**Cuda基础深度学习模型推理,为啥需要学习tensorRT,因为需要加速, 需要C++部署,为啥又需要学习cuda编程呢, 因为有些前处理, 后处理需要cuda编程来并行运算进行加速, 比如anchor的解码. nms等后处理1: CUDA编程之基本步骤操作概括来说包含5个步骤：1.CPU在GPU上分配内存：cudaMalloc；2.CPU把数据发送到GPU：cudaMemcpy,cudaMe

1：hdl_graph_slam采集数据方法：rosparam set use_sim_time trueroslaunch hdl_graph_slam hdl_graph_slam_inin.launchroscd hdl_graph_slam/rvizrviz -d hdl_graph_slam.rvizrosbag play --clock ***.bag

传感器设备的标定

图像的跟踪SORT算法的理解在跟踪之前，对所有目标已经完成检测，实现了特征建模过程。第一帧进来时，以检测到的目标初始化并创建新的跟踪器，标注id。后面帧进来时，先到卡尔曼滤波器中得到由前面帧box产生的状态预测和协方差预测。求跟踪器所有目标状态预测与本帧检测的box的IOU，通过匈牙利指派算法得到IOU最大的唯一匹配（数据关联部分），再去掉匹配值小于iou_threshold的匹配对。用本帧中匹配

1：传统方法融合算法2：深度学习融合算法

一、双目标定0：左右相机分别进行单目标定，就可以分别得到Rl，Tl，Rr，Tr1：求解左右相机的RT因为拍摄了多张图片，利用最小二乘法，也可以是奇异值分解（数学的部分比较复杂，在这里忽略），总而言之，最小化误差，即可得到我们最佳估计的 矩阵，有了这两个矩阵，我们做个旋转、平移就可以了。2：对极约束校正3：Bouguet校正原理:二、长焦短焦...

1：Deep 概述什么是深度学习：表达学习、可扩展的机器学习、生物神经网络的近似/粗略实现、人类的监督越来越少、多阶段的特征学习过程、相较于传统模式识别激活函数分类image合理的稀疏比例：70~80%，屏蔽特征过多容易出现欠拟合。2. 正则化在深度神经网络训练时的作用正则化可以很好的解决模型过拟合的问题，常见的正则化方式有L2正则化和dropout，但是正则化是以牺牲模型的拟合能力来达到平衡的，