3. criteria：指定迭代搜索算法的终止条件，在指定的最大迭代次数 10 之后或搜索窗口移动小于 0.03。我们这里是从圆周轨迹16个点，当9个满足条件，此判定圆心像素点为特征点。1. threshold：边缘轨迹点和中心点的差值阈值。1. preImgGray：前一帧图片灰度图。我们这里只对检测框里的像素做特征点检测。3. prePt：前一帧图片的特征点。2. gray：当前帧图片灰度图。

这个爬起来很简单，信息全在界面上面，也不需要验证登录啥的，直接request+正则表达爬取信息，爬取到信息保存到csv文件。这里推荐个动态可视化库pynimate，2023年还在持续更新中。调用他们动态可视化方法，实现起来不要太简单。会了可视化，但是没有数据怎么办？去网上爬取点数据过来。从这个网站爬取近20年编程语言热度占比。首先看下他们官方例子。

文章主要给出利用棋盘格标定的代码， python 与 c++ 标定代码都会给出。普通相机与鱼眼相机标定代码细微之处有所不同，普通相机与鱼眼相机标定代码本文都会还会。

一、理论部分理论部分没什么好讲的了。具体公式可以参考周志华西瓜书。计算信息熵Ent(D)与信息增益Gain（D）。原理的话就是选取信息增益最大的为根，以此类推。观察公式可以看到信息增益Gain（D）= 根节点信息熵（X） - 权重*分支节点信息熵和（Y）= X-Y由于根节点确定后 X不变，要选取最大Gain（D），就是选择最小Y。又因为Y计算过程会取负数，所以选择节点时只需取 乘积和的 最大值就行

1、相机外参标定需要提前已知相机内参，相机内参标定这里不细谈, 推荐一篇博客计算机视觉（相机标定；内参；外参；畸变系数2、外参标定转化数学问题：计算一个三维坐标系到另一个三维坐标系的旋转与平移。3、标定方案参考论文地址。实际标定对比，此方法精度高、操作方便。4、标靶：贴一张虚拟的标靶图片：（实际标靶要根据需求自行制作）

一、理论部分1.1、极大似然估计。这部分设计深入浅出直接来例子：假设袋子里有100个球分别有黑球和白球（对应的二分类），有放回的从袋子里拿了100次。80次白球，20次黑球。

一、公式推导，矩阵最小二乘法(参考高等代数)这部分知识可以参考：高等代数9 7 向量到子空间的距离 最小二乘法 - 道客巴巴如果是实现非线性这部分知识可以参考周志华西瓜书二、代码实现。...

昨天有人给我发co-tracker开源，秉持着一贯好奇与好学的心态。尝试自己搭建环境跑跑demo看看效果。git链接：https://github.com/facebookresearch/co-tracker本机环境：ubuntu 18.04cuda 11.7。

一、前言。

1. 感知与规划控制是无人驾驶算法重要算法，在交付测试阶段也最容易引起摩擦，这也是司空见惯的现象。有时候可能是接口对齐问题、有时候可能是版本管理问题、有时候可能是第三方如云平台问题、有时候车子硬件自身问题。2. 当然有时候也可能是**感知算法**与**规控算法**自身问题，所以拥有"自证清白"的能力是十分必要的。比如今天博主分享的感知结果实时可视化。具体实现可见下文。3. ros 订阅 perce