这对于一些爱好者，在想学习某个品牌嵌入式系统（如树莓派，Jetson系列）的同时，又能很快的用现成的其搭建好的整体软硬系统产品做一些效果验证，不然嵌入式系统的外围配件等就要自己操心了。博主近期入手了一个带机械臂的智能小车，会以此作为入口点，验证机械臂配合2D相机做引导，配合3D深度相机做引导，同时会涉及MoveIt2仿真，ROS2，SLAM建图等。这家专注于教育学习领域，在各成品模块的基础上，做集

这对于一些爱好者，在想学习某个品牌嵌入式系统（如树莓派，Jetson系列）的同时，又能很快的用现成的其搭建好的整体软硬系统产品做一些效果验证，不然嵌入式系统的外围配件等就要自己操心了。博主近期入手了一个带机械臂的智能小车，会以此作为入口点，验证机械臂配合2D相机做引导，配合3D深度相机做引导，同时会涉及MoveIt2仿真，ROS2，SLAM建图等。这家专注于教育学习领域，在各成品模块的基础上，做集

前面写了很多关于树莓派4B方面的博客，可见博主的专栏https://blog.csdn.net/jiugeshao/category_11447160.html?spm=1001.2014.3001.5482https://blog.csdn.net/jiugeshao/category_11447160.html?spm=1001.2014.3001.5482接下来会有关于NVIDIA Jets

整理下目标检测常用算法的知识：一. RCNN (Regions with CNN) RBG1. 候选区域选择（region proposal), 用到了SelectiveSearch2. 对于每个区域利用CNN抽取一个固定长度的特征向量（Alexnet， 基于Caffe进行的代码开发）3. 再对每个区域利用SVM进行目标分类。同时做边界回归。技巧：采用在ImageNet上已经训练好的模型，然后在P

帖子中的推导是针对某个观测序列出现的概率，其是要求出所有可能的情况，故是在求和计算。那么在算到第3个观测序列是白的时候，要考虑这是从第一个盒子、第二个盒子、第三个盒子拿到的白色的情况，同时也要结合第2序列是从第一个盒子中取出白色，第二个盒子中取出白色，第三个盒子中取出白色这三种情况来计算。resample函数中代码如下，这边的意思是根据权重来产生和该粒子相同的新粒子的个数，那么权重大的就会多复制一

接着前面系列博客接着讲，此篇来介绍下tensorflow的模型库的使用，当前安装tensorflow的时候，models中库不会自动安装，可能对比pytorch，大家会觉得tensorflow自带的object detection模型好少，其实不然。下面就对tensorflow的models中的objection模块进行一个详细的使用介绍。https://github.com/tensorflow

整理下目标检测常用算法的知识：一. RCNN (Regions with CNN) RBG1. 候选区域选择（region proposal), 用到了SelectiveSearch2. 对于每个区域利用CNN抽取一个固定长度的特征向量（Alexnet， 基于Caffe进行的代码开发）3. 再对每个区域利用SVM进行目标分类。同时做边界回归。技巧：采用在ImageNet上已经训练好的模型，然后在P

1.直方图均衡化、滤波编码、阈值分割（峰谷法、灰度阈值法）、区域增长、分裂合并https://wenku.baidu.com/view/6341c428a36925c52cc58bd63186bceb18e8ed02.html2.区域生长、区域分离合并、使用分水岭变化（来源：Matlab(冈萨雷斯）3. PCA主成分分析方法（来源大论文）主成分分析[39]（PCA）方法是一种数学变...

之前的博客里有介绍如何在windows下在QT Creator界面显示点云数据，见如下链接QTcreator界面上显示pcl点云数据_jiugeshao的专栏-CSDN博客这里再介绍下Ubuntu下的配置。1. 使用apt-get install libpcl-dev，安装完毕后，vtk和eigen都会安装上了2.可在/usr下看到安装的一些版本：2. 用QTCreator打开项目，在里面加入界面

TensorRT的安装可见我的上一篇博客Ubuntu配置TensorRT及验证_jiugeshao的专栏-CSDN博客博主的一些基本环境配置可见之前博客非虚拟机环境下Ubuntu配置_jiugeshao的专栏-CSDN博客第一步: 准备安装AnacondaAnaconda3-5.2.0-Linux-x86_64.shhttps://repo.anaconda.com/archive/Anacond