SLAM论文笔记

论文笔记：SimiDTR: Deep Trajectory Recovery with Enhanced Trajectory Similarity

DASFFA20231intro1.1背景由于设备和环境的限制（设备故障，信号缺失），许多轨迹以低采样率记录，或者存在缺失的位置，称为不完整轨迹恢复不完整轨迹的缺失空间-时间点并降低它们的不确定性是非常重要的一般来说，关于轨迹恢复的先前研究可以分为两个方向第一个方向：模拟用户在不同位置之间的转换模式，以预测用户的缺失位置本质上是一个分类任务，恢复的轨迹通常由位置或POI组成第二个方向：基于记录的不
UQI-LIUWJ·2023-11-12 01:46

论文笔记：AttnMove: History Enhanced Trajectory Recovery via AttentionalNetwork

AAAI20211intro1.1背景将用户稀疏的轨迹数据恢复至细粒度的轨迹数据是十分重要的恢复稀疏轨迹数据至细粒度轨迹数据是非常困难的已观察到的用户位置数据十分稀疏，使得未观察到的用户位置存在较多的不确定性真实数据中存在大量噪声，如何有效的挖掘周期性规律存在一定困难经常在历史轨迹中被访问的地点并不一定会是目标时间窗缺失的地点，如何利用用户历史上的位置数据是另一个挑战1.2论文思路提出了一个基于注
UQI-LIUWJ·2023-11-12 01:14

C++20新特性简要概述

C++20新特性1,模块(Modules)2,Ranges3,协程(Coroutines)4,Concepts5,Lambda[=,this]asLambdaCaptureTemplatedLambdaExpressions
未燃机智鱼·2023-11-11 21:32

ubuntu安装rtl8811cu网卡驱动

给实验室电脑装了linux双系统，专门用学习ROS和SLAM相关，奈何主机没有网卡，搞了一个usb无线网卡插上，发现在linux无法自动安装驱动问题，记录安装自己安装rtl8811cu网卡驱动过程。
change36·2023-11-11 17:33

【论文笔记】Denoising Diffusion Probabilistic Models

PreKnowledge1.条件概率的一般形式P(A,B)=P(B∣A)P(A)P(A,B)=P(B|A)P(A)P(A,B)=P(B∣A)P(A)P(A,B,C)=P(C∣B,A)P(B,A)=P(C∣B,A)P(B∣A)P(A)P(A,B,C)=P(C|B,A)P(B,A)=P(C|B,A)P(B|A)P(A)P(A,B,C)=P(C∣B,A)P(B,A)=P(C∣B,A)P(B∣A)P(A)
xhyu61·2023-11-11 17:02

深蓝-视觉SLAM-第一讲习题

一，熟悉linuxunbuntuAPT-GET工作原理：https://www.cnblogs.com/cyl2008/p/6417443.html1，“sudoapt-getinstall”下载安装软件包大体分为四个步骤：(1)扫描本地存放的软件包更新列表（由”apt-getupdate"命令刷新更新列表，也就是var/lib/apt/lists/),找到最新版本的软件包；进行软件包依赖关系检查
思考之路·2023-11-11 12:22

EVO Evaluation of SLAM 2 --- VINS-Mono 编译和利用数据集运行

我是用最新的ceres，地址是：https://ceres-solver.googlesource.com/ceres-solverCeressolverproblem:用最新的master代码编译并且安装，编译过程如下。在文章最后记录下来，方便大家出现编译问题的时候看下用到哪些库，来解决编译问题。特别是安装目录，一定要保存好，这里文末附上安装结果显示，可以知道ceres安装目录：然后编译vins
晚餐男孩·2023-11-11 12:46

【转载】VINS-Mono环境配置与测试笔记

VINS-Mono环境配置与测试笔记标签：SLAMVINS-mono本文转载自：VINS-Mono环境配置与测试笔记error：cv_bridge---opencv和ros连接起来的桥1.简介VINS-Mono
RedFishChen·2023-11-11 12:15

CRNN论文笔记

CRNN最近在看天池大赛的学习赛零基础入门CV-街景字符编码识别，其中官方给出的demo中baseline就有CRNN版本，因此在这里看一看CRNN的论文。前期知识储备：概率论：了解基本的概率论知识，掌握条件概率的概念和公式CNN：了解卷积神经网络CNN的结构，掌握CNN的基本工作原理LSTM：了解长短时记忆网络LSTM的结构，掌握LSTM的基本工作原理CTC：了解CTC算法的思想，掌握基于DP实
在学习的王哈哈·2023-11-11 12:15

C++ 手写链表

很不错https://www.cnblogs.com/winslam/p/10089004.html
Qu1et·2023-11-11 08:48

python实现全向轮EKF_SLAM

python实现全向轮EKF_SLAM代码地址及效果运动预测观测修正参考算法代码地址及效果代码地址运动预测简化控制量utu_tut分别定义为vxΔtv_x\DeltatvxΔt，vyΔtv_y\DeltatvyΔt
季马宝宝·2023-11-11 07:35

为何GPU受到服务器厂商的热捧？

今年5月，IBM宣布计划为iDataPlexdx360M3可横向扩展服务器提供一对TeslaM2050GPU，戴
jeremykingkong·2023-11-11 03:52

Exploration by random network distillation论文笔记

ExplorationbyRandomNetworkDistillation(2018)随机网络蒸馏探索0、问题这篇文章提出的随机网络蒸馏方法与Curiosity-drivenExplorationbySelf-supervisedPrediction中提出的好奇心机制的区别？猜想：本文是基于随机网络蒸馏提出的intrinsicreward设计方式，好奇心是基于前向动力学模型的误差设计的intri
Gabriel17·2023-11-11 02:30

Count-based exploration with neural density models论文笔记

Count-basedexplorationwithneuraldensitymodels[J].InternationalConferenceonMachineLearning,InternationalConferenceonMachineLearning,2017.基于计数的神经密度模型探索0、问题这篇文章的关键在于弄懂pseudo-count的概念，以及是如何运用pseudo-count去
Gabriel17·2023-11-11 02:57

视觉SLAM十四讲ch7 orb_self.cpp报错 段错误 (核心已转储)

在运行orb_self.cpp代码时出错。终端显示段错误(核心已转储)经过搜索并未找到合适的解决方法。于是仔细检查代码，发现以下函数异常voidComputeORB(constcv::Mat&img,vector&keypoints,vector&descriptors)再次调试发现这一行出现问题if(img.at(pp.y,pp.x)(qq.y,qq.x)){仔细检查参数cv::Point2fp
Nico_J ??·2023-11-10 22:42

研究生期间工作记录

时间工作23/07从视觉slam方向转换位激光slam，细读了LOAM、LIO-SAM、FAST-LIO2、faster-lio23/08研究低内存消耗方向的大规模激光slam，以及提高精度23/09完成一篇会议论文
Nico_J ??·2023-11-10 22:42

论文笔记：DALL-E2：Hierarchical Text-ConditionalImage Generation with CLIP Latents(未完成)

本文鉴于作为参考感谢作者论文笔记：DALL-E2：HierarchicalText-ConditionalImageGenerationwithCLIPLatents详解_hierarchicaltext-conditionalimagegenerationwit_nocol
VimpireSC·2023-11-10 22:06

上手 GTSAM 4.3.0 求解非线性曲线拟合问题

GTSAM4.3.0非线性曲线拟合参考链接:链接1:例子由来链接2:实验室大佬的博客遵循视觉SLAM十四讲的思路,上手各类求解器都可以用非线性曲线拟合这个例子来做.假设问题如下:y=ax2+bxy=ax
平凡矩阵·2023-11-10 11:53

Opencv中三个光流跟踪函数

在slam里，光流跟踪判断图像中某一物体的动态性，主要包括3个函数：1、goodFeaturesToTrack函数作用：提取输入图像中像素级别的角点，支持harris角点和ShiTomasi角点。
felynman·2023-11-10 11:50

【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF

目录1.证明题证明：若某个高斯随机变量为零均值，协方差为对角线矩阵且大小相同（各向同性），那么在乘任意旋转矩阵以后，其均值仍为零，且协方差不变；2.代码实现运动方程将F矩阵拆开实现各状态变量的更新在运动过程代码中，将矩阵拆开，分别为每种状态变量实现运动方程。请给出公式和代码实现的说明代码实现：3.左乘模型下的ESKF推导3.1误差状态运动学推导3.2误差状态的运动方程及噪声方程3.3GNSS观测方
宛如新生·2023-11-10 11:49

Learning an Animatable Detailed 3D Face Model from In-The-Wild Images论文笔记

LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImages论文笔记论文目标:提出一个端到端的框架,可以从非受控的图片中学习高质量、可动画的3D
binlin1209·2023-11-10 10:28

SLAM面试笔记(6) — C++面试题

目录第1章常见面试题1intmain(intargc,char**argv)函数中，参数argc和argv分别代表什么意思？2结构体和共用体的区别3使用共用体读写成员时需要注意什么？4简述C++有几种传值方式，之间的区别是什么？5为什么值传递不改变实参的值？6全局变量和局部变量的区别7全局变量和局部变量如何初始化？8请说说原码、反码、补码9说说数组与指针10说说数组和指针的区别11数组指针与指针数
几度春风里·2023-11-10 04:40

论文笔记系列-Neural Network Search ：A Survey

论文笔记系列-NeuralNetworkSearch：ASurvey论文笔记NASautomlsurveyreviewreinforcementlearningBayesianOptimizationevolutionaryalgorithm
aiwanghuan5017·2023-11-10 01:17

论文笔记：CVPR2021 Bottom-Up Shift and Reasoning for Referring Image Segmentation

任务名字：ReferringImageSegmentation(RIS)keywords：one-stageRIS、graph、relationreasoning背景：方法比较vision-and-languageapproachesbasedontheirdesigningprinciples,（1）multimodalfusionandrepresentationlearning（2）lang
_击空明兮溯流光_·2023-11-09 23:44

论文笔记：CROSSFORMER: TRANSFORMER UTILIZING CROSSDIMENSION DEPENDENCY FOR MULTIVARIATE TIME SERIES FOREC

ICLR20231intro1.1motivation之前用Transformer预测时间序列的工作，大多集中在建模时间维度的关系上。利用时间维度的自注意力机制，建立不同时间步之间的关系而在多元时间序列预测中，各个变量之间的关系也很重要。之前的模型，主要是将每个时间步的多元变量压缩成一个embedding，再进行时间维度的attention。这种方法的问题是缺少对不同变量之间关系的建模，直接每个时
UQI-LIUWJ·2023-11-09 14:26

米家扫拖一体机器人重置键_如何评价小米米家扫拖一体机器人？

众所周知，米家前两款扫地机器人(2016年的米家一代&2019年的米家1S)都是石头科技的产品，并且从第一代就是LDS激光导航传感器和SLAM算法(SimultaneousLocalizationAndMapping
氧化三氢正离子·2023-11-09 12:17

Ubuntu 20.04.5 安装ROS 环境

如：转：机器人控制：SLAM-AndroidAPP_Lan.W的博客-CSDN博客如果选择，按下录制按钮时相机流将按照设置
Lan.W·2023-11-09 11:45

Markov Chain Fingerprinting to Classify Encrypted Traffic 论文笔记

0.Abstract在本文中，提出了用于SSL/TLS会话中传输的应用程序流量的随机指纹。这个指纹基于一阶齐次马尔可夫链，模型识别应用程序的准确率，并提供了检测异常对话的可能性。1.Introduction通过SSL/TLS会话时的头部信息创建统计指纹，用于分类应用流量。研究了12个使用SSL/TLS的代表性应用程序的马尔可夫链指纹，建立的模型展现出特定的结构，这种结构能够通过比较应用程序流量和和
想出成果的acmer·2023-11-09 05:55

#每天一篇论文#235/365 DynamicFusion：非刚体场景实时重建与追踪

ReconstructionandTrackingofNon-rigidScenesinReal-Timeprojectwebsite:http://grail.cs.washington.edu/projects/dynamicfusion摘要我们提出了第一个能够实时重建非刚性变形场景的稠密slam
流浪机器人·2023-11-09 05:21

论文笔记：SSD: Single Shot MultiBox Detector

一、基本信息标题：SSD:SingleShotMultiBoxDetector时间：2016引用格式：Liu,Wei,etal.“Ssd:Singleshotmultiboxdetector.”Europeanconferenceoncomputervision.Springer,Cham,2016.二、研究背景相比FasterRCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被
snoopy_21·2023-11-09 02:45

《视觉SLAM十四讲》-- 李群与李代数

文章目录03李群与李代数3.1李群与李代数基础3.1.1群3.1.2李群3.2李代数的引出3.3李代数的定义3.4李代数so(3)\mathfrak{so}(3)so(3)3.5李代数se(3)\mathfrak{se}(3)se(3)3.6指数与对数映射3.6.1SO(3)上的指数映射3.6.2SE(3)上的指数映射3.6.3小结3.7李代数求导与扰动模型3.7.1BCH公式与近似形式3.7.2
算法导航·2023-11-08 21:04

《视觉SLAM十四讲》-- 三维空间的刚体运动

文章目录02三维空间的刚体运动2.0机器人位姿表述2.1点和坐标系2.1.1三维坐标系有关表述2.1.2坐标系变换2.2旋转向量和欧拉角2.2.1旋转向量2.2.2欧拉角2.3四元数2.3.1四元数的定义2.3.2四元数的计算2.3.3四元数表示旋转2.3.4四元数与其他旋转表示法的转换2.4相似、仿射、射影变换02三维空间的刚体运动2.0机器人位姿表述（1）二维与三维空间中，机器人位姿的表述：2
算法导航·2023-11-08 21:33

《视觉SLAM十四讲》-- 相机与图像

04相机与图像4.1相机模型4.1.1针孔相机模型针孔模型描述了一束光线通过针孔后，在针孔背面投影成像的关系（类似小孔成像原理）。根据相似三角关系Zf=−XX′=−YY′(3-1)\frac{Z}{f}=-\frac{X}{X^{\prime}}=-\frac{Y}{Y^{\prime}}\tag{3-1}fZ=−X′X=−Y′Y(3-1)其中，负号表示成的像是倒立的。但实际相机得到的图像并不是倒
算法导航·2023-11-08 21:58

论文笔记：AAAI 2019 Hypergraph Neural Networks

1.前言论文链接：http://gaoyue.org/paper/HGNN.pdfgithub：https://github.com/iMoonLab/HGNN在本文中提出了一个用于数据表示学习的超图神经网络(HGNN)框架，它可以在超图结构中编码高阶数据相关性。面对在实践中学习复杂数据表示的挑战，特别是在处理复杂数据时，超图在数据建模方面更加灵活。该方法设计了超边卷积运算来处理表示学习过程中的数
饮冰l·2023-11-08 19:46

【论文笔记】Point Cloud Forecasting as a Proxy for 4D Occupancy Forecasting

原文链接：https://arxiv.org/abs/2302.131301.引言运动规划需要预测其余物体的运动，但相应的感知模块如建图、目标检测、跟踪和轨迹预测通常都需要大量人力标注HD地图、语义标签、边界框或物体的轨迹，难以扩展到大型无标签数据集上。3D点云预测是一种自监督方法，但其算法隐式地捕捉传感器的外参（自车运动）、内参（激光雷达的采样模式）和其余物体的形状与运动。但自动驾驶系统需要预测
byzy·2023-11-08 18:50

【论文笔记】RTNH+: Enhanced 4D Radar Object Detection Network using Combined CFAR-based Two-level Preproce

【论文笔记】RTNH+:Enhanced4DRadarObjectDetectionNetworkusingCombinedCFAR-basedTwo-levelPreprocessingandVerticalEncoding
byzy·2023-11-08 18:49

【论文笔记】OpenOccupancy: A Large Scale Benchmark for Surrounding Semantic Occupancy Perception

原文链接：https://arxiv.org/abs/2303.039911.引言目前缺少自动驾驶场景中的大型环视占用感知数据集。本文提出OpenOccupancy基准，并通过添加密集语义占用标注将nuScenes扩展为nuScenes-Occupancy。使用增强和净化（AAP）流程，以标注并密集化占用标签。首先通过多帧激光雷达点叠加来初始化标签，并使用预训练基准方案建立的伪占用标签增强稀疏标注
byzy·2023-11-08 18:19

【论文笔记】UniPAD: A Universal Pre-training Paradigm for Autonomous Driving

原文链接：https://arxiv.org/pdf/2310.08370.pdf1.引言过去的3D场景理解预训练方法多采用2D图像领域中的想法，可大致分为基于对比的方法和基于MAE的方法。基于对比的方法通过对比损失，在特征空间中将相似的3D点拉进而将不相似的点分开；但正负样本选择的敏感性和增加的延迟使其应用受限。掩膜自编码（MAE）则因为点云数据的稀疏性和不规则性而遇到挑战。本文提出一种新的3D
byzy·2023-11-08 18:32

【视觉slam14讲】公式推导

李群与李代数公式推导李群李代数对应关系李代数求导案例（p85）公式[1]雅可比扰动模型案例（p85）NOTE矩阵求导求导规律：（1）常量可以提取到导数外（2）分子中线性组合可以拆开（3）转置符号可以提取出来查表链接:矩阵查表非线性最小二乘解析解数值解（迭代）一阶梯度法一阶梯度法缺点：容易产生锯齿二阶梯度法（牛顿法）？？？写为内积不是很懂？？？牛顿法缺点：H不容易计算，H的逆也不容易计算
我要算BA·2023-11-08 15:53

视觉SLAM总结——LSD SLAM中关键知识点总结

视觉SLAM总结——LSDSLAM中关键知识点总结视觉SLAM总结——LSDSLAM中关键知识点总结1.LSDSLAM的创新点/关键点是什么？2.LSDSLAM的整体框架是怎样的？
Leo-Peng·2023-11-08 15:50

视觉SLAM总结——SVO中关键知识点总结

视觉SLAM总结——SVO中关键知识点总结视觉SLAM总结——SVO中关键知识点总结1.为什么叫半直接法视觉里程计？2.SVO的优缺点是什么？3.SVO的整体框架是怎样的？
Leo-Peng·2023-11-08 15:19

SLAM中的优化、李群李代数和BA

TableofContents1.SLAM中优化目标函数的表示2.李群李代数的引入3.BA本文为高博《视觉SLAM十四讲》李群李代数部分的学习笔记。
文科升·2023-11-08 15:11

ORB-SLAM2中关键知识点总结

目录1、ORBSLAM2的总体框架是怎样的？2、ORBSLAM2是怎样完成初始化的？3、ORBSLAM2是如何进行Tracking的？4、ORBSLAM2是如何选取关键帧的？
家门Jm·2023-11-08 15:40

传统ORB-SLam中位姿优化中雅克比矩阵讲解

由于之前的鱼眼orbslam只有单目部分，所以在优化时也只是用了单目位姿优化和三维坐标点优化，并没有将双目的优化添加进去，不知道是否对结果有影响；这里添加双目的优化部分，主要是将添加雅克比矩阵；orbslam
三轮车的视觉进阶_·2023-11-08 15:09

理解SLAM中的概念

概率论基础标准正态分布单位阵服从标准正态分布高斯过程SMW恒等式线性高斯系统的状态估计BCH公式为什么要有bch公式？标量的指数乘法可以直接转化为系数的加法，而使用ＢＣＨ公式可以使得矩阵的指数可以相乘，ＢＣＨ公式是无穷级数，广义的ＢＣＨ公式保留了前面几项（该几项相加），也即是等于矩阵的指数乘法。进而可以对旋转和姿态的扰动求雅阁比。变换为李乘积公式矩阵和李群李群首先，为什么要研究群？可以更加方便，直
南苏月·2023-11-08 15:39

【SLAM学习】《视觉SLAM十四讲》第七讲 ICP误差求导公式推导

最近继续学习高博的《视觉SLAM十四讲》，看到第七章，对于ICP计算时的误差公式比较迷惑，花时间自己推导了一下，以此记录，也供大家查看。
顺其灬自然丨·2023-11-08 15:36

SLAM编程：优化问题求解（2）_细谈求导

SLAM编程：优化问题求解（2）_细谈求导前言一、正常思路：目标/损失函数直接对优化变量求导1.实例：最小二乘位姿估计二、清奇思路：不直接求导1实例：追踪光流也能是优化问题？
Ares_Drw·2023-11-08 15:31

SLAM中求导相关的公式总结

李代数与李群的关系R˙RT\dot{R}R^{T}R˙RT是一个反对称矩阵，所以这个矩阵可以用一个1×3向量进行反对称来表示R˙RT=Φ^\dot{R}R^{T}=Φ^{\hat{}}R˙RT=Φ^，根据十四讲4.8的推导，最后则有R(t)˙=Φ^⋅R(t)\dot{R(t)}=Φ^{\hat{}}·R(t)R(t)˙=Φ^⋅R(t)这个李代数ΦΦΦ反映了RRR的导数性质，所以李代数是李群SO(3
Rhys___·2023-11-08 15:00

论文笔记——基于新型多传感器融合策略的移动端双目视觉惯性SLAM闭环算法研究

2、移动端优化：本文中SLAM算法前端采用了角点检测和光流的方
kkmd66·2023-11-08 14:17

近十年的VI-SLAM算法综述与发展

本文主要总结一下这几年工作中遇到过以及改进过相关VIO算法1.背景介绍一个完整的SLAM(simultaneouslocalizationandmapping)框架包括传感器数据、前端、后端、回环检测与建图
半不闲居士·2023-11-08 14:16
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他