SLAM漫谈

《 C++ 点滴漫谈： 四十 》文本的艺术：C++ 正则表达式的高效应用之道

摘要本文全面讲解了C++标准库中的正则表达式功能（头文件），内容涵盖基础语法、关键类和函数（如std::regex、std::regex_match、std::regex_search等），深入剖析了匹配结果的获取方式、进阶使用技巧与性能优化策略。此外，文中结合实际工程中的典型用例展示了正则表达式在文本处理、日志分析、格式校验等场景中的高效应用，并指出了常见错误与调试建议。最后，本文还探讨了C++
Lenyiin·2025-06-02 16:06

科研论文术语全解析：彻底搞懂什么是Baseline、Pipeline..........等内容【2025最新版！！！】

引言在撰写科研论文的过程中，尤其是在计算机视觉、机器人、SLAM以及三维重建等领域，准确理解并使用核心术语对于展示研究的科学性、系统性具有至关重要的作用。
那就举个栗子！·2025-06-01 00:59

【SLAM自救笔记1】：苟活

亲爱的朋友们，欢迎收看年度爱恨情仇苦情大型连续剧：《SLAM请再爱我一次の我在双非读硕士》前言：书接上文，蘑菇车联的SLAM实习生面试环节只有两面，分别是技术面+HR面；由于coding表现较差（工程问题和理论问题似乎回答的还不错
沮丧的迈克尔·2025-05-31 20:53

如何成为一名优秀的产品经理

了解目标检测、跟踪、SLAM等基础算法概念。定位：GNSS、IMU、高精地图、轮速计等定位技术，RTK，定位精度与可靠性。
一点.点·2025-05-31 12:31

ORB-SLAM2学习笔记：ExtractorNode::DivideNode和ORBextractor::DistributeOctTree函数详解

一、ExtractorNode::DivideNodevoidExtractorNode::DivideNode(ExtractorNode&n1,ExtractorNode&n2,ExtractorNode&n3,ExtractorNode&n4){constinthalfX=ceil(static_cast(UR.x-UL.x)/2);constinthalfY=ceil(static_cas
xMathematics·2025-05-30 14:15

ROS2学习（15）------ROS2 TF2 机器人坐标系管理器

它广泛应用于机器人导航、SLAM、机械臂控制等场景。什么是TF2？简单来说：TF2是ROS2中用于实时跟踪和转换多个坐标系之间位置
村北头的码农·2025-05-28 00:51

《 C++ 点滴漫谈： 三十九 》不泄露的秘密：用 RAII 打造稳健的 C++ 程序

摘要本篇博客深入解析了C++中的RAII（资源获取即初始化）机制，从基础原理到现代语法融合，全面剖析其在资源管理、异常安全和工程实践中的重要价值。文章不仅涵盖智能指针、锁管理、文件封装等典型应用场景，还探讨了RAII与C++20协程、事务控制等前沿技术的结合。同时指出常见误区与调试技巧，帮助开发者构建更加健壮、安全、易维护的C++应用程序。一、引言在软件开发中，资源管理一直是令人头疼的问题之一。无
Lenyiin·2025-05-27 00:15

高精地图与SLAM：依赖停车场高精地图提供结构信息，结合SLAM（同步定位与地图构建）技术实现实时定位与导航

基于现有资料，截至2025年3月1日，高精地图与SLAM技术在停车场场景中的结合应用主要体现在以下几个方面：1.SLAM的实时定位与增量地图构建SLAM技术通过激光雷达、摄像头、IMU等传感器实时采集环境特征
百态老人·2025-05-26 03:46

（秋招复习）自动驾驶与机器人中的SLAM技术（一）

秋招复习之--自动驾驶与机器人中的SLAM技术1前言第一章自动驾驶基础知识第二章基础数学知识回顾旋转的表示SO(3)的BCH近似运动学表示线速度与加速度的处理一些常见的雅可比滤波器和最优化理论第三章惯性导航与组合导航
什么都不会的小澎友·2025-05-26 02:42

第十天 高精地图与定位（SLAM、RTK技术） 多传感器融合（Kalman滤波、深度学习）

本文将从零基础角度，通过具体场景案例，深入解析SLAM、RTK、Kalman滤波等关键技术原理，并附MATLAB/Python代码实例演示，帮助读者构建完整知识体系。
MarkHD·2025-05-26 02:40

【SLAM中的点云处理：从基础到实战】

最近一直在学SLAM算法，发现点云处理是非常非常重要的，我就再认真学了一遍关于点云处理的内容（看了高翔老师的一本书——《自动驾驶与机器人中的SLAM技术：从理论到实践》，写得非常好，还有配套的代码），这篇博客就作为我的点云处理学习笔记
Unpredictable222·2025-05-25 12:04

【学习笔记】Sophus (Python) 使用文档

内容围绕SO3（3D旋转群）和SE3（3D刚体变换群）展开，适合机器人学、SLAM、三维几何等领域。
chase。·2025-05-24 15:17

matlab slam实时定位 路径规划

在MATLAB中实现SLAM（SimultaneousLocalizationandMapping，即同时定位与地图构建）的实时定位和路径规划，可以通过多种方法进行。
ghie9090·2025-05-23 13:47

SuperVINS：实时视觉-惯性SLAM框架，应对挑战性成像条件

SuperVINS：实时视觉-惯性SLAM框架，应对挑战性成像条件SuperVINSAreal-timevisual-inertialSLAMframeworkforchallengingimagingconditions
秋泉律Samson·2025-05-22 11:01

新兴技术与安全挑战

Serverless函数注入：漏洞代码（AWSLambda）：deflambda_handler(event,context):cmd=event.get('c
Alfadi联盟 萧瑶·2025-05-22 03:37

Zephys OS 基础篇：漫谈Zephyr与Contiki的未来

ZephyrOS所有的学习笔记已托管到Github，CSDN博客里的内容只是Github里内容的拷贝，因此链接会有错误，请谅解。最新的学习笔记请移步GitHub：https://github.com/tidyjiang8/zephyr-inside从一接触ZephyrOS开始，我就不断地将它与ContikiOS进行比较，以预测今后的发展趋势，以判断自己今后的学习方向。ZephyrOS从2016年2
chunhua.jiang·2025-05-22 00:42

10 基于Gazebo和Rviz实现导航仿真，包括SLAM建图，地图服务，机器人定位，路径规划

在9中我们已经实现了机器人的模块仿真，现在要在这个基础上实现SLAM建图，地图服务，机器人定位，路径规划1.还是在上述机器人的工作空间下，新建功能包（nav），导入依赖gmappingmap_serveramclmove_base2
cosX+sinY·2025-05-21 12:56

基于ROS2/Gazebo的室内送餐机器人系统开发实战教程

功能需求分析用户下单语音交互模块订单处理路径规划运动控制避障检测目标送达状态反馈1.2技术栈选型组件技术选型机器人框架ROS2Humble仿真环境Gazebo11导航系统Nav2（Navigation2）建图算法SLAMToolbox
Tech Synapse·2025-05-21 02:19

《 C++ 点滴漫谈： 三十八 》为什么越来越多 C++ 工程师爱上范围 for？答案都在这里！

摘要C++范围for循环自C++11引入以来，已成为现代C++编程的重要工具。本文系统梳理了其语法机制、适用类型、变量声明方式、底层展开原理及与结构化绑定、并发容器、C++23ranges特性的深度融合。通过丰富的工程示例与常见误区解析，帮助读者全面掌握范围for的使用技巧与优化策略，理解其在现代C++编程范式中的地位与演进趋势。一、引言在C++11之前，遍历容器或数组是一个重复且容易出错的过程。
Lenyiin·2025-05-20 12:54

Kotlin 作用域函数（let、run、with、apply、also）对比

以下是let、run、with、apply、also的对比分析：一、核心区别对比表函数上下文对象引用返回值是否扩展函数典型使用场景letitLambda结果是非空对象处理、链式操作runthisLambda
_龙小鱼_·2025-05-17 16:10

实战演练：用 AWS Lambda 和 API Gateway 构建你的第一个 Serverless API

实战演练：用AWSLambda和APIGateway构建你的第一个ServerlessAPI理论千遍，不如动手一遍！
weixin_42587823·2025-05-16 17:31

ubuntu18.04上编译R3live

前言R3live是香港大学Mars实验室提出的一种实时的、激光雷达-惯性-视觉融合的SLAM系统，这篇博客主要记录本人配置R3live环境、编译、运行的过程。
Herres·2025-05-16 16:18

跑通华科开源激光雷达-视觉-惯性SLAM：SR-LIVO

跑通华科开源激光雷达-视觉-惯性SLAM：SR-LIVO1.介绍SR-LIVO（LiDAR-Inertial-VisualOdometryandMappingSystemwithSweepReconstruction
半熟芝士味·2025-05-15 09:35

利用自适应双向对比重建网络与精细通道注意机制实现图像去雾化技术的PyTorch代码解析

利用自适应双向对比重建网络与精细通道注意机制实现图像去雾化技术的PyTorch代码解析漫谈图像去雾化的挑战在计算机视觉领域，图像复原一直是研究热点。其中，图像去雾化技术尤其具有实际应用价值。
RockLiu@805·2025-05-14 18:24

视觉SLAM十四讲第 2 讲 初识 SLAM

1.SLAM是什么SLAM是SimultaneousLocalizationandMapping的缩写，中文译作“同时定位与地图构建”。
tmiger·2025-05-14 04:21

实战演练：用 AWS Lambda 和 API Gateway 构建你的第一个 Serverless API

实战演练：用AWSLambda和APIGateway构建你的第一个ServerlessAPI理论千遍，不如动手一遍！
撸码到无法自拔·2025-05-13 14:51

实战演练：用 AWS Lambda 和 API Gateway 构建你的第一个 Serverless API

实战演练：用AWSLambda和APIGateway构建你的第一个ServerlessAPI理论千遍，不如动手一遍！
大G哥·2025-05-13 09:50

毫米波雷达点云SLAM系统

毫米波雷达点云SLAM系统基于毫米波雷达点云数据的三维SLAM(同步定位与建图)系统，用于狭窄环境如室内和地下隧道的三维建图。
小彭律师·2025-05-13 02:33

SLAM:单应矩阵，本质矩阵，基本矩阵详解和对应的c++实现

单应矩阵（HomographyMatrix）单应矩阵（HomographyMatrix）是计算机视觉中描述同一平面在不同视角下投影变换的核心工具，广泛应用于图像校正、拼接、虚拟广告牌替换等场景。以下从原理、求解方法和C++实现三方面展开详解：一、单应矩阵的数学原理定义与作用单应矩阵是3×3的齐次矩阵，满足关系：s⋅x′=H⋅xs\cdot\mathbf{x}'=\mathbf{H}\cdot\ma
xMathematics·2025-05-12 01:11

视觉SLAM ch5代码总结（二）

图像去畸变CMakeLists.txtcmake_minimum_required(VERSION3.10)project(basics)#Eigeninclude_directories("/usr/include/eigen3")#opencvfind_package(OpenCVREQUIRED)#添加头文件include_directories(${OpenCV_INCLUDE_DIRS}
雨幕丶·2025-05-10 01:34

基于ROS2机器人建图工具包Gmapping

在ROS2中使用Gmapping进行2DSLAM（即时定位与地图构建）的完整指南如下：1.Gmapping简介Gmapping是经典的基于粒子滤波的2DSLAM算法，依赖：激光雷达（LiDAR）数据机器人里程计
研创通之逍遥峰·2025-05-09 16:58

AGV智能搬运机器人：富唯智能引领工业物流高效变革

一、技术突破：精准导航与智能协同富唯智能AGV智能搬运机器人搭载激光SLAM导航技术，结合多传感器融合（3D避障相机、红外、超声波），实现±5mm的重复定位精度，无需铺设轨道即可快速部署，适应动态环境下的实
富唯智能·2025-05-09 03:07

run-model-context-protocol-servers-with-aws-lambda：在 AWS Lambda 中运行 MCP 服务器

run-model-context-protocol-servers-with-aws-lambda：在AWSLambda中运行MCP服务器run-model-context-protocol-servers-with-aws-lambdaRunexistingModelContextProtocol
费琦栩·2025-05-07 08:08

AI人工智能推动空间智能技术的升级与创新

AI人工智能推动空间智能技术的升级与创新关键词：人工智能、空间智能、深度学习、计算机视觉、SLAM、增强现实、智能导航摘要：本文探讨了人工智能如何推动空间智能技术的创新与发展。
AI智能探索者·2025-05-06 01:54

《 C++ 点滴漫谈： 三十六 》lambda表达式

一、引言在C++98和C++03时代，尽管C++拥有强大的泛型编程能力和丰富的面向对象特性，但在表达局部逻辑、回调行为或一次性函数处理时，程序员却常常需要冗长的代码来定义函数对象（functor），或者使用函数指针配合复杂的上下文传递手段。这不仅降低了代码的可读性和开发效率，还容易引入潜在的错误。随着函数式编程（FunctionalProgramming）理念在主流语言中的普及（如JavaScri
Lenyiin·2025-05-06 00:49

Serverless架构与自动化运维

Serverless架构与自动化运维目录☁️Serverless概念与应用场景️使用AWSLambda、AzureFunctions实现自动化任务事件驱动架构与微服务设计Serverless应用的监控与优化
Switch616·2025-05-05 15:51

通过深度学习推进增材制造：当前进展与未来挑战综述

AdvancingAdditiveManufacturingthroughDeepLearning:AComprehensiveReviewofCurrentProgressandFutureChallenges作者：AmirulIslamSaimon
源代码杀手·2025-05-03 12:20

vue 循环tabs 标签页 组件_vue+tabs动态组件方案漫谈

这是一篇枯燥的笔记，很可能最后还没有demodemo地址。Tabs标签页大家应该很熟悉了，特别是在jQuery盛行时代，内容可以高效地集中。如果使用vue这种自身就偏单页应用的框架，如何实现tabs动态加载所需页面呢？以下是我在实现过程中遇到的问题，供参考。1.核心方法是什么?在Vue内置组件中，有个名叫component的组件，提供:is属性用于决定渲染目标，并提供了keep-alive指令把切
UnstructuredIO·2025-05-01 17:04

03_Mybatis-Plus LambadaQueryWrapper 表达式爆空指针异常

03_MyBatis-PlusLambdaQueryWrapper爆出空指针异常的坑点分析❓场景描述来看一段常见的MyBatis-Plus查询写法，是否存在问题？
耀耀_很无聊·2025-05-01 03:59

常用回环检测算法对比（SLAM）

回环检测本质上是一种数据相似性检测算法，原理是通过识别机器人是否回到历史位置，建立位姿约束以优化全局地图，纠正长期的里程计漂移实现全局地图的一致性，简单讲就是识别场景中的重复特征以修正累积误差。1.概述算法类别原理特点优势劣势词袋模型特征聚类为单词，TF-IDF加权相似度依赖手工特征，倒排索引加速检索实时性高，适合移动端忽略空间信息，误判相似场景概率改进模型贝叶斯滤波动态更新概率分布结合里程计与场
具身小站·2025-04-30 18:33

高翔《视觉SLAM十四讲》第七章视觉里程计3d-2d位姿估计代码详解与理论解析

高翔《视觉SLAM十四讲》第七章代码详解与理论解析一、三维空间位姿估计核心算法实现在视觉SLAM领域，3D-2D位姿估计是确定相机在三维空间中位置和姿态的关键技术。
xMathematics·2025-04-30 08:53

高翔视觉slam中常见的OpenCV和Eigen的几种数据类型的内存布局及分配方式详解

vector>内存布局及分配方式详解1.内存对齐的必要性Eigen的固定大小类型（如Eigen::Vector2d、Eigen::Matrix4d等）需要16字节内存对齐，以支持SIMD指令（如SSE/AVX）的并行计算。若未对齐，可能导致程序崩溃或性能下降。2.默认分配器的潜在问题若直接使用std::vector，其默认分配器std::allocator可能无法保证内存对齐。例如：若容器内存起始
xMathematics·2025-04-30 07:51

SLAM（同步定位与建图）技术的步骤解析

SLAM算法框架分为传感器采集数据，前端匹配，后端非线性优化，回环检测以及建图等。
具身小站·2025-04-29 14:12

漫谈 Clustering (2): k-medoids

上一次我们了解了一个最基本的clustering办法k-means，这次要说的k-medoids算法，其实从名字上就可以看出来，和k-means肯定是非常相似的。事实也确实如此，k-medoids可以算是k-means的一个变种。k-medoids和k-means不一样的地方在于中心点的选取，在k-means中，我们将中心点取为当前cluster中所有数据点的平均值：RoughCollie并且我们
smoothylx·2025-04-28 04:52

自动化技术应用：AGV机器人与智能分拣系统如何重构仓储效率

一、AGV机器人：柔性搬运与智能调度1.技术特性与场景适配多导航模式：融合激光SLAM、二维码与惯性导航技术，适应复杂仓储环境（如高位货架、窄巷道）。动态避障：
kdniao2025·2025-04-27 13:49

Unity常用优化技术漫谈(1)

在渲染过程中，着色器的编译是一个将高级着色器语言（如HLSL、GLSL或者Unity的ShaderLab）转换成可以在图形硬件上运行的低级机器代码的过程。这个过程通常涉及以下几个步骤：着色器编写和预处理开发者使用高级着色器语言编写着色器代码，这些代码可以包含预处理器指令、条件编译块等。预处理器指令在实际编译之前执行，用于条件编译和代码组织。着色器编译Unity在编辑器中或者在游戏运行时将着色器代码
你一身傲骨怎能输·2025-04-27 08:20

Ros Noetic 20.04 ORB-SLAM2-RGBD 栅格地图转换实战

前言：RosNoetic20.04ORB-SLAM2-RGBD稠密度建立地图实战_ubuntu20.04运行orb-slam2稠密建图-CSDN博客https://blog.csdn.net/weixin
忒懂先生·2025-04-26 21:43

AWS Lambda 架构深入探究

AWSLambda是现代云架构中最受欢迎的服务之一，因其能够在完全托管的无服务器环境中运行代码而广受认可。
云攀登者-望正茂·2025-04-25 23:10

Matlab中的SLAM算法实现

Matlab中的SLAM算法实现SLAM（SimultaneousLocalizationandMapping）是一种在机器人领域中广泛应用的算法，它可以同时实时建立环境地图并定位机器人自身的位置。
NoerrorCode·2025-04-25 19:43

SLAM | 两组时间戳不同但同时开始的imu如何对齐

场景：两个手机在支架上，同时开始采集数据需求：对齐两个数据集的imu数据做到A图片+Bimu做法：取出来两组imu数据到excel表中，画图A组B组：x轴：所有imu的时间戳减去第一个时间戳y轴：acce.x画在一张表上，对比轨迹，看相似度，如果两个数据没有完全对上，手动找到A组B组相同轨迹突出的点，取出来对应点的x轴数据A点B点相减得到CB组x轴+C此时对齐数据轨迹接下来要做的是对齐时间戳A组和
是娜个二叉树！·2025-04-24 04:21
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他