错误日志运行rtabmap稠密建图时，报一个插件错误未载入错误：PluginlibFactory: The plugin for class 'octomap_rviz_plugin' failed to load这种错误基本都是没装某个包出现的。解决方法sudo apt install --upgrade ros-melodic-octomap*...

错误日志ERROR: cannot launch node of type [octomap_server/octomap_server_node]: octomap_serverROS path [0]=/opt/ros/melodic/share/ros错误原因这个报错说的是打不开node，因为没有octomap_server这个type那么问题要么是路径找不到octomap-server，要

目录前言深度学习模型在AI芯片上部署的一般流程通过ATC工具进行模型转换ATC工具使用流程模型转换步骤1.其他框架转onnx2. onnx模型修改与优化3.使用ATC转换后记前言上一篇关于Atlas200DK博客CANN接口调用记录了CANN python接口的调用。这一篇讲一讲怎么把模型转换为CANN框架的om模型，以及ATC模型转换工具。注意！本文默认已经在Atlas200DK上搭建好了CAN

本篇简要记录ros中的图像传输可包image_transport。ROS在图像传输时，为了节省带宽，先将图像压缩后再做传输，如图像话题就是压缩后的图像，图像被接收后还需要解压才能使用。

视觉伺服 一、基础前言基础概念定义分类相机位置伺服目标后记前言本篇开始学习视觉伺服内容。基础概念定义所谓视觉伺服，就是通过摄像头输入的图像信息，控制机器人运动的过程。分类IBVS (Image-based visual servoing) ：基于图像的视觉伺服控制。直接应用2D图像平面信息。PBVS (Position-based visual servoing) ：基于位置的视觉伺服控制。需要把

线性代数之 矩阵的迹前言迹的定义迹的性质后记前言本篇是矩阵迹的学习，迹(trace)常用于矩阵求导。迹的定义对于A∈Rn×nA\in R^{n\times n}A∈Rn×n，矩阵的迹trace，就是主对角线元素的和。注意：方阵才有迹！迹的性质A=[a11a12…a1na21a22…a2n…………an1an2…ann]A=\begin{bmatrix}a_{11} & a_{12} &amp

视觉伺服 二、IBVS原理前言图像雅可比后记前言本篇记录IBVS基于图像的视觉伺服原理，后续可能会添加实现代码。图像雅可比视觉伺服的目标误差变化速度与末端相机移动速度的关系为：e˙=Levc\dot{\bf e}={\bf L_ev_c}e˙=Le​vc​因此，计算Le\bf L_eLe​是视觉伺服中的一个核心问题。IBVS中的Le\bf L_eLe​被称为图像雅可比，表示了图像中的2D点坐标与相

矩阵分析之 实矩阵分解（2）LU分解前言LU分解分解条件分解方法复杂度PLU分解前言之前提到了特征分解和奇异值分解两种矩阵分解的方法，其中特征分解要求n阶方阵且具有n个线性无关的特征向量；SVD分解对矩阵没有要求，但是分解的速度很慢。为了提升分解的效率，可以使用LU分解法。LU分解分解条件对于可逆方阵AAA，可以将其分解为下三角矩阵LLL和上三角矩阵UUU的乘积：A=LUAx=[l11l21l22

路径规划算法3.1 人工势场法APF前言电场与电势场人工势场人工势场的构建梯度下降与局部最小问题后记前言人工势场法APF(Artificial Potential Field)，是非场经典的寻路方法，常用于移动机器人的局部路径规划，其主要思想是通过目标的引力与障碍物的斥力共同引导机器人的移动。电场与电势场回顾电学中的正负电荷，同性电荷相斥，异性电荷相吸。如下图所示，黑色电荷位置固定。左边红色的正电

概率论之 多维随机变量的期望，协方差矩阵前言多维系统状态多维随机变量的期望多维随机变量的协方差矩阵矩阵表示公式表示后记前言上一次写了一维随机变量的期望，方差，协方差。本次来记录多维随机变量的期望和协方差矩阵。这一块内容由浅入深，因此会有更新。多维系统状态假设系统状态有多个分量x1,x2,…,xnx_1,x_2,\dots,x_nx1​,x2​,…,xn​，则将其表示为向量的形式X=(x1,x2,…