假设有一组独立同分布(i.i.d)的随机变量XX，给定一个概率分布DD，假设其概率密度函数为ff，以及一个分布的参数θθ，从这组样本中抽出x1,x2,⋯,xnx1,x2,⋯,xn，那么通过参...
2019-05-06 11:08:39
778
转载 opencv中类型转换问题
记录一下最近困惑我的问题~方便以后查阅在学习立体匹配算法中BM算法时，出现在了关于类型转换的问题 ：disp.convertTo(disp8u, CV_8U, 255 / (numberOfDisparities*16.))不知道为什么做此转换，经过资料的查阅，终于解惑啦！在opencv中，如果是float形式，如果用imshow函数显示，只会显示像素值在0.0-1.0之间的，如果像素值大于...
2019-04-16 20:12:41
698
转载 senmantic slam mapping
basicStructure.hppcommon.h 定义一些常用的结构体 * 以及各种可能用到的头文件，放在一起方便include// 相机内参模型// 增加了畸变参数，common_headers.h各种可能用到的头文件，放在一起方便includeconverter.h转换cv，eigen和g2o中的常见类型feature.hlooper.h基于dbow2的闭环检测器;...
2019-02-28 15:36:12
463
原创 No rule to make target '/usr/lib/x86_64-linux-gnu/libproj.so 解决方法
sudo ln -s /usr/lib/x86_64-linux-gnu/libproj.so.9 /usr/lib/x86_64-linux-gnu/libproj.so
2019-02-28 09:43:07
1138
原创 Ubuntu 16.04 安装 g2o 问题汇总
问题1：报错信息：/home/robot/g2o/g2o/types/slam2d/edge_se2_pointxy_bearing.cpp: In member function ‘virtual void g2o::EdgeSE2PointXYBearing::initialEstimate(const VertexSet&, g2o::OptimizableGraph::Ver...
2019-02-26 17:40:45
1187
原创 安装caffe找不到/usr.bin/ld hdf5_hl
如果编译caffe时提示找不到libhdf5.so , 错误提示为：/usr/bin/ld: cannot find -lhdf5使用命令sudo find / -name libhdf5.so ， 我找到的路径为：/usr/lib/x86_64-linux-gnu/hdf5/serial/libhdf5.so , 此时要修改Makefile.config中的项“LIBRARY_DIRS”为：...
2019-02-26 17:05:15
879
原创 set OpenCV_FOUND to FALSE so package "OpenCV" is considered to be NOT FOUND.
CmakeLists.txt这样写的话！cmake_minimum_required(VERSION 2.8) project( Display ) find_package( OpenCV REQUIRED ) include_directories( ${OpenCV_INCLUDE_DIRS} )add_executable( Display Display.cpp ) ...
2019-02-26 17:03:15
2114
原创 -lopencv_dep_cudart
修改源目录的 CmakeList.txt 文件到别的目录，然后编译，会报 cannot find -lopencv_dep_cudart 错误尝试 在 CmakeLiest.txt 中加入选项 set(CUDA_USE_STATIC_CUDA_RUNTIME OFF) ，编译之后任然报此错误在网上借鉴 http://blog.youkuaiyun.com/xbcreal/article/deta...
2019-02-26 17:02:35
280
转载 orbslam2 + opencv2 中的bug
/usr/bin/ld: CMakeFiles/stereo_euroc.dir/Examples/Stereo/stereo_euroc.cc.o: undefined reference to symbol '_ZN2cv11FileStorageC1ERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEEiS8_'/usr/local/...
2018-12-18 16:59:25
1299
转载 opencv2和opencv3多版本共存
首先，由于本人使用了ROS，因此在安装ROS的时候安装了ros-indigo-destop-full顺便安装了版本2.4.8的opencv，因为ROS里面的一些文件需要依赖于该版本的opencv，例如cv_bridge和image_pipeline。所以卸掉opencv2.4.8再装opencv3.3（因为有些代码需要用到opencv3）貌似不明智。故我们在原有的opencv2.4.8的版本基础上...
2018-12-18 16:58:26
3008
转载 ubuntu改变权限
很多时候，从移动存储设备 复制文件/文件夹到Ubuntu的时候，都会出现被复制的文件/文件夹变成一片绿色 - - ，那时因为被复制的文件和文件夹被修改了权限为777，所以应当将其修改为775，一个一个修改非常麻烦，尤其是文件夹下有文件，更甚还有子文件夹，子子孙孙无穷尽，修改太为麻烦。使用递归的方式修改文件夹下子文件和子文件夹的权限，比如你想修改scitools/文件夹及其子文件夹/文件的权限，...
2018-12-05 10:45:05
846
转载 0% [Connecting to archive.ubuntu.com (2001:67c:1360:8001::21)] [Connecting to s
root@caoruidong:~# apt-get update0% [Connecting to archive.ubuntu.com (2001:67c:1360:8001::21)] [Connecting to s有时候ubuntu不走ipv6,解决方案：sudo nano /etc/gai.conf 1去掉##precedence ::ffff:0:0/9...
2018-12-04 10:49:21
2646
1
原创 ElasticFusion 错误
/usr/bin/ld: CMakeFiles/ElasticFusion.dir/Tools/RawLogReader.cpp.o: undefined reference to symbol 'jpeg_resync_to_restart@@LIBJPEG_8.0'//usr/lib/x86_64-linux-gnu/libjpeg.so.8: error adding symbols: D...
2018-12-03 18:04:45
1105
2
原创 Ubuntu16.04_ROS_kinetic下如何使用OpenCV2.4
$ cd /opt/ros/kinetic/share/cv_bridge/cmake/$ sudo gedit cv_bridgeConfig.cmake if(NOT "include;/usr/local/opencv2.4.10/include/opencv;include;/usr/local/opencv2.4.10/include/opencv2 " STREQUAL " ...
2018-11-28 10:15:19
776
原创 vi- mean:nvcc fatal : redefinition of argument 'std'
（ set (CUDA_NVCC_FLAGS "${CUDA_NVCC_FLAGS} ...................................................... ）从CMakeList.txt中删了就好了。
2018-11-28 10:13:17
1856
原创 No rule to make target '/usr/lib/x86_64-linux-gnu/lib...... .so
搜索lib。。。 .so文件路径apt-file search lib。。。 .so一般在/usr/lib或者/usr/local/lib中找到so文件把它链接到/usr/lib/x86_64-linux-gnu/lib。。。。.so即可sudo ln -s /usr/lib/lib。。。.so /usr/lib/x86_64-linux-gnu/lib。。。.so如果已经存在...
2018-11-20 20:28:33
6337
转载 在高博视觉slam十四讲中的第6讲中实践g2o中出现了编译错误。
在高博视觉slam十四讲中的第6讲中实践g2o中出现了编译错误。/home/ze/am/slambook-master/ch6/g2o_curve_fitting/main.cpp:77:49: error: no matching function for call to ‘g2o::BlockSolver<g2o::BlockSolverTraits<3, 1> >...
2018-11-20 10:16:17
1154
转载 ubuntu mac主题
1. 安装unity-tweak-tool美化工具 sudo apt-get install unity-tweak-tool //安装unity-tweak-tool2. 安装mac主题、图标、指针 sudo add-apt-repository ppa:noobslab/macbuntu sudo apt-get update sudo apt-get ...
2018-11-19 09:53:52
1251
原创 距离变换
距离变换的基本意思就是计算一个图像中非零像素点到最近的零像素点的距离，也就是到所有零像素点的最短距离。建立距离变换图像可以方便提取骨骼...
2018-09-28 21:14:51
345
转载 EM 算法
EM 算法是 Dempster,Laind,Rubin 于 1977 年提出的求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行 MLE 估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据，截尾数据，带有噪声等所谓的不完全数据 [1] 。可以有一些比较形象的比喻说法把这个算法讲清楚。比如说食堂的大师傅炒了一份菜，要等分成两份给两个人吃，显然没有必要拿来天平一...
2018-09-24 20:02:09
434
转载 简述坐标下降法
一 综述坐标下降法属于一种非梯度优化的方法，它在每步迭代中沿一个坐标的方向进行搜索，通过循环使用不同的坐标方法来达到目标函数的局部极小值。二 算法过程假设目标函数是求解f(x)f(x)的极小值，其中x=(x1,x2,…,xn)x=(x1,x2,…,xn)是一个n维的向量，我们从初始点x0x0开始(x0x0是我们猜想的一个初值)对k进行循环： 相当于每次迭代都只是更新x的一个...
2018-09-24 19:30:40
988
转载 logistic回归概率详解
logistic回归概率详解上一篇我们介绍了线性代数的基本知识，并以PCA作为案例进行了讲解。在本篇中，我们依然按照相同的思路进行开展：首先复习一下概率的相关知识，最后以对率回归（对数几率回归）为案例进行讲解。1. 概率论AI圣经《deep learning》一书把线性代数、概率与信息论和数值计算三部分作为机器学习中基础的数学知识进行单独设置章节来讲解，可见这几部分对机器学习乃至深...
2018-09-15 16:28:31
22063
转载 语义分割中的深度学习方法全解：从FCN、SegNet到各版本DeepLab
图像语义分割就是机器自动从图像中分割出对象区域，并识别其中的内容。量子位今天推荐的这篇文章，回顾了深度学习在图像语义分割中的发展历程。发布这篇文章的Qure.ai，是一家用深度学习来读取医学影像的公司，他们在官方博客上梳理了语义分割中的深度学习方法。他们希望通过这份介绍，能让大家了解这个已经在自然图像处理比较成熟、但是在医学图像中仍需发展的新兴技术。作者Sasank Chila...
2018-09-15 13:39:31
1308
转载 EM算法（Expectation Maximization Algorithm）详解
EM算法（Expectation Maximization Algorithm）详解主要内容 EM算法简介 预备知识 极大似然估计 Jensen不等式 EM算法详解 问题描述 EM算法推导 EM算法流程 EM算法优缺点以及应用 1、EM算法简介 EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，其中一个为期望步...
2018-09-13 13:24:29
876
转载 当前语义分割帮助视觉SLAM提高定位准确度，建立语义地图的研究现状如何？
作者：Cedrus链接：https://www.zhihu.com/question/264578623/answer/284074071来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 最简单的方式，就是跑一个pixel-wise的图像语义分割，再跑一个dense或者semi-dense的SLAM，把前者的结果map到后者的地图上去，每个像素（或者sur...
2018-09-12 21:34:19
7852
1
转载 SLAM刚刚开始的未来之“工程细节”
作者简介：张哲，PerceptIn联合创始人，纽约州立大学机器人方向博士。研发方向为地图重建、位置跟踪、机器人自主避障导航、设备端和云端的算法优化。2009-2014年在微软，2014-2016年初在Magic Leap工作。 责编：何永灿（heyc@youkuaiyun.com） 本文来源于《程序员》，未经允许不得转载。SLAM最近三年随着算法不断成熟、硬件不断增强、应用场景逐渐丰富，在学术界和工...
2018-09-12 21:30:37
323
转载 CRF as RNN
目标本文的目标是 Pixel-level labelling 。一张N个像素的图片，像素标号{1,2,⋯,N}{1,2,⋯,N}， 标签集合L={l1,l2,⋯,lL}L={l1,l2,⋯,lL}， 我们的目标是，给每个像素分配一个其所属的标签。2. 思路在2012年之前，CRF是这个领域最先进的技术。 2012年之后，深度学习在图像识别中取得了很大成...
2018-09-12 19:07:13
3242
转载 图像语义分割之FCN和CRF
介绍图像语义分割，简单而言就是给定一张图片，对图片上的每一个像素点分类从图像上来看，就是我们需要将实际的场景图分割成下面的分割图：不同颜色代表不同类别。经过我阅读“大量”论文（羞涩）和查看Pascal VOC 2012 Learderboard，我发现图像语义分割从深度学习引入这个任务（FCN）到现在而言，一个通用的框架已经大概确定了。即：原图FCNCRF/MRF分割图...
2018-09-09 19:11:40
408
转载 贝叶斯滤波器
贝叶斯滤波器定义状态估计p(x | z, u) ,即又此时的observations和之前的控制命令，估计现在的状态。递归贝叶斯滤波器 首先定义：bel(…)代表贝叶斯模型 由此得到了上一时刻位置的贝叶斯模型。贝叶斯滤波器分为两步： 第一步很好理解，预测过程，即如何通过上一时刻位置的贝叶斯模型计算此刻的贝叶斯模型。 第二步，是校正过程，即又此刻的位置估计obs...
2018-09-08 15:44:38
471
转载 详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解
声明：本文为原创文章，发表于nebulaf91的csdn博客。欢迎转载，但请务必保留本信息，注明文章出处。 本文作者: nebulaf91 本文原始地址：http://blog.youkuaiyun.com/u011508640/article/details/72815981似然函数在推断统计学（Statistical inference）中扮演重要角色，尤其是在参数估计方法中。在教科书中，似然常常...
2018-09-07 20:18:21
3531
原创 TSDF算法
基于Kinect的三维场景实时重建及相关技术研究_马银中基于Kinect的三维重建与动作交互技术研究_杜海洋基于Kinect的室内场景实时三维重建_丹熙方、 MAX weight为128 纹理映射...
2018-09-04 15:51:28
17112
2
转载 立体匹配---立体匹配过程
立体匹配就4个步骤：匹配代价计算，代价聚合，计算视差，视差精化。匹配代价计算: 一般是通过计算左右两图对应像素3个通道的灰度值差来决定匹配代价的，常用的就是基于像素点匹配代价计算，一般有AD， SD，TAD什么的，基于区域的匹配代价计算一般有SAD，SSD， STAD之类的。匹配代价计算会生成一个disparity space image，也就是DSI。这个DSI是一个三维的空间，也就是每一个...
2018-09-03 14:28:59
1150
转载 OKVIS论文翻译：Keyframe-Based Visual-Inertial SLAM Using Nonlinear Optimization
论文翻译下载链接（带图）：http://download.youkuaiyun.com/detail/u014679795/9762881论文原文：http://download.youkuaiyun.com/detail/u014679795/9762879 Keyframe-BasedVisual-Inertial SLAM Using Nonlinear Optimization 摘要 - 视觉...
2018-08-30 19:49:43
1883
转载 Mahalanobis距离
Mahalanobis距离是用来度量一个点P和一个分布D之间的距离，它是衡量点P与分布D的均值之间存在多少个标准差的一个多维泛化版本。如果P就位于分布D的均值处，则该距离为0；该距离随着P的偏离均值开始逐步增大。 由印度统计学家马哈拉诺比斯（P. C. Mahalanobis）提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到...
2018-08-30 15:32:28
1294
转载 视觉惯性里程计 VIO
视觉惯性里程计 VIO - Visual Inertial Odometry 视觉−惯性导航融合SLAM方案视觉惯性SLAM专栏VINS技术路线与代码详解VINS理论与代码详解0——理论基础白话篇vio_data_simulation VIO数据测试仿真视觉惯性单目SLAM知识 IO和之前的几种SLAM最大的不同在于两点： 首先，VIO在硬件上需要传感器的融...
2018-08-29 21:11:55
7149
转载 经典算法Semi-Global Matching（SGM）之碉堡的动态规划~
上一篇博客中提到了SGM的第一部分，基于分层互信息（HMI）的代价计算，本文继续说说自己对SGM代价聚合部分的理解。(转载请注明：http://blog.youkuaiyun.com/wsj998689aa/article/details/50488249, 作者：迷雾forest) SGM的代价聚合，其实仔细看看，这并不是严格意义上的代价聚合，因为SGM是为了优化一个能量函数，这和一般的全局算法...
2018-08-27 16:38:45
896
转载 经典算法Semi-Global Matching（SGM）之神奇的HMI代价计算
SGM算法源于《Stereo Processing by Semi-Global Matching and Mutual Information》一文，我认为这篇文章是立体匹配算法中最给力的，放眼KITTI，可以发现目前排名前五十的算法几乎一半都是对SGM的改进，具有最强的实用价值。SGM中文名称“半全局匹配”，顾名思义，其介于局部算法和全局算法之间，所谓半全局指的是算法既没有只考虑像素的局部区域...
2018-08-27 16:37:57
2226
1
转载 神经网络的传播
上一篇文章构建了一个简单的网络，可以看出来它对于手写数字的识别率还是可以高达91%。但我们尚未对神经网络处理的过程做出太多解释。 数据在网络中的传播有两种方式。一种是沿着输入到输出的路径，被称为前向传播。一种是从输出返回到输入，被成为反向传播(backprop)。 train_step = tf.train.GradientDescentOptimizer(0.2).mi...
2018-08-23 21:34:47
352
转载 双线性插值
数字图像处理中的双线性插值 01-图像插值概述 图像插值是一种基本的图像处理方法，它可以为数字图像增加或减少像素的数目。当图像被放大时，像素会相应地增加，该像素增加的过程实际就是插值程序自动选择信息较好的像素作为新的像素以弥补空白像素空间的过程。虽然经过插值后图像可以变得更平滑、干净，但由于新增加的像素也仅仅只是原始像素的某种组合而已，所以图像的插值运算并不会增加新的图像信息。...
2018-08-23 20:45:55
454
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