Debug过程中遇到的问题ch31. cannot find trajectory file at trajectory.txt这个问题出现的原因在于，cmake过后的文件路径是从cmake文件出发的，可以看我利用以下代码输出的当前路径，路径输出代码如下：char *buffer;//也可以将buffer作为输出参数if((buffer = getcwd(NULL, 0)) == NULL){pe

Debug过程中遇到的问题0、写在前言这篇Debug的记录是按照章节组织的，内容包括但不限于如下的内容：环境配置代码解析运行报错其他杂项每一个内容讲述的要点我都在小标题里有比较详细的说明，可以先查看目录看看是否有你遇到的疑问。四、ch71. 代码解析：为什么手写ORB中，FAST特征点要保留方向，其又是怎么控制的Brief描述子的旋转一致性这个问题的出发点，是在阅读教材时就存在的，FAST通过质点

前言这篇博客主要对目前视觉SLAM和其他各个领域交叉（主要是深度学习领域和传感器领域）所产生的成果进行记录1 视觉SLAM与深度学习的融合视觉SLAM与深度学习的结合是很顺其自然的，视觉SLAM处理的是图像信息，深度学习处理的最好的也是图像信息，所以，深度学习能为视觉SLAM提供助力是可接受的。1.1 用深度学习替换SLAM前端工作中的一个/几个部分SLAM前端需要处理的工作总结为两个方面：获取相

前言这一章的内容架构很不错，有几个该讲的点都解释得比较清楚：1. 最大后验估计在高斯分布下为什么变成了最小二乘问题；2. 协方差矩阵与信息矩阵同边际概率和条件概率分别对应关系；3. SLAM问题的零空间维数以及滑动窗口对零空间的缩放问题内容1.最大后验估计在高斯分布下为什么变成了最小二乘问题首先，后验概率最大化公式如下：假设观测的随机误差均符合多元高斯分布：根据零均值的多元高斯分布公式，可以把概率

Debug过程中遇到的问题0、写在前言这篇Debug的记录是按照章节组织的，内容包括但不限于如下的内容：环境配置代码解析运行报错其他杂项每一个内容讲述的要点我都在小标题里有比较详细的说明，可以先查看目录看看是否有你遇到的疑问。四、ch71. 代码解析：为什么手写ORB中，FAST特征点要保留方向，其又是怎么控制的Brief描述子的旋转一致性这个问题的出发点，是在阅读教材时就存在的，FAST通过质点

前言这篇博客主要对目前视觉SLAM和其他各个领域交叉（主要是深度学习领域和传感器领域）所产生的成果进行记录1 视觉SLAM与深度学习的融合视觉SLAM与深度学习的结合是很顺其自然的，视觉SLAM处理的是图像信息，深度学习处理的最好的也是图像信息，所以，深度学习能为视觉SLAM提供助力是可接受的。1.1 用深度学习替换SLAM前端工作中的一个/几个部分SLAM前端需要处理的工作总结为两个方面：获取相

前言又开一新坑，主要是ORB-SLAM3也升级了IMU了，所以纯视觉的SLAM不够了，正好深蓝学院的手写VIO课程还是比较系统的，这里就再开一专栏，专门记录这部分的学习笔记内容感觉这一章的内容PPT该详细的地方不详细，所以看起来可能有些头疼，我先简单梳理一下要点，然后再展开介绍：IMU的组成，包括加速度计和陀螺仪，加速度计读数值要考虑重力影响IMU确定性误差以及标定，包括零飘以及尺度误差IMU随机

本博客旨在记录QT学习过程中的一些细节知识理解，由于问题的产生并非成体系，所以前期的记录可能会无序一些。烦请读者参阅目录进行快速的问题定位与跳转。

该问题出现于tensorflow2.x的使用中，解决方式援引自：https://github.com/egipcy/LIRD/issues/7Q：Hi, i get error: Input tensors to a Functional must come from tf.keras.Input. Received: 0 (missing previous layer metadata)A：us

前言又开一新坑，主要是ORB-SLAM3也升级了IMU了，所以纯视觉的SLAM不够了，正好深蓝学院的手写VIO课程还是比较系统的，这里就再开一专栏，专门记录这部分的学习笔记内容感觉这一章的内容PPT该详细的地方不详细，所以看起来可能有些头疼，我先简单梳理一下要点，然后再展开介绍：IMU的组成，包括加速度计和陀螺仪，加速度计读数值要考虑重力影响IMU确定性误差以及标定，包括零飘以及尺度误差IMU随机