VINS-Mono代码学习

VINS-Mono运行小觅相机bag包

VINS-Mono运行小觅相机bag包1.小觅相机SDK安装2.VINS-Mono安装3.修改VINS-Mono启动文件4.VINS-Mono运行小觅bag包1.小觅相机SDK安装可参考官方给定使用说明书
w风的季节·2020-08-03 22:31

HEVC代码学习13：predInterSearch函数

在上一章的xCheckRDCostInter学习中，我们知道了，进行帧间搜索的入口实际是predInterSearch，今天我们就来对他进行学习。推荐看大神博客http://blog.csdn.net/nb_vol_1/article/details/51162391predInterSearch主要作用是进行运动估计和运动补偿。1.对CU的每一个PU遍历参考列表中的参考图像，进行运动估计，找到最
岳麓吹雪·2020-08-03 19:53

企业服务架构演进-引言

另一方面,从一开始抄代码学习,到搭建框架实践,到写毕业论文项目,到参与一个大型工程的CRUD,到自己封装一个工具类,写一个maven插件,写一个ORM框架,封装一个多用途多功能的aop组件,
程序男·2020-08-03 11:36

python爬虫使用正则爬取网站的实现

首先今天是第一天写博客，感受到了博客的魅力，博客不仅能够记录每天的代码学习情况，并且可以当作是自己的学习笔记，以便在后面知识点不清楚的时候前来复习。
·2020-08-03 09:46

神经网络学习小记录46——Densenet模型的复现详解

神经网络学习小记录46——Densenet模型的复现详解学习前言什么是Densenet代码下载Densenet1、Densenet的整体结构2、DenseBlock3、TransitionLayer网络实现代码学习前言据说
Bubbliiiing·2020-08-03 08:51

BP算法的matlab代码学习

声明：文中的两个案例matlab源码引用自网络，并非本人所写，在此感谢原作者。原链接http://wenku.baidu.com/view/d8df1821aaea998fcc220e03.html?from=search1）traingd——梯度下降反向传播traingdGradientdescentbackpropagation.traingdisanetworktrainingfunctio
A_tianci_O·2020-08-03 07:25

C++图像辅助工具包Eigen入门代码学习（很好的配合Opencv）

首先要说这个工具包非常的方便，解压出来就可以用了。在工程里面加入这个文件夹的路径就可以了。下面是一些代码的练习：#include#includeusingnamespaceEigen;usingnamespacestd;intmain(){MatrixXdm=MatrixXd::Random(3,3);MatrixXdn;n=MatrixXd::Constant(3,3,1.2);//这是一个3*
xiaoiker·2020-08-03 05:14

c，c++，java中static关键字的比较

今天由于项目需要，需要开发java的程序，于是就开始学习java语言，在看别人代码学习的过程中，发现了static关键字，仔细看了下，发现还是和c，c++中有些不同的，现在把3者的比较做个记录。
hwuyule·2020-08-02 20:37

noip2017爆炸记——题解&总结&反省（普及组+提高组）

虽然都拿了一等奖，但这根本不能说明问题，从中可以看出我在敲代码学习上还是问题百出。下面我分两篇来总结一个kubi的OIer的解题思路及心得，当然包括正解
weixin_30475039·2020-08-02 14:35

动手学深度学习PyTorch版--学习笔记1

《动手学深度学习PyTorch版》–学习笔记1Task1线性回归基本要素：模型、数据集、损失函数、优化函数（常用mini-batchstochasticgradientdescent）代码学习：np.random.normal
qq_34686560·2020-08-02 13:25

python爬虫使用正则爬取网站

首先今天是第一天写博客，感受到了博客的魅力，博客不仅能够记录每天的代码学习情况，并且可以当作是自己的学习笔记，以便在后面知识点不清楚的时候前来复习。
渣渣林·2020-08-02 12:43

2020-05-06 ethtool源代码学习步骤

Ubuntu配置步骤1：启用deb源码sourcecode仓库开启deb源码sourcecode仓库Ubuntu配置步骤2：安装gcc/autoconf/automake工具链和其他依赖并编译ethtool生成deb安装包和dbgsym调试符号sudoapt-getinstallbuild-essentialdebhelperautoconfautomakesudoapt-getbuild-dep
liuqun69·2020-08-01 13:11

phpcms代码学习笔记(globle.function.php)

今天有事，先贴出来学习$val)$string[$key]=new_addslashes($val);return$string;}//字符串处理functionnew_stripslashes($string){if(!is_array($string))returnstripslashes($string);foreach($stringas$key=>$val)$string[$key]=n
hawk1404·2020-08-01 12:38

第一行代码学习之 RecyclerView 的使用 [基础篇]

文章目录1.前言2.讲解2.1引入RecyclerView2.2逻辑解释2.2.0Person类2.2.1写好自定义Adapter基本框架2.2.2自定义ViewHolder2.2.3重写Adapter的抽象方法2.2.4主函数2.2.4总结3.测试demo1.前言郭霖先生的《第一行代码》第三版已经出来了，系统讲解Kotlin开发Android的方法。我认为Android初学者（比如我）还是要从J
蛋黄鸟·2020-08-01 11:42

VINS-Mono：一种鲁棒且通用的单目视觉惯性系统

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达Part1.基本信息本文提出了一种基于紧耦合滑动窗口非线性优化方法的单目视觉-惯性系统，来自港科大沈老师实验室。这篇论文的亮点包括提出了效果最佳的IMU预积分理论、估计器初始化机制、故障检测和复原机制、外参在线校订、基于优化的紧耦合VIO、重定位机制以及全局位姿图优化模块等内容。论文开源地址：https://github.com/HKUST-A
3Ｄ视觉工坊·2020-08-01 11:51

HTML代码学习

任务：请根据给出的需求，在基本模板上完善网页，网页包括首页、登录、注册界面。实现3个页面功能，页面外观请参考给出的具体图片首页代码：各位~注意了，这个页面是...是首页注册登录留言板代码解析登录表单代码：functioncheck(){alert("check函数被触发啦~~");returntrue;}各位~注意了，这个页面时...登录页面LoginPlease姓名：密码：点我，返回首页代码解析
屠野·2020-08-01 05:04

nucleus plus代码学习

int.S:;************************************************************************;*;*FUNCTION;*;*INT_Initialize;*;*DESCRIPTION;*;*Thisfunctionsetsuptheglobalsystemstackvariableand;*transferscontroltothe
weixin_30679823·2020-08-01 03:38

PX4代码学习系列博客(2)——PX4与实时操作系统

px4飞控是基于nuttx实时操作系统的。操作系统(OS)是什么？具体的定义可以去看计算机专业的课本或者百度之，我这里讲我自己对操作系统的理解：操作系统相当于在计算机硬件和人或者其它软件之间的一个翻译官，有了它，人和其他软件就不用“说”控制计算机硬件的“艰深”的“语言”。它展示给人的良好的图形界面,提供给其他软件的清晰的API。对于人或者其它软件下达的指令，它自己调度各种计算机硬件设备完成。这一方
仟人斩·2020-07-31 18:09

Jmeter源代码学习心得

1.TestPlan和WorkBenchGUI类是直接加载的，因此左边的树形菜单开始启动Jmeter时显示也是这两个，默认写死了的！可以改源码！在MenuFactory中有相应代码。2.其它的GUI类和TestBean子类需要从ext下的jar包中寻找加载，会根据这些来创建菜单项等等，这些类特别是GUI类需要实现相应的函数方法创建菜单项。3.界面的国际化用messages.properties资源
zhangren07·2020-07-30 21:22

神经网络 | 基于DNN神经网络实现人的年龄及性别预测（代码类）

So开始看代码学习人脸识别方面的事。这是一篇通过人脸图像预测图像中人的性别及年龄的文章。好了！！！！鲜花不聊，上干货。。。。。代码中所需包下载地址：h
冲动的MJ·2020-07-30 20:08

GCC-3.4.6源代码学习笔记（1）

大约4年前，我加入了GDNT-北电网络在中国的合资企业，参与3GUMTS无线接入网的研发工作。与GCC有了第一次亲密的接触（之前使用的是MS的VC）。彼时，北电在其诸如，UMTS、CDMA、及自行开发的众多工具等项目中（此后，在4G项目,Wimax及Lte中），将GCC作为标准编译器来使用。每周我都需要进行数次的loadbuild，编译出load文件进行测试，以验证我对一些bug的修正代码。每次l
wuhui_gdnt·2020-07-30 18:30

VINS-Mono预积分公式推导

写在前面最近看了ESKF之后，收获蛮大的，特别是对于四元数的残差的推导，感觉给出了一个很标准的推导方式，因此就趁热打铁，把VINS中的预积分部分残差推导了一下，也算是对上了VINS中imu_factor.h中的代码部分。残差设状态变量为x=[Pi，Pj，Vi，Vj，Qi，Qj，Bai，Baj，Bgi，Bgj]x=[Pi，Pj，Vi，Vj，Qi，Qj，Bai，Baj，Bgi，Bgj]x=[Pi，Pj
无人的回忆·2020-07-30 18:58

Java 小白入门第一弹 安装与环境配置，开发工具的下载

python和java的异同1.这两者都是开源语言，换言之你可以随意的使用这两门语言而不需要付费，可以阅读他们的源代码学习，并且对它们做一些改动。
固执的鱼besos·2020-07-30 18:55

VIO系列一 | VINS-mono 论文解读：总体框架

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货VINS-mono论文解读（IMU预积分+Marg边缘化）前面，我们已经对接下来的VIO系列主要内容有所介绍（感兴趣的可以关注：视觉与惯性传感器如何融合
AI算法修炼营·2020-07-30 16:56

重定位 | VINS-Mono 论文公式推导与代码解析分讲

4.重定位4.1LoopDetectionVins-Mono利用词袋DBoW2做KeyframeDatabase的构建和查询。在建立闭环检测的数据库时，关键帧的Features包括两部分：VIO部分的200个强角点和500个Fast角点，然后描述子使用BRIEF(因为旋转可观，匹配过程中对旋转有一定的适应性，所以不用使用ORB)。DescribefeaturesbyBRIEFFeaturestha
qq_43525734·2020-07-30 16:09

VINS-Mono 笔记

文章目录常用操作Clonetherepositoryandcatkin_makeRunVINS-MonowithEuRoCbag.与GroundTruth对比保存posegraph加载地图总览系统框架论文框架代码结构代码文件目录VINS-Monorostopiclist数据结构函数sensor_msgs::PointCloud()midPointIntegration()ClassClassFea
冬瓜大侠·2020-07-30 16:45

VINS-Mono翻译

Abstract由摄像机和低成本惯性测量单元(IMU)组成的单目视觉惯性系统(VINS)构成了用于度量六自由度状态估计的最小传感器套件。然而，由于缺乏直接距离测量，在IMU处理、估计器初始化、外部标定和非线性优化等方面提出了重大挑战。在本文中，我们提出了一种鲁棒的、通用的单目视觉惯性状态估计器VINSMono.我们的方法从一个稳健的程序开始，用于估计器初始化和故障恢复。采用一种基于紧耦合、非线性优
是皮皮攀呀，·2020-07-30 16:22

VINS-MONO翻译以及理论推导系列(一)：IV测量预处理

IV：测量预处理该部分描述惯性以及单目视觉测量预处理步骤。对于视觉测量，我们追踪连续帧间的特征点以及在最近的帧中检测新的特征点。对于IMU测量，对两连续帧进行预计分。注意到我们使用的廉价的IMU，其测量值会受到偏置和噪声的双重影响。因此我们在IMU预计分的过程中特别考虑偏置。A.视觉处理前端对每一帧新的图像，KLT稀疏光流算法[29]对现有的特征点进行跟踪.同时，检测新的角点特征[30]以维持每帧
稻壳特筑·2020-07-30 15:10

VINS-Mono之外参标定和视觉IMU联合初始化

文章目录1.前言2.外参标定(利用旋转约束估计外参数旋转qcb)q^{b}_{c})qcb)3.视觉IMU联合初始化3.1陀螺仪偏置的估计(利用旋转约束估计bwb_{w}bw)3.2速度、重力和尺度初始化(利用预积分约束估计vbkbkv^{b_{k}}_{b_{k}}vbkbk、gc0g^{c_{0}}gc0、sss)3.3优化重力向量gc0g^{c_{0}}gc03.4对齐导航世界坐标系1.前言
Hansry·2020-07-30 13:26

VINS-Mono之后端非线性优化 (目标函数中视觉残差和IMU残差，及其对状态量的雅克比矩阵、协方差递推方程的推导)

文章目录1.前言2.非线性最小二乘2.1Guass-Newton和Levenberg-Marquardt2.2鲁棒核函数下状态量增量方程的构建3.局部BundleAdjustment代价函数的构建4.IMU测量残差(增量误差)及其对状态量雅克比矩阵、协方差递推方程的推导4.1IMU测量残差(增量误差)4.2IMU优化变量4.3IMU增量残差对状态量的雅克比矩阵4.4协方差递推方程5.视觉测量残差（
Hansry·2020-07-30 13:25

VINS-Mono之IMU预积分，预积分误差、协方差及误差对状态量雅克比矩阵的递推方程的推导

文章目录1.前言2.IMU模型3.基于世界坐标系下的IMU运动模型3.1连续形式下的IMU运动模型3.2离散形式下的IMU运动模型3.2.1欧拉法离散形式3.2.2中值法离散形式4.IMU预积分(基于第K帧IMUbody坐标系下的运动模型)4.1连续形式下的IMU运动模型4.2离散形式下的IMU运动模型4.2.1两帧之间PVQ增量的欧拉法离散形式4.2.2两帧之间PVQ增量的中值法离散形式5.非线
Hansry·2020-07-30 13:23

VINS-MONO翻译以及理论推导系列(三)：VI紧耦合单目VIO、VII重定位

VI.紧耦合单目VIO估计器初始化后，我们采用基于滑动窗口的紧耦合单目VIO进行高精度和鲁棒状态估计。图3显示了滑动窗口的图示。A.公式化滑动窗口中的完整状态向量定义为：其中是捕获图像时的IMU状态。它包含了IMU在世界帧中的位置、速度和方向，以及在IMU本体坐标帧中的加速度计偏置和陀螺仪偏置，n是关键帧的总数，m是滑动窗口中的特征总数，是第一次观测到的特征的逆深度。我们使用视觉惯性集束调整公式（
稻壳特筑·2020-07-30 13:56

VINS-MONO翻译以及理论推导系列(四)：VIII全局位姿图优化、IX实验结果

VIII.全局位姿图优化重新定位后，局部滑动窗口移动并与过去的姿态对齐。利用重定位结果，提出此位姿图优化步骤以确保将过去姿势的集合登记为全局一致配置。由于我们的视觉惯性设置使滚动和俯仰角完全可观测，累积漂移只发生在四个自由度(x，y，z和偏航角)。为此，我们忽略了对无漂移的滚转和俯仰状态估计，只进行了四自由度位姿图的优化。A.位姿图中添加关键帧当关键帧从滑动窗口中边缘化时，它将被添加到位姿图中。这
稻壳特筑·2020-07-30 13:56

SimpleAdapter代码学习bindView

工作任务完成了，，闲来无事看看AndroidFrameWork层源码，SimpleAdater；看到bindView（）这个方法有这么一段：booleanbound=false;if(binder!=null){bound=binder.setViewValue(v,data,text);}判断SimpleAdapte有没有指定SimpleAdapter.ViewBinder,如果指定了就调用其s
Blessing_H·2020-07-30 08:30

apollo代码学习2.2——深度解析(control)

每次遇见复杂的事情总是在先寻找一种简单明了的方式进行研究，用一种浅显易懂的方式来表达。今天继续apollo代码中control模块的总结。好了，还是先看下总框架图吧：回忆下上次的代码总结。如下：intApolloApp::Spin(){ros::AsyncSpinnerspinner(callback_thread_num_);///开消息线程autostatus=Init();///模块初始化（
蓝色的眸·2020-07-30 05:22

apollo代码学习2.3——深度解析(control)

每次遇见复杂的事情总是在先寻找一种简单明了的方式进行研究，用一种浅显易懂的方式来表达。今天继续apollo代码中control模块的总结。还是老样子为了与前面文章衔接，先看下总框架图吧：对于control模块，前面的已将其流程大致梳理，依旧先看下spin函数。intApolloApp::Spin(){ros::AsyncSpinnerspinner(callback_thread_num_);//
蓝色的眸·2020-07-30 05:22

apollo代码学习2.1——深度解析(control)

还是以这张图开始介绍吧。之所以拿这张图看，主要我觉得它能够把复杂的apollo架构简单简明化，途中的箭头表示数据流动的方向，从图中不难发现，定位模块是基础，提供了高精地图，而且重要的是图中其他的模块都需要这个地图数据，因此我们就很清楚其重要性了。canbus是基于can总线通往下层控制器的，而perception是获取车上如lidar,radar,camera等传感器数据的模块，这两个模块都需要直
蓝色的眸·2020-07-30 05:22

apollo代码学习2.4——深度解析(control)

前段时间总结了一下control模块工作的大致流程，但是还有很多遗留的问题，上次博客也有提及到，像单独模块的具体算法实现，消息主题的订阅与发布（ros如何进行改进）这两个问题。那么今天就来总结下第一个问题，具体算法的实现。从百度apollo开源的代码来看，控制模块的控制器有纵向控制器，横向控制器和mpc控制器三个，默认情况使用纵向和横向控制器，mpc没使用。下面是控制器的注册代码段。在之前介绍初始
蓝色的眸·2020-07-30 05:51

apollo代码学习1

接触到百度无人驾驶开源代码apollo是导师推荐学习的，在摸索了一个多月后，终于有了一些眉目，对于一个本科并非学习计算机的我来说，学习过程中补充了很多基础知识，包括编程语言C++，以及软件设计方法的种种思想。因网上对apollo代码解析的博客很少，我个人对apollo理解又多少有些偏颇，因此将自己学习过程中的心得体会写出来，希望大家一起学习交流，并能够对其中的错误进行指正，我也会虚心讨教。今天，我
蓝色的眸·2020-07-30 05:51

Hadoop源代码学习（完整版）

Hadoop源代码学习（完整版）Hadoop源代码分析（一）HadoopMapreduceGoogleHBaseFacebook经济不行啦，只好潜心研究技术。Google的核心竞争技术是它的计算平台。
xiaogugood·2020-07-30 05:48

百度Apollo5.0控制模块代码学习（四）横向控制

1车辆动力学模型关于车辆的方向盘动力学模型的推导过程可参考：https://blog.csdn.net/u013914471/article/details/83018664；https://blog.csdn.net/u013914471/article/details/83748571；动力学模型如下：其中，各个参数涵义如下：e1e_{1}e1：横向误差；e1˙\dot{e_{1}}e1˙：横
wwyklnh·2020-07-30 05:00

百度Apollo5.0控制模块代码学习（六）横纵向控制总结

本文禁止转载！！1横纵向控制原理分析之前分析了百度Apollo的横纵向控制原理，并分别画出了原理图。由于实际车辆控制当中是横向控制和纵向控制共同起作用，因此将横纵向控制原理总结如下图。输入：规划模块确定的轨迹，车辆当前的状态输出：油门，刹车，方向盘转角注意：横向控制中输入偏差是横向位置偏差，纵向控制中输入偏差是纵向位置偏差。横纵向控制有共同的目标点，但是横向控制中目标点是距离最近的点，而纵向控制中
wwyklnh·2020-07-30 05:00

百度Apollo5.0控制模块代码学习（一）横纵向控制

自己在学习自动驾驶的相关知识，经过同事的推荐，下载了百度Apollo的代码并进行了安装，运行成功之后更加激发了我对自动驾驶的兴趣。经过这几天对代码中控制模块的学习，对其中的一些知识有了认识，通过CSDN这个平台将这些认识记录下来，方便以后更加深入的学习。一百度Apollo控制模块简介百度Apollo控制模块共包括三种控制方式：1，横向控制；2，纵向控制；3，MPC控制；这三种控制的区别及原理在CS
wwyklnh·2020-07-30 05:00

百度Apollo5.0控制模块代码学习（五）横向控制

1横向控制流程图在之前我分析了横向控制的相关代码，在此进行总结，并对其中的一些疑问进行解释。首先根据对横向控制的代码进行分析，整理了如下的控制流程图：2跟踪点确定和纵向控制中一样，我们可以用下图表示代码中涉及的点点1：车辆目前的位置；点2：距离车辆最近的点；点5：前视点（0.8s之后的点）；从以下代码中可以看出，系统的状态向量为matrix_state_。constdoublesteer_angl
wwyklnh·2020-07-30 05:00

Apollo代码学习(四)—Windows下编译Apollo并与Carsim和Simulink联调

Apollo代码学习—Windows下编译Apollo并与Carsim和Simulink联调郑重声明2020.2.19更新前言准备所需工具安装说明源码编译Carsim和Simulink的设置Carsim
follow轻尘·2020-07-30 01:22

Apollo代码学习(二)—车辆运动学模型

Apollo代码学习—车辆运动学模型前言车辆模型单车模型(BicycleModel)车辆运动学模型阿克曼转向几何(Ackermanturninggeometry)小结Apollo(阿波罗)是一个开放的、
follow轻尘·2020-07-30 01:49

Apollo代码学习(五)—横纵向控制

Apollo代码学习—横纵向控制前言纵向控制横向控制前馈控制注意反馈控制总结补充2018.11.28前言在我的第一篇博文：Apollo代码学习(一)—控制模块概述中，对横纵向控制做了基本概述，现在做一些详细分析
follow轻尘·2020-07-30 01:49

Apollo代码学习(一)—控制模块概述

Apollo代码学习—控制模块概述补充2018.11.08更新2018.11.15更新2018.11.20更新前言控制纵向控制标定表的生成横向控制控制信号仿真仿真平台及工具Apollo(阿波罗)是一个开放的
follow轻尘·2020-07-30 01:49

Vulkan教程 - 02 代码架构及实例创建

本篇博客继续学习Vulkan，主要是基础代码学习记录。
捉不住的鼬鼠·2020-07-30 01:18

机器学习pytorch平台代码学习笔记（3）——激励函数

你的神经网络层只有两三层,不是很多的时候,对于隐藏层,使用任意的激励函数都是可以的,不会有特别大的影响.不过,当你使用特别多层的神经网络,不得随意选择利器.因为这会涉及到梯度爆炸,梯度消失的问题.在少量层结构中,我们可以尝试很多种不同的激励函数.在卷积神经网络Convolutionalneuralnetworks的卷积层中,推荐的激励函数是relu.在循环神经网络中recurrentneuraln
玥晓珖·2020-07-30 01:57
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他