logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

三维特征描述子:PFH、FPFH、VFH、PPF

参考:http://www.pclcn.org/study/shownews.php?id=101https://blog.csdn.net/xinxiangwangzhi_/article/details/90023207https://blog.csdn.net/u011736771/article/details/85103293http://www.pclcn.org/study/show

#计算机视觉
【Numpy】中np.random.rand()和np.random.randn()的用法和区别

numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中:本函数可以返回一个或一组服从**“0~1”均匀分布**的随机样本值。numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。1. np.random.rand()语法:np.random.rand(d0,d1,d2……dn)注:使用方法与np.random

#python#numpy
【ROS】rosbag使用

参考:1.https://blog.csdn.net/weixin_42905141/article/details/1000573232.https://www.cnblogs.com/long5683/p/14284272.html一、rosbag简介rosbag 既可以指命令行中数据包相关命令,也可以指 c++/python 的 rosbag 库。这里的 rosbag 是指前者。rosbag

#自动驾驶#人工智能
KM算法详解

参考:https://www.cnblogs.com/logosG/p/logos.htmlhttp://www.mamicode.com/info-detail-2527621.htmlhttps://blog.csdn.net/songbai1997/article/details/82014828KM算法(Kuhn-Munkres),用来求带权二分图的最大权匹配(最优匹配)。一、KM算法详解

#算法
ROS下采用camera_calibration进行单目相机标定

参考:https://blog.csdn.net/learning_tortosie/article/details/79901255https://blog.csdn.net/learning_tortosie/article/details/82347694https://blog.csdn.net/weixin_35695879/article/details/86666784?depth_

#ubuntu#自动驾驶
广度优先搜索算法(BFS)详解

参考:https://www.cnblogs.com/tianqizhi/p/9914539.html广度优先搜索算法(又称宽度优先搜索)是最简便的图的搜索算法之一,这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS(breadth-first search),属于一种盲目搜寻法,目的是系统地展开...

#算法#数据结构#python
【C++11】之 emplace_back() 与 push_back() 的区别

参考:http://c.biancheng.net/view/6826.htmlhttps://www.jianshu.com/p/1fb2daf66582?native.theme=1C++开发中,我们会经常用到插入操作对STL的各种容器进行操作,比如vector、map、set等。要知道,向 vector 容器中添加元素的唯一方式就是使用它的成员函数,如果不调用成员函数,非成员函数既不能添加也

#c++
【C++】const与constexpr详解

常量表达式函数在使用前,必须要有该函数的定义。

#c++#开发语言#算法
【Numpy】中np.random.uniform()函数用法

参考: https://www.cnblogs.com/fpzs/p/10504658.htmlnumpy.random.uniform()介绍:函数原型:numpy.random.uniform(low,high,size)功能:从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.参数介绍:low: 采样下界,float类型,默认值为0;high:

#python#numpy
凸包(Convex Hull)问题算法详解

参考:https://blog.csdn.net/Zhang_Chen_/article/details/102417129前言:首先,什么是凸包?假设平面上有p0~p12共13个点,过某些点作一个多边形,使这个多边形能把所有点都“包”起来。当这个多边形是凸多边形的时候,我们就叫它“凸包”。如下图:然后,什么是凸包问题?我们把这些点放在二维坐标系里面,那么每个点都能用 (x,y) 来表示。现给出点

#算法
暂无文章信息