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

视觉SLAM十四讲——第7讲视觉里程计1

1.运行错误高翔slam十四讲第7讲碰到的一些问题总结_kbfvictory的博客-程序员资料2.知识点总结2.1.orb_cv.cppTODO2.2.orb_self.cppvector<cv::KeyPoint> &keyPointsOpenCV中KeyPoint类DescType desc(8, 0); // Vector的初始化,初始化为8个元素,每个元素的值都为0ve

#自动驾驶#c++
视觉SLAM十四讲——第十讲后端2

0.滑动窗口滤波(暂未看)1.程序问题解决使用g2o_viewer查看位姿图的时候,会提示g2o_viewer未定义的命令,是因为当时在安装g2o的时候缺少了一些依赖,导致g2o_viewer没有被编译生成可执行文件。解决方案:ubuntu18.04解决g2o_viewer安装...

#自动驾驶#c++
视觉SLAM十四讲——第6讲非线性优化

https://zhuanlan.zhihu.com/p/369259801关于曲线拟合的例子,中间多了一个信息矩阵,和前面的推导不同,解释如下:2.ceres和g2o虽然二者都可以使用数值求导,但是ceres是使用模板元编程实现数值求导,数值求导在编译的时候就完成了。而g2o是使用纯数值求导,是在运行过程中计算求导。...

#自动驾驶#深度学习#机器学习
视觉SLAM十四讲——第五讲笔记

文章目录1.编程中的问题汇总1.编程中的问题汇总#include< chrono >头文件C++11 std::chrono库详解目前简单来说就是C++的一个标准头文件,主要和时间有关,常用来测试程序的运行时间。用法:注意下面最后算时间的时候模板的使用,比较复杂// 使用std::chrono 给算法计时chrono::steady_clock::time_point t1 = chr

#opencv#c++
视觉SLAM十四讲——第三四讲笔记

1.运行计算轨迹误差程序报错fmt/core.h: 没有那个文件或目录看一下CMakeLists.txt文件中的配置,如下所示:option(USE_UBUNTU_20 "Set to ON if you are using Ubuntu 20.04" OFF)find_package(Pangolin REQUIRED)if(USE_UBUNTU_20)message("You are usin

#自动驾驶
视觉SLAM十四讲——第九讲后端1

1.运行报错1.1.工程编译报错视觉SLAM十四讲ch9代码关于fmt的报错这个博客中和我遇到的错误一模一样,主要两个错误:1.struct HessianTupleType<std::index_sequence<Ints...>> { error: 'index_sequence' is not a member of 'std'这个博客中也说了主要是最新版的g2o使用

#自动驾驶
视觉SLAM十四讲(第一版)第九讲VO Project笔记

1.Project 0.11.1.编译工程时Sophus报错fatal error: sophus/se3.h: 没有那个文件或目录这个博客中写的非常好。首先分析原因是Sophus库的版本不同,有的是模板类实现,有的不是。另外博客中详细写了如何安装两个版本的Sophus,对其他库也适用,很有参考价值。1.2.编译非模板类的Sophus时报错Sophus/sophus/so2.cpp:33:26:e

#自动驾驶#人工智能#机器学习
ORB-SLAM问题描述

1.ORBextractor.cc1.1.mvImagePyramidp[level](1673行)// 把图像金字塔该图层的图像指针mvImagePyramid// 指向temp的中间部分(这里为浅拷贝,内存相同)mvImagePyramid[level] = temp(Rect(EDGE_THRESHOLD, EDGE_THRESHOLD, sz.width, sz.height));如上的程

#自动驾驶
激光SLAM从理论到实战笔记汇总

注:以下六篇笔记都来自一个博主,可以进他主页看一下,是自己写的博客,写的也不错,不是转发那种。激光SLAM从理论到实践学习——第一节(激光SLAM的发展与应用)激光SLAM从理论到实践学习——第二节(传感器数据处理1:里程计运动模型及标定)激光SLAM从理论到实践学习——第三节(传感器数据处理2:激光雷达运动畸变的去除)激光SLAM从理论到实践学习——第四节(激光SLAM的前端配准方法)激光SLA

#自动驾驶#人工智能
视觉SLAM十四讲——第十一讲回环检测

一、Bag-of-Words词袋1.概念区分1.1.单词(word/vocabulary)单词是特征的聚类,一定注意是特征的聚类生成的结果,而不是具体的特征。这个特征在cv中可以是提取的特征的描述子(注意特征点只有描述子才能描述它的特征,而特征点本身只是包含它的坐标信息)。也可以是比较形象的表示的某些物体级别的特征,比如鼻子、眼睛、嘴巴等,只是这个时候特征的提取不是像特征点提取描述子那么简单,要复

#聚类#机器学习#python
    共 64 条
  • 1
  • 2
  • 3
  • 7
  • 请选择