先说结论：如果代码中需要用到nonfree.hpp和legacy.hpp，不要考虑装opencv3及以上版本！直接装opencv2！下文中有opencv和opencv-contrib的下载链接，由于当时只保存了下载网址，没留下原博csdn地址，如果原博能看到的话请留言，我再添加~参考的优秀博主链接：qt+opencv2.4.16.3进一步，回顾一下之前的曲折历程以及过程中领悟的小细节：1. Qt5

路径:flightmare/src/flightmare/flightrl/examples尝试运行：python run_drone_control.py运行指令：python3 run_drone_control.py --train 0 --render 1前期准备：anaconda建立python=3.6的库：conda create -n flightmare python=3.6开虚拟

笔记为B站教学视频（https://www.bilibili.com/video/BV1q44y1x7WC?p=5）的记录，非常感谢UP主的精彩分享！一、工作空间可视化整体思路：在关节空间中随机生成变量；通过正运动学函数fkine得到变换矩阵；变换矩阵通过transl函数得到三维坐标。在点足够多的情况下，不断标出的三维坐标拼接后则形成了动作空间。生成随机变量：rand//在（0，1）内均匀生成随机

(1)用Yolo-fastest 在RGB里检测动态物体，用深度图获得三维信息，用3D-soft跟踪动态物体(2)通过生成最优光滑轨迹，预测目标的轨迹，从而快速躲避动态、静态障碍物使用低成本深度相机代替事件相机；提出了分层轨迹生成算法：运动学路径搜索+基于梯度优化；填补了多小快速运动目标感知与避障领域空白；可以RGB-D相机躲避多个快速运动小物体指标： 半径5m/s;距离

ISAAC GYM项目更新与task实例简单梳理

openvins项目链接：https://docs.openvins.com/项目内容：https : //github.com/rpng/open_ vinsOpenVINS项目包含一些核心计算机视觉代码以及基于过滤器的最新视觉惯性估计器。核心滤波器是扩展卡尔曼滤波器，可将惯性信息与稀疏的视觉特征轨迹融合在一起。这些视觉特征轨迹是利用多状态约束卡尔曼滤波器（MSCKF）滑动窗口公式融合而成的，该

路径:flightmare/src/flightmare/flightrl/examples尝试运行：python run_drone_control.py运行指令：python3 run_drone_control.py --train 0 --render 1前期准备：anaconda建立python=3.6的库：conda create -n flightmare python=3.6开虚拟

一、矩阵算子范数1.提出在计算中经常出现矩阵和向量的乘积，因此希望矩阵范数和向量范数间有某种协调性，因此提出了矩阵范数和向量范数的相容性：注意写法：matrix：M，矩阵；vector：V，向量上一次提到相容性，是在矩阵范数内部的相容性，是由于矩阵相乘所提出的2.算子范数由关系式：定义的矩阵范数 为从属向量范数 的矩阵范数，简称 从属范数/算子范数算子范数为矩阵范数...

本文参考何凯明大神的暗通道去雾算法《Single Image Haze Removal Using Dark Channel Prior》和一些相关的csdn上的博客，并附上自己编写的代码采用暗通道先验去雾算法中模糊图像（有雾图像）模型被描述成：I(x)是我们观察到的图像，即有雾的图像，J(x)是我们要恢复的图像，即去雾之后的图像，A是全局大气光强，t是媒介传播系数。这个算法的目的就是从I、A、t

PS: 本人是在安装完anaconda3的情况下进行安装与配置的1. 环境要求Ubuntu 18.04 or 20.04.Python 3.6, 3.7 or 3.8.Minimum recommended NVIDIA driver version: Linux: 460.322. 下载官网下载地址：https://developer.nvidia.com/isaac-gym/download需