很简单的代码：不过花了codeforge上的10个点，自己写也早写出来了;

purge opencvrmdevellibcatkin_make

出现 #Could not find a package configuration file provided by "pcl_ros" with any。删除过期密钥# refer: https://blog.csdn.net/qq_44849479/article/details/118518701。gpg: 密钥 F42ED6FBAB17C654：“Open Robotics <info@

读取字符串，然后将这个字符转换为对应的枚举。

使用VS编译OpenCV编译源代码时候，对Cmake生成的工程文件编译，会出现 nvcc fatal : Unsupported gpu architecture 'compute_11'问题。原因是CUDA7.5不支持较为古老的显卡版本，因此1.1,2.0,2.1，之类的显卡选项是多余的。

在重新使用VS2015的时候，以前可以运行的工程已经无法载入，在新的系统重装VS2015社区版本，依然出现了此种状况。

        几乎每一次神经网络的再流行，都会出现：推进人工智能的梦想之说。前言：Marr视觉分层理论        Marr视觉分层理论（百度百科）：理论框架主要由视觉所建立、保持、并予以解释的三级表象结构组成，这就是:        a.基元图(the primal sketch)—由于图像的密度变化可能与物体边界这类具体的物理性质相对应，因此它主要描述图像的密度变化及其局部几何关系。   

3.配置cartographer_ros/launch/backpack_3d.launch....貌似这个建图的时候配置的，定位没用着！4.配置 cartographer_ros/configuration_files/backpack_3d_localization.lua。5.修改 cartographer_ros/launch/3d_local_wish.launch文件，其它不做任何修改

SFM，运动中结构重建。SFM是一种离线重建方法，SFM未得到原始数据中的帧间关系，因此在前期处理与SLAM有所不同。SLAM方法依据视觉里程算法，构建状态数据序列即图结构，仅需要解决累计误差问题。而SFM需要使用匹配和优化方法，重建数据的图结构，需要优化方法，SFM过程比SLAM过程更加复杂。BA：光束平差法，利用非线性最小二乘法求取相机位姿，三维点坐标。Bun...

前言：在实时/非实时大规模三维场景重建中，引入了语义SLAM这个概念，参考三维重建：SLAM的尺度和方法论问题和三维重建：SLAM的粒度和工程化问题 。大规模三维场景重建的尺度增大，因此相对于整个重建过程的粒度也从点到特征点到目标物体级别，对场景进行语义标记成为重要的工作。场景语义标记的传统方法：其他：机器人在线场景感知问题，场景识别问题。...