SLAM基础内容

Serverless架构：无服务器应用与AWS Lambda-读书笔记

Serverless架构：无服务器应用与AWSLambda-读书笔记好的架构可以成就软件，缺乏架构则会破坏软件。
碳学长·2023-12-29 06:51

十大最佳SLAM开源算法

激光雷达里程计香港大学开源激光雷达惯性视觉里程计FAST-LIVO论文名：FAST-LIVO:FastandTightly-coupledSparse-DirectLiDAR-Inertial-VisualOdometry单位：香港大学火星实验室论文下载：https://arxiv.org/abs/2203.00893代码地址：https://github.com/hku-mars/FAST-LI
稻壳特筑·2023-12-29 04:22

SLAM中的KDTree是什么，如何构建KDTree

KD树（K-DimensionalTree，简称KD树）是一种用于组织和存储大量空间数据以便快速检索的数据结构。它在点云数据处理和计算机视觉等领域有广泛应用。KD树是一种二叉树，用于将K维空间的数据划分为不同的区域，以便快速进行空间搜索、邻近点查找、范围查询等操作。在点云中，KD树的主要用途是帮助快速找到空间中的最近邻点或者执行范围搜索。点云数据通常包含了大量的三维空间点，通过构建KD树，可以高效
稻壳特筑·2023-12-29 04:22

算法—递归生成斐波那契数列

递归生成斐波那契数列二、使用步骤1.伪代码2.c总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容
学海浪太大·2023-12-29 04:16

目标检测YOLO实战应用案例100讲-结合YOLOv5神经网络轻量化改进的视觉SLAM（续）

目录3.3YOLO模型轻量化改进3.3.1目标检测算法改进方向3.3.2改进算法性能对比与算法选择
林聪木·2023-12-28 10:53

目标检测YOLO实战应用案例100讲-结合YOLOv5神经网络轻量化改进的视觉SLAM

目录前言基于视觉SLAM的语义地图构建框架2.1基于RGBD数据的视觉SLAM框架2.1.1传感器数据读取
林聪木·2023-12-28 10:52

使用Kalibr标定zed mini双目相机

这篇文章介绍采用开源库Kalibr对zedmini双目相机的内外参进行标定，Kalibr在SLAM领域非常流行，因为他可以非常方便的对相机，IMU等传感器的内外参进行标定1Kalibr安装Kalibr的官网
ros漫步·2023-12-28 09:11

2021.04.11总结

好，不管怎样，我要完成基础内容。好，你洗漱吧，然后听佛号睡觉。感恩这个世界，我愿意付出爱而不求回报。日计划我要做什么？为什么？何时做？做到什么程度？
阿源的成长之路·2023-12-28 07:13

信息网络协议基础-接入网技术

网络架构传统电信网络:点对点链路PPP协议协议内容消息过程多协议封装功能电话网接入Internet(DSL数字用户线路)主要接入技术ADSL关键技术DMTDSLAM体系结构PPPOE帧格式过程特点局域网定义参考模型
右边是我女神·2023-12-28 06:24

cilium原理之ebpf尾调用与trace

背景在深入剖析cilium原理之前，有两个关于epbf的基础内容需要先详细介绍一下：1.ebpf尾调用尾调用类似于程序之间的相互跳转，但它的功能更加强大。
沃趣数据库管理平台·2023-12-27 14:48

HoloLens中的视觉SLAM介绍

HoloLens是微软在2015年1月22日凌晨发布的一款头戴式的便携全息计算机设备。不同于VR眼镜，HoloLens直接在现实世界中呈现出一些虚拟的全息投影，即混合现实，不仅增强了真实感，还提供了一种新的人与现实世界交互的方式。HoloLens与用户的交互主要有以下三种方式：1、凝视（gaze）HoloLens可以探测到用户视线的焦点所在从而做出一些判断和反应。2、手势（gesture）Holo
qq_33511693·2023-12-27 12:22

第七周笔记

本周任务使用KinectDK跑通ORB_SLAM2_with_pointcloud，实时获取点云文件使用KinectDK采集数据，制作类似TUM数据集遇到的问题1.可以获取特征点，但是得不到点云数据。
鲸落南北c·2023-12-27 08:20

牛客数组集合

二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
晴山ぺ·2023-12-27 00:35

IPsec IKEv2（HCIP）

目录一、IKE介绍1、IKE介绍2、IKE的主要作用3、IKE与IPsec关系二、IKE基础内容1、IEK的身份认证方法数据源认证预共享密钥PSK数字证书数字信封EAP(IKEv2支持)数字证书CA如何实现身份认证
数通工程师小明·2023-12-26 19:35

Qt基础内容

//模态对话框//QDialogdlg(this);//dlg.exec();//模态对话框//QDialog*dlg2=newQDialog(this);//dlg2->show();//dlg2->setAttribute(Qt::WA_DeleteOnClose);/*//错误提示对话框QMessageBox::critical(this,"错误","critical");//信息提示对话框
春蕾夏荷_728297725·2023-12-26 15:50

【flink番外篇】7、flink的State（Keyed State和operator state）介绍及示例（2） - operator state

1、Flink部署系列本部分介绍Flink的部署、配置相关基础内容。
一瓢一瓢的饮 alanchan·2023-12-26 11:04

【flink番外篇】7、flink的State（Keyed State和operator state）介绍及示例 - 完整版

1、Flink部署系列本部分介绍Flink的部署、配置相关基础内容。
一瓢一瓢的饮 alanchan·2023-12-26 11:34

【flink番外篇】7、flink的State（Keyed State和operator state）介绍及示例（1） - Keyed State

1、Flink部署系列本部分介绍Flink的部署、配置相关基础内容。
一瓢一瓢的饮 alanchan·2023-12-26 11:04

【flink番外篇】8、flink的Checkpoint容错机制（配置、重启策略、手动恢复）介绍及示例（1） - checkpoint配置及实现

1、Flink部署系列本部分介绍Flink的部署、配置相关基础内容。
一瓢一瓢的饮 alanchan·2023-12-26 11:30

牛客设计模式

二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
晴山ぺ·2023-12-26 06:04

【文献分享】UncLe-SLAM: 将不确定性学习用于密集神经SLAM

论文题目：UncLe-SLAM:UncertaintyLearningforDenseNeuralSLAM中文题目：UncLe-SLAM:将不确定性学习用于密集神经SLAM作者：ErikSandstromKevinTaLucVanGoolMartinR.Oswald0
K.Fire好好睡觉·2023-12-26 04:07

【文献分享】DynaSLAM：你见过动态物体修补效果这么好的SLAM吗？

论文题目：DynaSLAM:Tracking,Mapping,andInpaintinginDynamicScenes中文题目：DynaSLAM：动态场景中的跟踪、建图和图像修复作者：BertaBescos
K.Fire好好睡觉·2023-12-26 04:07

Pytorch，16个超强转换函数全总结！！

哈喽，这些天无论是社群还是私信，很多人希望看到更多关于深度学习基础内容，这篇文章想要分享的是关于pytorch的转换函数。建议大家一定要好好看看这部分，在平常的使用中，既多又重要！！
Python数据挖掘·2023-12-25 21:33

视觉SLAM14讲——李群与李代数

在SLAM中相机的位姿是不确定的，需要我们进行优化，常用的优化方法便是求导，但是旋转矩阵由于自身的特殊性(行列式为1的正交矩阵)，使我们无法直接对旋转矩阵进行求导优化，所以引入了李群与李代数来简化求解方式
Bumblebee972·2023-12-25 21:19

视觉SLAM十四讲：李群李代数

在上一讲中我们介绍了视觉SLAM十四讲的前3讲：基本框架和刚体运动的描述方式（R矩阵，T矩阵）。面临的问题：当我们对刚体的运动进行表示了之后，接下来要解决的问题是对得到的表示进行估计和优化。
目睹闰土刺猹的瓜·2023-12-25 21:49

视觉SLAM十四讲 第4讲李群与李代数

目录一、李群与李代数基础群李代数的引出李代数的定义李代数so(3)\mathfrak{so}(3)so(3)李代数se(3)\mathfrak{se}(3)se(3)二、指数和对数映射SO(3)SO(3)SO(3)上的指数映射SE(3)SE(3)SE(3)上的指数映射三、李代数求导与扰动模型BCH公式与近似公式SO(3)SO(3)SO(3)李代数上的求导李代数求导扰动模型(左乘)SE(3)SE(3
YWL0720·2023-12-25 21:49

【视觉SLAM十四讲】李群与李代数

本文为视觉SLAM学习总结，讲解对观测方程中xxx该如何优化。
Louis1874·2023-12-25 21:48

视觉SLAM十四讲——第四讲李群与李代数

@《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第四讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。
chenying66·2023-12-25 21:18

＜视觉SLAM十四讲＞ch4 李群和李代数

文章目录一、引入二、基础1、群2、李代数三、指数与对数映射1、SO(3)指数映射2、SO(3),SE(3),so(3),se(3)的对应关系四、李代数求导和扰动模型1、李群乘法和李代数加法的基本认识2、导数模型和扰动模型五、激动人心的英文符号1、Sophus的使用2、Example：评估轨迹误差前言：这部分内容很基础很重要，得看开。一、引入旋转矩阵或者变换矩阵对加法是不封闭的，即两个旋转矩阵相加或
贝宝老师·2023-12-25 21:18

视觉SLAM十四讲_4李群与李代数

本文为b站视频的一个笔记在SLAM中，我们经常要解下面一个问题F=minJ(T)=Σi=1N∣∣zi−Tpi∣∣2F=minJ(T)=\Sigma_{i=1}^N||z_i-Tp_i||^2F=minJ
手持电烙铁的侠客·2023-12-25 21:48

视觉slam十四讲ch4李群和李代数（包含实践部分）

目录0.前言：1.李群和李代数1.1群的定义1.1.1李群SO3、SE31.2李代数的引出1.3李代数的定义1.3.1李代数so31.3.2李代数se32.指数与对数映射2.1SO3上的指数映射2.1.1指数映射的性质：2.2SE3上的指数映射3.李群、李代数的定义与相互的转换关系4.李代数求导与扰动模型4.1BCH公式与近似模型4.1.1BCH公式4.1.2BCH近似的意义4.2SO3上的李代数
shikaikaikaikai·2023-12-25 21:46

视觉SLAM十四讲|【一】三维空间刚体运动

视觉SLAM十四讲|【一】三维空间刚体运动旋转矩阵SO(n)={R∈Rn×n∣RRT=I,det(R)=1}SO(n)=\{R\in\mathbb{R^{n\timesn}}|RR^T=I,det(R)
影子鱼Alexios·2023-12-25 21:15

＜视觉SLAM十四讲＞ 李群与李代数

三维世界中描述刚体运动可以使用旋转矩阵,旋转向量,欧拉角,四元数等.但是在SLAM中,除了表示之外,我们还要对它们进行估计和优化.因为在SLAM中位姿是未知的,而我们需要解决形如"在什么样的相机位姿最符合当前观测数据
Jealar Juno·2023-12-25 21:15

【视觉SLAM十四讲】第四讲 李群和李代数

SLAM中位姿是未知的，而我们需要解决什么样的相机位姿最符合当前观测数据这样的问题。可以构建成一个优化问题，求解最优的R,t,使得误差最小化。
liqingyushe·2023-12-25 21:44

视觉SLAM十四讲 Sophus库应用（李群与李代数）

1.SO3和SE3的声明（1）SO3可以由旋转矩阵/欧拉角/四元数/声明，但是不可以由角轴声明。具体做法：先用角轴声明旋转矩阵，再用旋转矩阵声明SO3Eigen::AngleAxisdv_rotation(M_PI/2,Eigen::Vector3d(0,0,1));Eigen::Matrix3dR_rotation=v_rotation.matrix();Sophus::SO3SO3_R(R_r
呼吸之野qaq·2023-12-25 21:44

视觉SLAM十四讲-高翔 第4讲 李群和李代数

李群和李代数1.李群李代数基础1.1群1.2李代数的定义1.3李代数so(3)\mathfrak{so}(3)so(3)1.4李代数se(3)\mathfrak{se}(3)se(3)2.指数和对数映射2.1SO(3)SO(3)SO(3)上的指数映射2.2SE(3)SE(3)SE(3)上的指数映射3.李代数求导与扰动模型3.1BCH公式与近似形式3.2李代数求导4.SOPHUS库的使用4.1SOP
玛卡巴卡_qin·2023-12-25 21:44

SLAM十四讲——关于李群与李代数的理解

1、李代数的存在是为了更好地估计变换矩阵T。2、李群对乘法封闭。3、李代数是对加法封闭（因为其由向量组成）。4、李代数对应李群的正切空间，它描述了李群局部的导数。5、对于某个时刻的R(t)（李群空间），存在一个三维向量φ=（φ1，φ2，φ3）（李代数空间），用来描述R在t时刻的局部的导数。6、李群空间的任意一个旋转矩阵R都可以用李代数空间的一个向量的反对称矩阵指数来近似。7、旋转矩阵的导数可以由其
William.csj·2023-12-25 21:13

SLAM十四讲——跑通李群与李代数代码（解决Sophus库的问题）

SLAM十四讲——跑通李群与李代数代码（解决Sophus库的问题）一、前期准备二、正式配置三、参考文章一、前期准备1、Sophus库分为模板Sophus库和非模板Sophus库。
William.csj·2023-12-25 21:13

视觉SLAM十四讲|【二】李群与李代数

视觉SLAM十四讲|【二】李群与李代数李群与李代数基础群的性质封闭性：∀a1,a2∈A,a1⋅a2∈A\foralla_1,a_2\inA,a_1\cdota_2\inA∀a1,a2∈A,a1⋅a2∈A
影子鱼Alexios·2023-12-25 21:09

自学SLAM（9）《第五讲：特征点法视觉里程计》作业

*用ICP实现轨迹对齐1.ORB特征点1.1ORB提取ORB(OrientedFASTandBRIEF)特征是SLAM中⼀种很常⽤的特征，由于其⼆进制特性，使得它可以⾮常快速地提取与计算[1]。
Chris·Bosh·2023-12-25 20:51

nerf-slam

nerf神经辐射场传统渲染：三维模型+材质+光照--》RGB图片三维重建：RGB图片--》三维模型Nerf-slam的简述输入/训练集为一些图片，每个图片都已知相机视角（相对于图片中的某个物体），通过神经网络预测其他视角下的该物体的图片也就是通过上述训练将该物体的模型隐式的表示在了神经网络模型中
wenningshine·2023-12-25 18:40

RabbitMQ 延迟队列、惰性队列 简介

这篇比较简单，基础内容前两篇已经说过了，可以看以前的：SpringbootRabbitMQ基础使用、消息发送确认、签收springboot、rabbitMQ死信队列延迟队列使用场景：订单十分钟内未支付则自动取消
菜鸡的挣扎·2023-12-25 12:59

SLAM算法与工程实践——RTKLIB编译

SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM
yangtsejin·2023-12-25 08:15

SLAM算法与工程实践——SLAM基本库的安装与使用（6）：g2o优化库（2）g2o编程框架

SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM
yangtsejin·2023-12-25 08:45

SLAM算法与工程实践——相机篇：传统相机使用（3）

SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM
yangtsejin·2023-12-25 08:44

SLAM算法与工程实践——雷达篇：Livox激光雷达使用

SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM
yangtsejin·2023-12-25 08:14

SLAM算法与工程实践——SLAM基本库的安装与使用（6）：g2o优化库（4）构建g2o的边

SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM
yangtsejin·2023-12-25 08:06

《LIO-SAM阅读笔记》1.IMU预积分模块

前言：LIO-SAM是一个多传感器融合的紧耦合SLAM框架，融合的传感器类型有雷达、IMU和GPS，其中雷达和IMU在LIO-SAM框架中必须使用的。
Jiqiang_z·2023-12-24 18:51

通过python+uiautomator2+weditor实现自动化

uiautomator2二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容
冷冷冷冷冷冷冷啊·2023-12-24 16:03

关于HyperLedger Fabric基础内容(续)

1、管道原有的数据保密性是通过对交易中的敏感数据进行哈希操作，因此，就需要每个节点维护所有其他节点上的数据来对敏感数据进行安全保障，即使这些数据是我这个节点一点不关心的，特别是有多个联盟加入的时候。所以在fabric中引入了管道概念。管道的设计目的是为了让交易方在各自独立的管道内进行交易，保障交易的秘密性和私有性。一个管道内的交易对其他管道是不可见的，这样所有在交易中的敏感数据都不需要一个单独的数
神奇的考拉·2023-12-24 16:02
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他