- 博客(42)
- 收藏
- 关注
RSS订阅原创 二叉树的递归与非递归遍历
前中后序遍历顺序如下：前序遍历（中左右）：5 4 1 2 6 7 8中序遍历（左中右）：1 4 2 5 7 6 8后序遍历（左右中）：1 2 4 7 8 6 5
2022-06-28 21:54:25
236
原创 xavier装机
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档xavier装机准备工作一、下载安装NVIDIA SDK二、开始刷机step1、选择相应的版本setp2、资源选择，下载setp3、烧录系统和sdksetp4、配置xavier和换源setp5、安装系统需要环境三、可能遇到的问题1、internet connection 报错2、Multimedia API - target: First Error: APT system is broken and requires manual fi.
2022-05-26 16:16:09
1144
原创 力扣刷题 203、移除链表元素
今天看了数据结构中的递归，一般链表的题都可以用到递归来实现。所以这道题用递归的方法来试试：# Definition for singly-linked list.# class ListNode:# def __init__(self, val=0, next=None):# self.val = val# self.next = nextclass Solution: def removeElements(self, head: ListNo.
2022-05-19 22:24:31
239
原创 力扣刷题 21、合并两个有序链表
# Definition for singly-linked list.# class ListNode:# def __init__(self, val=0, next=None):# self.val = val# self.next = nextclass Solution: def mergeTwoLists(self, list1: Optional[ListNode], list2: Optional[ListNode]) -> .
2022-05-17 22:02:10
167
原创 力扣刷题 19、删除链表的倒数第N个节点
给你一个链表，删除链表的倒数第 n 个结点，并且返回链表的头结点。# Definition for singly-linked list.# class ListNode:# def __init__(self, val=0, next=None):# self.val = val# self.next = nextclass Solution: def removeNthFromEnd(self, head: ListNode, n: int)
2022-05-17 21:33:45
260
原创 力扣刷题 2、两数相加
给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。请你将两个数相加，并以相同形式返回一个表示和的链表。你可以假设除了数字 0 之外，这两个数都不会以 0 开头。# Definition for singly-linked list.# class ListNode:# def __init__(self, val=0, next=None):# self.val = val# sel
2022-05-17 20:53:28
114
原创 RNN、LSTM、GRU理解
一、RNN（循环神经网络）1.1 RNN与全连接神经网络的区别RNN比全连接神经网络多了参数h0，因此RNN的神经元公式比全连接神经网络的神经元多一项。训练过程与全连接神经网络并无区别：梯度下降原则此时输出层的神经元公式为：整一个RNN结构共享1组（u,w,b），这是RNN结构最重要的特性，且每一个隐藏层神经元h的计算公式是由当前输入x与上一个隐藏层神经元的输出组成。1.2 RNN循环神经网络的优势输入可以是多个且有序的，它可以模仿人类阅读的顺序去读取文本或者背的序列化数据，且通过隐藏层神
2021-06-28 16:53:57
1040
原创 卷积神经网络再理解
之前因为看过好几次卷积神经网络的视频，最近看了用pytorch搭建一个卷积神经网络的视频，又有了新的理解，所以将之前的知识点也捋一边一、全连接神经网络的缺点随着网络层数的增加，偏导连乘也就越多二、CNN卷积神经网络原理2.1输入层2.2卷积层2.3池化层2.4输出层三、卷积神经网络的超参数设置...
2021-06-28 11:58:50
299
原创 ubuntu 18.04下的ros安装
一、配置Ubuntu仓库，/etc/apt/source.list，打开Ubuntu 软件-> 软件& 更新（左上角）.前四个打钩，然后关闭，会更新软件源二、配置ROS安装资源,打开终端。输入下述指令：sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'这里顺便提一下关于终端的快捷打
2021-06-17 21:08:24
606
原创 windows10下安装Ubuntu18.04以及相关软件配置
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-06-11 18:21:14
293
1
原创 论文阅读笔记——Hierarchical Surface Prediction for 3D Object Reconstruction
摘要：近年来，卷积神经网络在三维几何预测方面取得了良好的结果。他们可以从很少的输入数据中进行预测，比如单个彩色图像。这种方法的一个主要限制是，它们只预测一个粗分辨率的体素网格，它不能很好地捕捉到物体的表面。我们提出了一个通用的框架，称为层次表面预测(HSP)，它促进了高分辨率体素网格的预测。主要的优点是，预测表面周围的高分辨率体素就足够了。对象的外部和内部可以用粗分辨率的体素来表示。我们的方法并不依赖于一个特定的输入类型（ RGB图、深度图、部分的体素网格）。我们展示了几何预测的结果，从颜色图像，深度图像
2021-04-21 20:56:44
601
原创 3D-R2N2环境配置
上周在B站上找了一个深度学习环境的配置，就满心欢喜的去按着教程配置Ubuntu的环境，一个星期不是这出错就是那出错，走进了一个误区，跟学了很久深度学习的实验室的小伙伴交流了之后，他们是复现别人的代码是用conda创建虚拟环境，在虚拟环境中安装相应的环境，既方便又快捷。还有种环境的时候学到了很多隐藏的技能。接下来一一记录一下。一、cuda的安装安装这个的目的就是这玩意自带BUFF加成，也就是自带NVIDIA的驱动。先把这个大哥装上就不用管驱动的事了。话不多说，先把官网祭上https://develope
2021-03-24 21:30:03
1131
原创 3D-R2N2论文阅读笔记
摘要：在利用形状先验来实现鲁棒三维重建的方法的最近成功的启发下，我们提出了一种新颖的循环神经网络体系结构，我们称之为三维递归重建神经网络(3D-R2N2)。 该网络从大量合成数据中学习从对象图像到其底层三维形状的映射。 我们的网络从任意视点接收一个或多个对象实例的图像，并以三维占用网格的形式输出对象的重建。 与以前的大多数作品不同，我们的网络不需要任何图像注释或对象类标签来进行培训或测试。我们广泛的实验分析表明，我们的重建框架(I)优于目前最先进的单视图重建方法。(Ii)能够在传统的SFM/SLAM
2021-03-18 11:33:30
1929
原创 深度学习环境的配置
深度学习环境搭建：主要看视频中的安装步骤https://b23.tv/qp7Gic我的配置是：GTX 1050 :最后用到的是anaconda3-5.3.1-python3.7+cuda10.0.130.411.31+cudnn+TensorFlow2.0.0+pycharm1、anaconda安装1)下载链接下载https://www.anaconda.com/products/individual官网现在是python3.8才开始我是安装的官网上的，但是后面装TensorFlow时装上
2021-01-12 21:04:45
1284
原创 unity 3D基础概念
一、坐标坐标：X-红色、Y-绿色、Z-蓝色。世界坐标：整个场景的固定坐标，不随物体旋转而改变。本地坐标:物体自身坐标，随物体旋转而改变。二、场景一组相关联的游戏的集合，通常游戏中每一个关卡就是一个场景，用于展现关卡中所有的物体。保存场景 ctrl+s新建场景 crtl+n三、游戏对象1、运行时出现在场景中的游戏物体例如：人物、地形、树木2、是一种容器，可以挂载组件。3、父子对象在Hierarchy面板中，将一个物体拖拽到另一个物体中。子物体将继承父物体的移动，旋转和缩放属性，但子
2020-11-25 20:54:59
1020
原创 VR概述及初识Unity 3D
虚拟现实（VR），是指采用以计算机技术为核心的现代高科技手段生成一种虚拟环境，用户借助特殊的输入输出设备，与虚拟世界中的物体进行自然的交互，从而通过视觉、听觉和触觉等获得与真实世界相同的感受。从定义看出，要获得一个虚拟的“真实在场”状态，需要具备以下四个场景：1、现代该科技手段2、虚拟环境3、输入输出设备4、自然的交互虚拟现实技术的特点：1、沉浸性2、交互性3、想象力...
2020-11-24 21:55:56
1090
原创 Ubuntu16.04系统下搭建ORB_SLAM2
Ubuntu的配置(1)基础工具安装vim、cmake、git、gcc、g++： sudo apt-get install vim git cmake sudo apt-get install gcc g++ (2)配置软件源将镜像源更改为清华的镜像源：
2020-11-20 16:33:44
239
原创 ORB-SLAM2之KeyFrame
关键帧，和普通的Frame不一样，但是可以由Frame来构造; 许多数据会被三个线程同时访问，所以用锁的地方很普遍。类中主要的函数及其含义如下表所示函数含义KeyFrame(Frame &F, Map* pMap, KeyFrameDatabase* pKFDB);构造函数void SetPose(const cv::Mat &Tcw);设置当前关键帧的位姿void ComputeBoW();词袋计算void AddConnection(Key
2020-11-13 20:33:02
608
原创 ORB-SLAM2之KeyFrameDataBase
这个类是关键帧的数据库，主要用于计算闭环检测和重定位时的候选帧，类中维护一个每个元素都是链表的vector容器，容器的每个元素是预先训练好的特征词汇，然后对应的连表上放的都是关键帧，包含这个词汇的关键帧。类中public的函数及其含义项目ValueKeyFrameDatabase(const ORBVocabulary &voc);构造函数void add(KeyFrame* pKF);根据关键帧的词包，更新数据库的倒排索引void erase(KeyFram
2020-11-13 19:35:38
288
原创 ORB-SALM2之map
Map类管理整个地图，因此其具有的属性是所有的地图点和关建针，即普通的帧是不管的，另外还有一些帧编号之类的东西，该类具有添加、删除关键帧的方法和添加、删除地图点的方法，另外就是一个返回属性的函数。首先是public的相关函数及其定义函数含义void AddKeyFrame(KeyFrame* pKF);向地图中添加关键帧void EraseKeyFrame(KeyFrame* pKF);从地图中删除关键帧void AddMapPoint(MapPoint* pMP);
2020-11-13 19:22:46
166
原创 相似、仿射、射影变换
关于齐次坐标：https://blog.youkuaiyun.com/zhuiqiuzhuoyue583/article/details/95228010https://blog.youkuaiyun.com/zhuiqiuzhuoyue583/article/details/95230246齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示。引入齐次坐标的目的主要是合并矩阵运算中的乘法和加法，表示为x=P∗X的形式。即它提供了用矩阵运算把二维、三维甚至高维空间中的一个点集从一个坐标系变换到另一个坐标系的有效方法。
2020-11-12 22:27:54
152
原创 linux操作符汇总
查看文件信息：lsls是英文单词list的简写，其功能是列出目录的内容，“.”代表当前目录，“…”代表上一级目录参数含义-a显示指定目录下所有子目录与文件，包括隐藏文件-l以列表的方式显示文件的详细信息-h配合-l以人性化的方式显示文件大小切换工作目录：cd在使用linux时，经常需要切换工作目录，cd命令可以帮助用户切换工作目录,区分大小写命令含义cd切换到当前用户的主目录（/home/用户目录）cd ~切换到当前用户的主
2020-11-12 21:02:55
331
原创 ORB-SLAM2之Frame
开始学习了ORB-SLAM2，记录一下相关的学习情况首先从Frame.h开始吧Frame类，Frame类应该可以说是SLAM系统中处理的一个基本单元，它将一副（或双目）图像包装成一个类，给他增加基本的信息，如这幅图的位姿、编号、特征点、对应的参考帧等重要信息，还包含一些设置参数、获取参数的方法。是SLAM的基本数据单元。先记录一下函数及其作用吧。首先是public函数作用Frame(const Frame &frame);拷贝构造函数Frame(const cv
2020-11-11 20:45:07
524
原创 视觉SLAM十四讲第十一讲
第十一讲 后端2本节目标理解 Pose Graph 优化。理解因子图优化。理解增量式图优化的工作原理。通过实验掌握 g2o 的 Pose Graph 优化与 gtsam 的因子图优化。一、位姿图1）Pose Graph的意义我们可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关键帧之间通过特征匹配之后得到的运动估计来给定初始值。不同的是，一旦初始估计完成，我们就不再优化那些路标点的位置，而只关心所有的相机位姿之间的联系了。通过这种方式，我们省去了大量的特征点优化的计算，只保留了
2020-10-24 15:49:47
717
原创 视觉SLAM十四讲第十讲
第十讲：后端 1本节目标理解后端的概念。理解以 EKF 为代表的滤波器后端工作原理。理解非线性优化的后端，明白稀疏性是如何被利用的。使用 g2o 和 Ceres 实际操作后端优化。一、概述1）状态估计的概率解释在后端优化中，我们通常考虑一个更长时间内（或所有时间内）的状态估计问题，而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己，这种处理方式不妨称为“批量的”（Batch）。否则，如果当前的状态只由过去的时刻决定，甚至只由前一个时刻决定，那不妨称为**“渐进的”（Incre
2020-10-24 15:32:07
1121
原创 视觉SLAM十四讲第八讲
第 8 讲 视觉里程计 2本节目标理解光流法跟踪特征点的原理。理解直接法是如何估计相机位姿的。使用 g2o 进行直接法的计算。一、直接法直接法拥有如下的缺点：1.、关键点的提取与描述子的计算非常耗时。2、 使用特征点时，忽略了除特征点以外的所有信息。3.、相机有时会运动到特征缺失的地方，往往这些地方没有明显的纹理信息。为了克服特征点法的上述缺点而存在的。直接法根据像素的亮度信息，估计相机的运动，可以完全不用计算关键点和描述子，于是，既避免了特征的计算时间，也避免了特征缺失的情况。只要场
2020-10-20 20:07:02
1001
原创 视觉SLAM十四讲第七讲
第七章 视觉里程计 1主要目标理解图像特征点的意义, 并掌握在单幅图像中提取出特征点及多幅图像中匹配特征点的方法。理解对极几何的原理，利用对极几何的约束，恢复出图像之间的摄像机的三维运动。理解 PNP 问题，以及利用已知三维结构与图像的对应关系求解摄像机的三维运动。理解 ICP 问题，以及利用点云的匹配关系求解摄像机的三维运动。理解如何通过三角化获得二维图像上对应点的三维结构。一、特征点法VO 的算法主要分为两个大类：特征点法和直接法。1）特征点VO 的核心问题是如何根据图像来估计相机
2020-10-19 22:07:06
1548
原创 视觉SLAM十四讲第六讲
第六章 非线性优化主要目标理解最小二乘法的含义和处理方式。理解高斯牛顿法（Gauss-Newton）、列文伯格—马夸尔特方法（LevenburgMarquadt）等下降策略。学习 Ceres 库和 g2o 库的基本使用方法。一、状态估计问题1）批量状态估计与最大后验估计经典 SLAM 模型由一个运动方程和一个观测方程构成：在运动和观测方程中，我们通常假设两个噪声项 wk, vk,j 满足零均值的高斯分布，像这样：其中 N 表示高斯分布，0 表示零均值，Rk, Qk,j 为协方差矩阵
2020-10-15 19:30:11
1514
原创 视觉SLAM十四讲第五讲
第五章 相机与图像主要目标理解针孔相机的模型、内参与径向畸变参数。理解一个空间点是如何投影到相机成像平面的。掌握 OpenCV 的图像存储与表达方式。学会基本的摄像头标定方法。在计算机中，一张照片由很多个像素组成，每个像素记录了色彩或亮度的信息。三维世界中的一个物体反射或发出的光线，穿过相机光心后，投影在相机的成像平面上。相机的感光器件接收到光线后，产生测量值，就得到了像素，形成了我们见到的照片。一、相机模型1）针孔相机模型设 O-x-y-z 为相机坐标系，习惯上我们让z 轴指向相机前
2020-10-14 22:08:33
1658
原创 视觉SLAM十四讲第四讲
第四章 李群与李代数主要目标理解李群与李代数的概念，掌握 SO(3), SE(3) 与对应李代数的表示方式。理解 BCH 近似的意义。学会在李代数上的扰动模型。使用 Sophus 对李代数进行运算。旋转矩阵自身是带有约束的（正交且行列式为 1）。它们作为优化变量时，会引入额外的约束，使优化变得困难。通过李群—李代数间的转换关系，我们希望把位姿估计变成无约束的优化问题，简化求解方式。一、李群与李代数基础说三维旋转矩阵构成了特殊正交群 SO(3)，而变换矩阵构成了特殊欧氏群 SE(3)。它们写
2020-10-14 22:07:07
454
原创 视觉SLAM十四讲第三讲
第三章 三维空间刚体运动主要目标理解三维空间的刚体运动描述方式：旋转矩阵、变换矩阵、四元数和欧拉角。掌握 Eigen 库的矩阵、几何模块使用方法。一、 旋转矩阵刚体，它不光有位置，还有自身的姿态。相机也可以看成三维空间的刚体，于是位置是指相机在空间中的哪个地方，而姿态则是指相机的朝向。我们要用数学语言来描述它。1）点和向量点就是空间当中的基本元素，没有长度，没有体积。把两个点连接起来，就构成了向量。向量可以看成从某点指向另一点的一个箭头。2）基维空间中的某个点的坐标也可以用 R3 来描
2020-10-14 20:10:36
873
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