精读西瓜书才了解西瓜书的由来，原来里面机器学习的例子都是拿西瓜举例啊。一、机器学习的原理对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序从经验E中学习。这个经验实际就是数据。机器学习就是把现实世界当中要研究的对象通过特征值将其数字化，然后让计算机通过这些已有的数字学习经验，即训练，得到判断能力即模型。例子：1、垃圾邮件识别/过滤：假定你

研究生的数学建模比赛是硕士研究生和博士研究生一起竞赛，对比本科参加的大学生数学建模竞赛天壤之别，难度和复杂度不可同日而语，竞争压力之大也不可想象，不过因为兴趣还是参加了。这次搭配上不需要妹纸（并不是），一个组最好有一个女生，但也只是建议，毕竟实验室的三个工科男搭配的也有模有样。今年的比赛时间是2021.10.14日8:00至20201.10.18日12:00，10月13日下载试题了，开赛前仔细阅读

使用OPENGL （Open Graphics Library）可以用来进行虚拟模型的渲染，OPENGL一个跨语言、跨平台的图形编程接口，具有2D/3D 建模、坐标变换、交互技术、纹理映射等功能，包含几百个核心函数，通过这些函数可以便捷、快速地渲染虚拟模型。

关于HoloLens 2设备提供了研究者模式，便于开发者访问传感器的原始数据，进行科研开发，本博客根据github项目在线获得图像数据，但是目前达不到实时传输的效果，延迟很高，期望以后的深入学习可以解决。

导师让我了解SLAM，SLAM原本是比较小众的方向，最近自动驾驶火起来，做这个SLAM的人也多了，反过来也会推动机器人感知的发展。希望未来学成的时候，能赶上机器人大规模普及，就业一片蓝海。关于视觉SLAM我感觉学习成本高、科研选题难和行业壁垒高，但是充满挑战不是很有意思嘛。学SLAM方向跟motion planning科研都不好做，而且都很吃数学基础。学习难度的话，planning可能教程更多一点

目前最近的SDK版本是1.4.2，这个相机成本便宜，有硬同步的IMU，频率也够高，自带标定，对于目前我只做视觉SLAM定位足够用了。然而封库，其他各种依赖库要跟着SDK的库，OpenCV不使用ROS自带的版本，使用单独版本3.4.3等等。这个SDK组织得真的是一言难尽，所以分析SDK中实时显示点云图代码并加以改进，记录下学习的过程。

D3可以实现更加灵活且富有变化的图形。在使用Echarts的配置项就可以完成绘图，而D3需要自己造轮子，手动实现可视化的每一处细节，虽然门槛更高、难度更大，但是使用起来更加灵活自由，能够实现更为复杂多样的可视化效果。通过此次项目使用D3的选择DOM元素和绑定数据，数据添加、更新DOM元素的操作，使用D3一般遵循以下流程

最近科研需要改进算法，需要先对图像进行增强后处理，所以对图像增强技术做一个总结。图像增强的目的就是要提高图像的质量，在图像处理中，有两种提高图像质量的方法：一是图像在采集的过程中，知道图像质量降低的原因，根据原因进行图像恢复，图像复原等处理，二是不管图像质量降低的过程，针对图像本身增强，后者就是本文讨论的内容。图像增强处理技术基本上可以分成两大类，一类是空域处理方法,一类是频域处理方法。

最近对内部排序进行复习，深入掌握各种排序算法的思想、排序过程和特征，对一些常用排序算法的关键代码进行比较，最终为了在工作中看到特定序列有选择最优排序算法的能力。一、直接插入排序这种排序的思想是，在待排序的数组中，设置一段排序区间让他始终保持有序并不断增大，直到覆盖整个数组，就完成了对数组的排序。这就是最简单的直接插入排序，它的时间复杂度 是 O(N)~O(N^2)当待排序集合本身接近有序时，它的时

Unity为开发者提供了一套非常完美的图形化界面引擎，包括游戏窗口、文本窗口、输入框、拖动条、按钮、贴图框等。本文巩固Unity GUI图形用户界面的知识，对GUI脚本编写和场景的切换进行总结。一、界面的切换1、新建场景在之前Scene_Shot的基础上，再新建一个场景：File-〉New Scene，File-〉Save Scene，输入场景文件名为Menu2、新建一个脚本文件：Project-