原创 Andrew Ng coursera上的《機器學習》ex5

Andrew Ng coursera上的《機器學習》ex5 按照課程所給的ex5的文檔要求,ex5要求完成以下幾個計算過程的代碼編寫: 1.LinearRegCostFunction.m 該.m文件包含了求正則化線性迴歸模型代

原创 Andrew Ng coursera上的《機器學習》ex3

Andrew Ng coursera上的《機器學習》ex3 按照課程所給的ex3的文檔要求,ex3要求完成以下幾個計算過程的代碼編寫: exerciseName description IrcostFunction.m

原创 C++11 類的多態

c++中類的三大特性是:繼承,封裝,多態。 因爲近期寫代碼用到了類的多態性,所以在這裏再總結一下。 一、多態的定義 關於多態的定義,我是參考大佬的文章再加上自己的理解得到以下內容的,大佬鏈接在此。 1.1 多態的定義 多態性可

原创 python使用ElementTree處理xml容易犯錯的點&美化xml

python使用ElementTree處理xml容易犯錯的點&美化xml引言代碼環境相關先上代碼 引言 目前因爲需要寫一個tool處理xml文件,對於面向瀏覽器編程的我來說,迅速打開chrome開始搜索關鍵字python xml,

原创 kalman濾波以及EKF

之前在看tinySLAM的時候就涉及到了PF(粒子濾波),現在在看google的cartographer的代碼的時候又遇到了EKF這個濾波的方法,所以還是值得學習一下的。EKF的學習是參考,這是一篇關於SLAM的基本普及的文獻,對於基

原创 ICP算法重讀

今天面試的時候被問到了ICP的內容,想想之前自己做了那麼多的工作,竟然忘記了,所以決定來重讀一下。打算是以Q&A的形式來進行回顧,這樣才能清楚的知道到底是哪兒不明白。 Q1: ICP用的最多的是點雲的匹配,一般都是PCL中的ICP算法

原创 Cartographer 代碼邏輯

先在此聲明一下:這篇文章是在泡泡機器人的公衆號文章Cartographer理論及實現淺析的基礎上進行學習的,所以必須先感謝一下泡泡機器人對這一塊的貢獻! 整體理論概述 還是先放一張圖: 大家看一下這張圖,裏面有scan與submap

原创 google cartographer的論文《real-time loop closure in 2D LIDAR SLAM》翻譯

cartographer論文翻譯 初衷 因爲自己看了兩天論文毫無頭緒,就想着那就先把這篇論文翻譯一下,然後加上自己的一些理解。看看能不能得出點啥來。 摘要 便攜式激光測距儀(也就是LIDAR)以及實時定位和繪圖(slam)都是比較有效的

原创 tensorflow/magenta在ubuntu14.04上的安裝

基於要拿神經網絡要做藝術性的工作,所以想借鑑一些google的magenta項目,具體的安裝其實最簡單的方式就是使用conda(anaconda這個軟件)。按照官網給出的安裝方法其實也就可以安裝完成了,但是由於目前版本的問題,所以需要記錄

原创 目標檢測算法總結

目錄 目錄 一、目標檢測 1. 算法目的:一是分類圖像中的物體,二是給出圖像中物體的具體位置 2. 解決算法:一是傳統的圖像處理方法,二是基於深度學習的方法。 二、傳統目標檢測 1. 主要算法流程: 2. 典型算法 二、tw

原创 將訓練好的模型進行封裝然後在不同平臺使用(分框架,分平臺)

一. tensorflow框架下的模型封裝,固化 一般都是使用python在服務器上訓練好模型之後,將模型的參數和計算圖結構進行固化爲pb文件,然後使用C++,JAVA,go,調用,當然也可以在mobile上使用。接下來將分別對應不同的語

原创 一起學RGB-D-slam環境配置

跟着高博的博客在學RGB-D-slam,對於Ubuntu這個系統的使用還是比較陌生的,按照高博的博客安裝opencv和pcl後,(詳情見:http://www.cnblogs.com/gaoxiang12/p/4633316.html)在

原创 VIO當中的預計分 《On-manifold preintegration for real-time visual-inertial Odometry》

該博客是關於VIO當中預計分的知識。同時結合高翔博士的講解PPT以及原文章。我剛開始也看不是很懂,然後不斷的查各種知識甚至原文中的各種英文術語,然後先理解術語是什麼意思,再將其與該論文中的應用場景對應,其中還選擇擇了高翔博士的《視覺SLA

原创 java中容易犯錯的知識點

java中容易犯錯的知識點 該博客的內容是在看了《head first java》之後總結的一些知識點,是針對我個人的不足總結的知識點,我寫博客還是newer,希望大神們多多指教。需要注意的是這篇內容的標號和《head first jav

原创 CNN當中的幾個知識點

一、卷積操作 關於卷積操作,個人理解就是用一個filter(m*m)的,去對原來的圖像進行相乘相加運算。之前的DNN裏面講到的weight其實就是對應着這裏的filters。所以也需要網絡自己根據訓練情況進行修改。卷積操作裏面的兩個要點: