Lidar学习系列第2页

ROS篇——一个简单的ros package的编译规则CMakeLists.txt文件的编写示例

package的文件结构如下：如上图的文件结构src中lidar.cpp是一个工具类，lidar_ros_node.cpp是最终要运行的可执行程序的代码。

易Yi·2024-02-20 04:17

Linux学习系列（二十）：在Linux系统中使用Git上传代码到GitHub仓库

这里写目录标题引言一、Git的基本原理二、如何在Linux中连接Github代码仓库1.安装git2.设置用户名和邮箱3.创建Github本地仓库4.通过ssh密钥连接GitHub仓库三、Git的基本使用1.创建本地仓库2.拉取远程仓库代码3.修改远程仓库的代码4.向远程仓库提交代码四、Git常用命令引言在工作中用git命令提交代码办公是非常常用的，所以掌握git的基本原理以及使用方法是非常的重要

lijiachang030718·2024-02-20 04:09

Rust-知多少？

总结前言Rust学习系列，记录一些rust使用小技巧1.使用下划线开头忽略未使用的变量如果你创建了一个变量却不在任何地方使用它，Rust通常会给你一个警告。

TE-茶叶蛋·2024-02-19 16:44

Rust 原生类型

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文章目录前言一、标量类型（scalartype）二、复合类型（compoundtype）总结前言Rust学习系列，rust中的原生类型一、

TE-茶叶蛋·2024-02-19 16:13

Rust-所有权（ownership）

文章目录前言一、管理计算机内存的方式所有权规则二、Rust中的moveCopytrait三、Rust中的clone总结前言Rust入门学习系列-Rust的核心功能（之一）是所有权（ownership）。

TE-茶叶蛋·2024-02-19 16:10

Kotlin学习系列（二）Kotlin语法基础

本系列内容均来自《Kotlin从小白到大牛》一书，感谢作者关东升老师。标识符和关键字1标识符标识符就是变量、常量、函数、属性、类、接口和扩展等由程序员指定的名字。构成标识符的字符均有一定的规范，Kotlin语言中标识符的命名规则如下：区分大小写：Myname与myname是两个不同的标识符。首字符，可以是下划线（_）或字母，但不能是数字。除首字符外其他字符，可以是下划线（_）、字母和数字。硬关键字

Fakecoder_Sunis·2024-02-15 08:11

【Chrono Engine学习总结】5-sensor-5.1-sensor基础并创建一个lidar

学习总结】1-安装配置与程序运行SensorModuleTutorialSensorOverviewSensor模块包括的内容如下：其中：Sensors模块是核心，包括各种传感器（IMU、GPS、相机、Lidar

larry_dongy·2024-02-14 17:15

ICRA2023 | 通用、自动和无标定目标的Lidar-Camera外参标定工具箱

对于自动初始猜测估计，本文使用SuperGlue图像匹配pipeline来查找LiDAR和相机数据之间的2D-3D对应关系，并通过RANSAC估计LiDAR相机变换。给定初始

自动驾驶之心·2024-02-14 06:42

Carla自学整理——Sensor模块

Carla内的Sensor总览Camera类：RGB、深度、分割雷达类：激光雷达（LIDAR）、声波雷达（Radar）、语义雷达（SemanticLIDAR）外部环境传感器：Collision、Laneinvasion

小新奕·2024-02-13 11:46

Zookeeper学习系列【二】Zookeeper 集群章节之集群搭建

前言同道们，好久不见，上一章中，我主要讲了Zookeeper的一些基础的知识点。数据模型+原语集+Watches机制。本章内容主要讲的是集群搭建相关的知识。本篇的内容主要包含以下几点：Zookeeper运行模式Zookeeper搭建一、Zookeeper运行模式Zookeeper有两种运行模式，单点模式和集群模式。单点模式（standalonemode）-Zookeeper只运行在单个服务器上，常

Richard_易·2024-02-13 04:20

MySQL学习系列之四——数据过滤和过滤数据

在上一篇内容中我们介绍了简单的select查询、查询结果返回固定条数以及对查询结果进行排序。这一篇内容会介绍简单的数据过滤，主要包括where子句操作符、AND、OR、IN、NOT操作符。实际应用中，数据过滤分两种，可以在应用层通过代码过滤，在数据库中取出所有的值，然后通过代码循环判断，取出符合条件的值，但是这种方法效率非常低，会传给应用多余数据，浪费网络带宽，一般只有写不出对应的数据库脚本时，才

小詹小詹·2024-02-12 17:20

机器学习系列（8）——提升树与GBDT算法

本文介绍提升树模型与GBDT算法。0x01、提升树模型提升树是以分类树或回归树为基本分类器的提升方法。提升树被认为是统计学习中性能最好的方法之一。提升方法实际采用加法模型（即基函数的线性组合）与前向分步算法，以决策树为基函数的提升方法称为提升树（boostingtree）。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：其中，表示决策树，为决策树的

陌简宁·2024-02-11 14:40

Java并发包源码学习系列：阻塞队列实现之LinkedBlockingDeque源码解析

文章目录LinkedBlockingDeque概述类图结构及重要字段linkFirstlinkLastunlinkFirstunlinkLastunlink总结参考阅读系列传送门：Java并发包源码学习系列

天乔巴夏丶·2024-02-11 14:37

机器学习系列——（十三）多项式回归

引言在机器学习领域，线性回归是一种常见且简单的模型。然而，在某些情况下，变量之间的关系并不是线性的，这时候我们就需要使用多项式回归来建模非线性关系。多项式回归通过引入高次项来扩展线性回归模型，从而更好地拟合数据。本文将详细介绍多项式回归的原理、应用场景和实现步骤，并通过一个实际案例演示如何使用多项式回归进行预测。一、原理多项式回归是一种形式上为多项式的函数与自变量之间的线性回归关系。其基本原理是通

飞影铠甲·2024-02-10 21:06

机器学习系列——（二十二）结语

随着我们的机器学习系列的探索画上句号，我们不禁感慨于这一领域的广阔和深邃。从最初的基础概念到复杂的算法，从理论的探讨到实际应用的示例，我们一起经历了一段非凡的旅程。

飞影铠甲·2024-02-10 11:53

机器学习系列——（二十一）神经网络

引言在当今数字化时代，机器学习技术正日益成为各行各业的核心。而在机器学习领域中，神经网络是一种备受瞩目的模型，因其出色的性能和广泛的应用而备受关注。本文将深入介绍神经网络，探讨其原理、结构以及应用。一、简介神经网络是一种受到人类神经系统启发而设计的计算模型。它由大量的人工神经元组成，这些神经元之间通过连接进行信息传递和处理。神经网络的主要目标是从数据中学习规律，并能够进行预测、分类、识别等任务。二

飞影铠甲·2024-02-10 11:23

机器学习系列——（二十）密度聚类

引言在机器学习的无监督学习领域，聚类算法是一种关键的技术，用于发现数据集中的内在结构和模式。与传统的基于距离的聚类方法（如K-Means）不同，密度聚类关注于数据分布的密度，旨在识别被低密度区域分隔的高密度区域。这种方法在处理具有复杂形状和大小的聚类时表现出色，尤其擅长于识别噪声和异常值。本文将详细介绍密度聚类的概念、主要算法及其应用。一、概述密度聚类基于一个核心思想：聚类可以通过连接密度相似的点

飞影铠甲·2024-02-10 11:53

机器学习系列——（十九）层次聚类

引言在机器学习和数据挖掘领域，聚类算法是一种重要的无监督学习方法，它试图将数据集中的样本分组，使得同一组内的样本相似度高，不同组间的样本相似度低。层次聚类（HierarchicalClustering）是聚类算法中的一种，以其独特的层次分解方式，在各种应用场景中得到广泛应用，如生物信息学、图像分析、社交网络分析等。一、概述层次聚类算法主要分为两大类：凝聚的层次聚类（AgglomerativeHie

飞影铠甲·2024-02-10 07:47

算法学习系列（三十三）：线性DP

目录引言一、数字三角形二、最长上升子序列三、最长公共子序列引言这个线性DP其实也就是一种描述吧，有的是一维、二维、多维的，就是这个动规方程是按顺序来的，所以叫做线性，然后还是得按题目来看，把每种题都见过才能有思路，才会写，DP其实没啥思想规范，就是做题见题，才会做题。一、数字三角形思路：把这个三角形看成二维的，横着的代表行，斜着的代表列，则f[i][j]=max(f[i−1][j−1],f[i−1

lijiachang030718·2024-02-10 05:42

算法学习系列（三十二）：背包问题

目录引言一、01背包1.二维代码模板2.一维代码模板二、完全背包1.朴素代码模板2.二维优化代码模板3.一维代码模板三、多重背包1.朴素做法2.优化版本四、分组背包1.朴素做法2.一维优化引言从这一篇文章开始，就开始学习动态规划了，也就是DP了，然后就是DP可以说是整个算法中的最难学的部分之一，好写是非常的好写的，每道题也只有很短的代码量，但是主要是它这个动归方程不好想，也不好推导出来，而且这类题

lijiachang030718·2024-02-10 05:12

机器学习系列——（十七）聚类

引言在当今数据驱动的时代，机器学习已经成为了解锁数据潜能的关键技术之一。其中，聚类作为机器学习领域的一个重要分支，广泛应用于数据挖掘、模式识别、图像分析等多个领域。本文旨在深入探讨聚类技术的原理、类型及其应用，为读者提供一个全面而深入的了解。一、什么是聚类？聚类是一种无监督学习（UnsupervisedLearning）技术，它的目标是将相似的对象分组到一起，形成簇（Cluster）。与有监督学习

飞影铠甲·2024-02-09 09:08

Rust 格式化输出

操作符循环打印前言Rust学习系列-本文根据教程学习Rust的格式化输出，包括fmt::Debug，fmt::Display等。一、format!宏在Rust中，可以使用format!

TE-茶叶蛋·2024-02-09 09:57

机器学习系列——（十八）K-means聚类

引言在众多机器学习技术中，K-means聚类以其简洁高效著称，成为了数据分析师和算法工程师手中的利器。无论是在市场细分、社交网络分析，还是图像处理等领域，K-means都扮演着至关重要的角色。本文旨在深入解析K-means聚类的原理、实现方式、优缺点及其应用，以期为读者提供全面而深入的理解。一、K-means聚类简介K-means是一种基于划分的聚类算法，它的目标是将n个对象根据属性分为k个簇，使

飞影铠甲·2024-02-09 08:04

Kubernetes有状态应用管理——PetSet

目录贴：Kubernetes学习系列1、介绍在Kubernetes中，大多数的Pod管理都是基于无状态、一次性的理念。

zyydd_·2024-02-09 06:39

C++基础入门（七）—— 指针

C++系列内容的学习目录→\rightarrow→C++学习系列内容汇总。

大彤小忆·2024-02-08 15:27

神经网络与深度学习 Neural Networks and Deep Learning 课程笔记第一周

NeuralNetworksandDeepLearning课程笔记第一周文章目录神经网络与深度学习NeuralNetworksandDeepLearning课程笔记第一周深度学习简介什么是神经网络使用神经网络进行监督学习为什么神经网络会兴起本文是吴恩达深度学习系列课程的学习笔记

林间得鹿·2024-02-08 09:21

机器学习系列——（十五）随机森林回归

引言在机器学习的众多算法中，随机森林以其出色的准确率、对高维数据的处理能力以及对训练数据集的异常值的鲁棒性而广受欢迎。它是一种集成学习方法，通过构建多个决策树来进行预测和分类。本文将重点介绍随机森林在回归问题中的应用，即随机森林回归(RandomForestRegression)。一、概念随机森林回归是基于决策树的集成学习技术。在这个模型中，我们构建多个决策树，并将它们的预测结果合并来得到最终的回

飞影铠甲·2024-02-08 06:37

机器学习系列——（十六）回归模型的评估

引言在机器学习领域，回归模型是一种预测连续数值输出的重要工具。无论是预测房价、股票价格还是天气温度，回归模型都扮演着不可或缺的角色。然而，构建模型只是第一步，评估模型的性能是确保模型准确性和泛化能力的关键环节。本文将详细介绍几种常用的回归模型评估方法。一、均方误差（MeanSquaredError,MSE）均方误差是最常用的回归评估指标之一，它计算了预测值与真实值之间差异的平方的平均值。公式如下：

飞影铠甲·2024-02-08 06:31

ChatGPT学习大纲

2月份左右开始使用ChatGPT时，就被它强大的理解能力和应答效果所折服，这期间一直在断断续续的学习和使用，也没形成一个完整的学习过程，最近刚好有空，就寻思着好好再学习总结一下，故写出了ChatGPT学习系列的文章

冷暖从容·2024-02-07 19:34

小样本学习系列工作（持续更新）

小样本学习系列工作有关小样本学习的各类文章通常会将其方法分成几个大类：基于度量学习的小样本方法、基于数据增强的小样本学习方法和基于模型初始化的小样本学习方法。

MingchenS·2024-02-07 16:10

【埋点学习系列】02如何设计数据埋点方案

数据埋点是数据采集的关键一环，目前的数据采集方式归结为可视化/全埋点、代码埋点三类。可视化/全埋点使用这种方案，必须在产品中嵌入SDK，等于做了一个统一的埋点，因此“无埋点”的叫法实际上是“全埋点”的代名词。代码埋点代码埋点又分为前端代码埋点和后端代码埋点。前端代码埋点类似于全埋点，都是在前端嵌入SDK的方式，所不同的是，对于每一个关键行为，我们都需要调用SDK代码，将必要的事件名、属性字段等写入

tricking紫枫·2024-02-07 15:54

电动汽车雷达技术概述 —— FMCW干扰问题

以下是一份相对全面的智能电动汽车中可能使用到的传感器列表：环境感知传感器：激光雷达（LiDAR）：提供高精度三维点云数据，用于构建周围环境模型。

初心不忘产学研·2024-02-07 12:24

arcgis学习系列11--绘制不自己交叉的Polygon

概述本文演示如何阻止用户使用Draw画子线交叉的线。Draw操作使用视图事件生成一组坐标，可以从中创建不同类型的几何图形。每种几何类型都有一个对应的drawaction类。实例化Draw之后，调用draw.create()方法将返回一个drawAction的引用。在这一篇文章中，draw.create()方法被调用，并传递polyline作为参数，我们监听PolylineDrawAction的相关

naturessdfsafagf·2024-02-07 07:10

机器学习系列——（十四）正则化回归

引言在机器学习领域，正则化回归是一种常用的技术，旨在解决过拟合问题，提高模型的泛化能力。本文将简单探讨正则化回归的概念、类型和应用，帮助读者更好地理解和运用这一重要技术。一、概念正则化回归是一种通过引入额外信息（约束或惩罚项）来调整模型复杂度的方法，从而防止过拟合，提高模型的泛化能力。简单来说，正则化就是在模型训练过程中加入一个正则项，以限制模型参数的大小。那么，为什么需要正则化？在机器学习中，模

飞影铠甲·2024-02-07 06:28

深度强化学习系列【1】- 强化学习的背景、基础理论等

深度强化学习系列【1】-强化学习的背景、基础理论等1.深度强化学习的背景、发展与理论变迁1.1序1.2AlphaGo的崛起1.3Waymo(谷歌收购)加州公共道路无人驾驶项目获批1.4关于生物的神经元数

cnjs1994·2024-02-06 17:52

机器学习系列6-逻辑回归

重点：1.逻辑回归模型会生成概率。2.对数损失是逻辑回归的损失函数。3.逻辑回归被许多从业者广泛使用。#1.逻辑回归：计算概率**许多问题需要将概率估算值作为输出。逻辑回归是一种非常高的概率计算机制。**实际上，您可以通过以下两种方式之一使用返回的概率：*原样*已转换为二元类别。![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/e62e0256ba5a

喜乐00·2024-02-06 07:22

机器学习系列——（十一）回归

引言在机器学习领域，回归是一种常见的监督学习任务，它主要用于预测数值型目标变量。回归分析能够通过对输入特征与目标变量之间的关系建模，从而对未知数据做出预测。概念回归是机器学习中的一种监督学习方法，用于预测数值型目标变量。它通过建立特征与目标变量之间的关系模型，对未知数据做出预测。举个例子来说明回归的概念：假设我们希望根据房屋的面积来预测其价格。我们可以收集一组包含多个房屋的数据样本，每个样本包含房

飞影铠甲·2024-02-06 07:50

机器学习系列——（十二）线性回归

导言在机器学习领域，线性回归是最基础且重要的算法之一。它用于建立输入特征与输出目标之间的线性关系模型，为我们解决回归问题提供了有效的工具。本文将详细介绍线性回归的原理、应用和实现方法，帮助读者快速了解和上手这一强大的机器学习算法。一、线性回归简介线性回归是一种监督学习算法，适用于处理连续数值预测问题。其基本思想是通过拟合最佳直线（或超平面）来预测输出变量与输入特征之间的关系。线性回归的目标是找到最

飞影铠甲·2024-02-06 07:17

深度学习系列55：深度学习加速技术概述

总体有两个方向：模型优化/框架优化1.模型优化1.1量化最常见的量化方法为线性量化，权重从float32量化为int8，将输入数据映射在[-128,127]的范围内。在nvdiagpu，x86、arm和部分AI芯片平台上，均支持8bit的计算。当然还有简单的二值化。对比从nvdiagpu到x86平台，1bit计算分别有5到128倍的理论性能提升。此外还有对数量化，一种比较特殊的量化方法。两个同底的

IE06·2024-02-06 02:24

深度学习系列57: 清华大模型MiniCPM上手

MiniCPM是面壁智能与清华大学自然语言处理实验室共同开源的系列端侧大模型，主体语言模型MiniCPM-2B仅有24亿（2.4B）的非词嵌入参数量1.上手对比测试mps比cpu大概快了9倍左右。也可以在modelspore上测试：

IE06·2024-02-06 02:53

Rust 数据类型使用注意点

文章目录前言一、Rust的数据类型基本数据类型：复合数据类型：二、使用注意点整型溢出总结前言Rust学习系列，学习rust的数据类型。

TE-茶叶蛋·2024-02-06 00:48

Rust-获取随机数练习案例

文章目录前言一、取官网示例猜数字游戏玩一玩cargocheckTOML文件二、完整代码总结前言Rust学习系列-获取随机数练习案例，基于cargo进行案例练习，过程中会使用cargocheck；cargorun

TE-茶叶蛋·2024-02-06 00:47

上海海事大学C语言程序设计上机实验代码参考【第三周实验】（非本校同学可以作为C语言练习题和进度参考）

C语言学习系列课程之练习专项（第三周）本周主要考察基础计算的掌握以及if语句的基本使用，一定要注意特定函数的特定要求，以及定义函数的头文件文章目录C语言学习系列课程之练习专项（第三周）一、本系列教程的使用方法二

cloudier.·2024-02-05 16:39

上海海事大学C语言程序设计上机实验代码参考【第二周实验】（非本校同学可以作为C语言练习题和进度参考）

C语言学习系列课程之练习专项（第2周）本周主要考察scanf函数的使用文章目录C语言学习系列课程之练习专项（第2周）一、本系列教程的使用方法二、习题部分1、已知正方形边长，求面积2、已知长方形长和宽，求面积

cloudier.·2024-02-05 16:09

上海海事大学C语言程序设计上机实验代码参考【第一周实验】（非本校同学可以作为C语言练习题和进度参考）注：本教程为2023年后半学期的经验分享（即最新内容）

C语言学习系列课程之练习专项（第一周）本周主要考察数据类型、转义字符等基础概念的掌握和printf函数的使用文章目录C语言学习系列课程之练习专项（第一周）一、本系列教程的使用方法二、习题部分1、在屏幕上显示

cloudier.·2024-02-05 16:08

上海海事大学C语言程序设计上机实验代码参考【第四周实验】（非本校同学可以作为C语言练习题和进度参考）

C语言学习系列课程之练习专项（第四周）本周没有什么难点内容，只是新学了几个函数文章目录C语言学习系列课程之练习专项（第四周）一、本系列教程的使用方法二、习题部分1、若运行时从键盘输入小写字母a，写出输出结果

cloudier.·2024-02-05 16:36

深度学习系列56：使用whisper进行语音转文字

1.openai-whisper这应该是最快的使用方式了。安装pipinstall-Uopenai-whisper，接着安装ffmpeg，随后就可以使用了。模型清单如下：第一种方式，使用命令行：whisperjapanese.wav--languageJapanese--modelmedium另一种方式，使用python调用：importwhispermodel=whisper.load_mode

IE06·2024-02-05 11:40

机器学习系列——（九）决策树

简介决策树作为机器学习的一种经典算法，在数据挖掘、分类和回归等任务中广泛应用。本文将详细介绍机器学习中的决策树算法，包括其原理、构建过程和应用场景。原理决策树是一种基于树状结构的监督学习算法，它通过构建一棵树来对数据进行分类或回归预测。决策树的每个内部节点代表一个特征属性，每个叶子节点代表一个类别或数值。决策树的构建过程：特征选择：根据某种指标选择最佳特征，将数据集划分为不同的子集。决策节点生成：

飞影铠甲·2024-02-04 11:45

机器学习系列——（十）支持向量机

一、背景支持向量机（SupportVectorMachine，SVM）是一种用于分类、回归和离群点检测等领域的监督学习方法。它最初由Vapnik和Cortes在1995年提出，被认为是机器学习领域中最成功的算法之一。二、原理2.1线性SVM我们先从最简单的线性支持向量机（LinearSVM）开始。对于一个二分类问题，假设训练数据集为D={(x1,y1),(x2,y2),...,(xn,yn)}，其

飞影铠甲·2024-02-04 11:09

three.js学习系列（一）————从概念到构建一个3D场景

Three.js、webGL和Canvas区别Three.js是基于原生WebGL封装的三维引擎。WebGL是JavaScript和OpenGLES2.0结合起来的JavaScriptAPI，在任何兼容的Web浏览器中渲染高性能的交互式3D和2D图形，该API可以在canvas元素中使用，可以html5Canvas提供硬件的3D加速渲染。Canvas是HTML5新增新增的标签，通过js脚本来完成图

0斌果0·2024-02-04 08:42

推荐频道

Lidar学习系列