原创 單應矩陣在2D圖像拼接中的應用

         

原创 理解卷積神經網絡——CNN(Convolutional Neural Networks)

1 卷積神經網絡(CNN)模型結構 在DNN大類中,卷積神經網絡(Convolutional Neural Networks,以下簡稱CNN)是最爲成功的DNN特例之一。 CNN廣泛的應用於圖像識別,當然現在也應用於NLP等其他領域,本文

原创 簡單的最小二乘法

最小二乘法是用來做函數擬合或者求函數極值的方法。在機器學習,尤其是迴歸模型中,最常用的就是最小二乘迴歸求解模型參數。 1 最小二乘的原理與要解決的問題 最小二乘法是由勒讓德在19世紀發現的,原理的一般形式很簡單,發現的過程是非常艱難的。形

原创 簡單的梯度下降法

求解機器學習算法的模型參數,即無約束優化問題時,梯度下降法是最常採用的方法之一,另一種常用的方法是最小二乘法。這裏對梯度下降法做簡要介紹。 1 梯度 在微積分裏面,對多元函數的參數求∂偏導數,把求得的各個參數的偏導數以向量的形式寫出來,就

原创 理解深度神經網絡——DNN(Deep Neural Networks)

  深度神經網絡——DNN 是深度學習的基礎。 要理解DNN最好先搞清楚它的模型。本篇博文主要對DNN的模型與前向傳播算法做一個易於理解的總結。 1.從感知機到神經網絡的理解。 感知機是這麼一種模型:一個有若干輸入和一個輸出的模型。看下圖

原创 ROS學習總結(7)

理解ROS服務和參數 說明: 本教程介紹了ROS 服務和參數的知識,以及命令行工具rosservice 和 rosparam的使用方法。 目錄 ROS Services 使用rosservice rosservice list rosse

原创 ROS學習總結(4)

編譯ROS程序包 介紹ROS程序包的編譯方法 針對CATKIN方式 目錄 1.編譯程序包 2.使用catkin_make 3.開始編譯你的程序包 編譯程序包 一旦安裝了所需的系統依賴項,我們就可以開始編譯剛纔創建的程序包了。 注意:

原创 ROS學習記錄(12)

簡單的Service和Client(C++ catkin) 編寫Service節點 這裏,我們將創建一個簡單的service節點("add_two_ints_server"),該節點將接收到兩個整形數字,並返回它們的和。 進入先前你在ca

原创 ROS學習總結(1)

Linux中更改環境變量操作如下: sudo gedit ~/.bashrc ROS安裝思路:配置軟件更新源,設置Key,更新,命令行安裝,解決依賴,環境配置 ,以及卸載 系統軟件源配置建議阿里雲。 安裝源配置: sudo sh

原创 ROS學習筆記(11)

編寫簡單的消息發佈器和訂閱器(C ++ catkin) 編寫發佈器節點 "節點(Node)" 是ROS中指代連接到ROS網絡的可執行文件的術語。 接下來,我們將會創建一個發佈器節點("talker"),它將不斷的在ROS網絡中廣播消

原创 C++:#pragma once

#pragma once 頭文件中避免多次引用 或者 #ifndef #define #endif  

原创 Vslam14講(複習三)

三維空間剛體運動 主要目標: 理解三維空間的剛體運動描述方式:旋轉矩陣、變換矩陣、四元數和歐拉角。 掌握Eigen庫的矩陣、幾何模塊的使用方法。 視覺SLAM的基本問題之一:如何描述剛體在三維空間中的運動。直觀上看,一次旋轉加一次平移確實

原创 Vslam14講(複習二)

初識SLAM 主要目標: 理解一個SLAM框架由哪幾個模塊組成,各模塊的任務是什麼。 搭建編程環境,爲開發和實驗做準備。 理解如何在Linux下編譯並運行一個程序,如果有Bug,該如何調試。 掌握cmake的基本使用方法。 2.1引子 輪

原创 C++學習記錄(三):多態

之前呢學習了繼承的基本知識、創建繼承層次結構並明白公有繼承、私有繼承以及保護繼承的區別。接下來該學習面向對象編程的核心——多態,並應用這些知識。 這裏將學到: 多態意味着什麼; 虛函數的用途和用法; 什麼是抽象類以及如何聲明它們; 徐濟成

原创 Vslam14講(複習七)

視覺里程計1 主要目標: 理解圖像特徵點的意義,並掌握在單幅圖像中提取特徵點及多幅圖像中匹配特徵點的方法。 7.1  特徵點法 SLAM系統分爲前端和後端,前端也稱爲視覺里程計。 視覺里程計根據相鄰圖像的信息估計出粗略的相機運動,給後端提