- 博客(515)
- 资源 (9)
- 收藏
- 关注
转载 Linux中.a、.so和.o文件以及-I,-L,LIBRARY_PATH,LD_LIBRARY_PATH等
(3) 修改/etc/ld.so.conf文件,把库所在的路径加到文件末尾(直接写在文件末尾,不要在路径前加include),并执行ldconfig刷新(ldconfig 命令的用途,主要是在默认搜寻目录(/lib和/usr/lib)以及动态库配置文件/etc/ld.so.conf内所列的目录下,搜索出可共享的动态链接库(格式如前介绍,lib*.so*),进而创建出动态装入程序(ld.so)所需的连接和缓存文件.缓存文件默认为/etc/ld.so.cache,此文件保存已排好序的动态链接库名字列表.)。
2023-08-16 17:14:24 3290
原创 SLAM本质剖析番外-李群李代数的微分和导数
这几个月,博主已经从SLAM算法的使用向着算法的数学推导进行了记录和分享,之前也分享了一文,从现象中解释了李群和李代数表达的含义。但是这还不够,所以这次作者作为SLAM本质剖析的番外,来介绍李群李代数的微分和导数。
2023-01-16 16:10:19 10756 2
转载 undefined symbol问题的查找、定位与解决方法
而这块可以看到fpdf_parse_encrypt是依赖于下边的fx_crypt文件的,再看静态库,fpdf_parse_encrypt被编译成fpdfapi.a,而fx_crypt被编译进pdrm.a静态库,所以应该是fpdfapi.a要依赖于pdrm.a静态库的。ldd命令,可以查看对应的可执行文件或库文件依赖哪些库,但可执行文件或库文件要求与操作系统的编译器类型相同,即电脑是X86的GCC编译器,那么无法通过ldd命令查看ARM交叉编译器编译出来的可执行文件或库文件。
2022-12-14 14:53:39 9300 4
原创 自动驾驶-激光雷达预处理/特征提取
激光雷达作为自动驾驶最常用的传感器,经常需要使用激光雷达来做建图、定位和感知等任务。而这时候使用降低点云规模的预处理方法,可以能够去除无关区域的点以及降低点云规模。并能够给后续的PCL点云分割带来有效的收益。
2022-08-24 21:12:44 4274 2
原创 C++之生成器(builder)模式
0. 简介生成器是一种创建型设计模式, 当构建一个复杂对象时,将构建过程与表示分离。使得同样的过程创建不同的对象。生成器与其他创建型模式不同, 生成器不要求产品拥有通用接口。 这使得用相同的创建过程生成不同的产品成为可能。生成器方法通常支持方法链 (例如 someBuilder->setValueA(1)->setValueB(2)->create() ),来组成复杂的对象。相比于工厂模式专门用于生产一系列相关对象而言,生成器重点关注如何分步生成复杂对象。1. 生成器UML介绍生
2022-03-07 10:38:52 8766 2
原创 C++命名规则&书写规范
常见命名法:匈牙利命名法:基本原则是:变量名=属性+类型+对象描述\color{blue}{变量名=属性+类型+对象描述}变量名=属性+类型+对象描述,其中每一对象的名称都要求有明确含义,可以取对象名字全称或名字的一部分。命名要基于容易记忆容易理解的原则。保证名字的连贯性是非常重要的。Camel命名法:即骆驼式命名法,原因是采用该命名法的名称看起来就像骆驼的驼峰一样高低起伏。Camel命名法有两种形式:混合使用大小写字母和单词之间加下划线\color{blue}{混合使用大小写字母和单词之间加下划线}混
2021-05-12 10:42:19 5635 2
原创 经典文献阅读之--MV-Map(具有多视图一致性的非车载高精度地图生成)
局部的高精地图现在在自驾领域越来越受到关注,鸟瞰图(BEV)感知模型可以用于通过更少的人力构建高精度地图(HD-Maps)。虽然在线的局部地图推算是非常有必要的,但是它们的结果通常不可靠,并且表明从不同视角预测的高精度地图存在明显的不一致性。这是因为BEV感知通常是以“车载”方式设置的,其计算资源有限,这阻碍了算法同时推断多个视图。》通过一种更实用的“非车载”高精度地图生成方式,以消除计算限制。
2024-03-25 10:03:45 1014
原创 常用传感器指标以及性能
对于传感器选型,很多新手乃至工程师也不太清楚,不同价位以及不同设备之间的区别。这里作者想根据自己的一些经验,以及网上的一些资料,给各位读者提供一些建议,以及这些设备要怎么去使用。
2024-03-25 09:55:12 1170
原创 经典文献阅读之--HBA(大规模LiDAR一致性建图BA)
我们提出的方法的系统工作流程如图2所示。输入是每个LiDAR扫描的原始或校正后的点云以及它们在全局坐标系中的初始估计姿态,这些姿态可以从通用的LiDAR里程计或同时定位和建图(SLAM)算法中获得。该方法包括两个过程,自下而上(见第3节)和自上而下(见第4节),直到收敛为止。在自下而上的过程中,对较小的局部窗口内的LiDAR帧进行局部BA,从第一层到第二层构建关键帧(见图1)。这个过程按层次进行,直到满足最佳层数,并对顶层关键帧进行全局BA。然后,使用来自每个优化层和相邻层之间的因素构建姿态图(见图1)。
2024-03-22 10:36:48 1491
原创 经典文献阅读之--BEVTrack(鸟瞰图中点云跟踪)
一般来说,算法会在初始帧上给定特定目标的3D边界框(BBox),而3D单目标跟踪(SOT)旨在通过预测其在后续帧中的3D边界框来定位目标。一个3D边界框Bt∈R7Bt∈R7由其中心(即xyzx、y、zxyz坐标)、方向(即绕上轴的偏航角θθθ)和尺寸(即宽度、长度和高度)参数化。假设连续两帧中的点云分别表示为Pt−1∈RNt−1×3Pt−1∈RNt−1×3和Pt∈RNt×3Pt∈RN。
2024-03-22 10:35:35 1535
转载 北航最新!一种将非对称图像与点云融合在一起的闭环检测方法
1、导读对复杂环境的准确感知一直是许多应用的关键问题,例如无人驾驶车辆和自主机器人。同步定位和映射(SLAM) 是处理此问题的关键解决方案。闭环检测(LCD)可以为SLAM系统提供额外的空间约束,并提高地图的一致性。详细的环境感知需要多个传感器收集信息,其中大多数是摄像头和激光雷达。**LiDAR可以提供精确的三维几何结构,在全景环境感知方面具有优势。但点云稀疏,很难感知结构化或透明性较差的物体。**相机通过捕捉光在图像平面上的投射来获得2D图像,可以提供丰富的纹理和色彩信息,在细节描述上具有更多优势。但图
2024-03-11 16:05:55 30
原创 经典文献阅读之--DMD(效果媲美双目与RGBD的单目深度估计)
深度估计任务是计算机视觉领域中的一个重要任务,旨在从单个或多个图像中推断出场景中物体的距离或深度信息。深度估计任务对于理解场景的三维结构、实现虚拟现实、增强现实、自动驾驶以及机器人导航等应用都具有重要意义。常用的深度估计算法包括:单目深度估计、双目深度估计、RGBD深度估计等。由于当前的单目深度估计算法效果不理想、而RGBD深度估计不仅需要依赖于RGBD相机,而且成本和功耗比较高,因而双目深度估计是主要的落地方案。
2024-03-06 10:08:47 1162
原创 经典文献阅读之--Gaussian Splatting SLAM(单目3D高斯溅射重建)
3D GS在NeRF领域已经掀起了一股浪潮,然后又很快席卷到了SLAM领域,最近已经看到很多3D GS和SLAM结合的开源工作了。将为大家分享帝国理工学院戴森机器人实验最新开源的方案《》,这也是第一个将3D GS应用到增量3D重建的工作,速度为3 FPS。要想实时从摄像头连续重建出高保真度的三维场景,需要多项创新。
2024-03-04 15:30:35 1989
原创 C++使用工具进阶(LOG输出、堆栈跟踪、代码结构、code review)
对于C++,无论是大学生还是算法工程师都是非常需要学习并使用的一门语言,而C++不像python、rust一样简单好用。不单单是在嵌套复杂代码后的逻辑还是各种类和堆栈的管理,都是非常头疼的问题。一般来说对于LOG类很多都是使用GLOG、而堆栈跟踪一般是基于GDB。而这里我们将开拓大家眼界,从另一个角度来说一些小而美的东西。这里整合一些网上非常好的博客,并结合自己的一些理解给大家整理一个非常通用的工具,也欢迎各位关注引用文章的博主。
2024-03-04 15:30:11 1640
原创 3D Gaussian Splatting是什么以及为什么这么火
其实和MVS,SFM,Nerf这类比较类似,但是我们发现辐射场一类场景表示方法已经在新视角渲染任务上得到了革命性的进展,但是在高分辨率图片上由于需要使用神经网络,导致训练和渲染都需要十分昂贵的代价,因此最近那些速度比较快的方法都不可避免地需要通过损失质量来提高速度。而3D 高斯泼溅(Splatting)是用于实时辐射场渲染的 3D 高斯分布描述的一种光栅化技术,它允许实时渲染从小图像样本中学习到的逼真场景。
2024-03-04 15:29:12 2013
转载 反光板导航VEnus
这里面讲述了一个反光板导航的一个示例,主要使用的是一个开源的项目包venus,这个代码的源码是在。由于它不是一个ROS库,所以安装方式与ROS的安装方式略有不同。
2024-03-04 15:26:08 687
原创 经典文献阅读之--CamMap(基于SLAM地图对不共视相机进行外参标定)
这里详细描述了所提出的方法,如图2所示,一个装有两个刚性连接相机A和B的支架,在支架上进行一系列规定的运动后,相机捕捉图像流,这些图像流将由ORB-SLAM3处理,用于创建地图,包括关键帧AiA_iAiBjB_jBj(其中i1mi1...mj1nj1...n)和地图点PPP,值得注意的是地图坐标系与相机的第一个关键帧坐标系重合,这意味着地图之间的变换$TBAMapTBAMap实际上是A1A_1A1和B1。
2024-03-01 21:28:39 2376
转载 首个基于地面纹理的单目SLAM,复杂光照环境中也能精准定位
即使在缺乏显著特征和光照条件复杂的情况下,某些地面纹理也能提供可靠的定位信息。现有的基于地面纹理的定位方法虽然有效,但它们通常需要预先构建好的地图作为参照。为了减少对预构建地图的依赖,研究者提出了一种全新的在线地面纹理SLAM系统,该系统能够在没有事先已知地图的情况下实现SLAM,从而缩短初始设置时间,并增强了系统在变化环境中的鲁棒性。该研究的主要贡献在于:●开发了首个仅使用单目相机实现在线地面纹理SLAM(同时定位与建图)系统的解决方案。
2024-03-01 17:25:18 734
原创 经典文献阅读之--SurroundOcc(自动驾驶的环视三维占据栅格预测)
环视BEV已经是很多场景中需要的功能,也是视觉代替激光雷达的有效解决方案,而《》一吻则代表了这个领域的SOTA算法,文中通过多帧点云构建了稠密占据栅格数据集,并设计了基于transformer的2D-3D Unet结构的三维占据栅格网络。同时也开源立相关的算法,并可以在中找到。
2024-02-29 18:32:03 3227
原创 经典文献阅读之--UniWorld(通过世界模型进行自动驾驶预训练)
最近世界模型的概念也比较火,世界模型可以无监督方式进行快速训练,以学习环境的稀疏时空表征。通过使用提取自世界模型的特征作为智能体的输入,训练面向任务的小规模控制器,用简单的策略。甚至可以完全通过由世界模型本身生成的虚幻梦境训练本文的智能体,并把从中学会的策略迁移进真实环境之中。》一文中,我们从Alberto Elfes在1989年的开创性工作中获得了灵感,他。我们为机器人提供了时空世界模型,称为UniWorld,以感知其周围环境并且预测其他参与者的未来行为。
2024-02-28 13:28:17 1927
原创 经典文献阅读之--Scale jump-aware pose graph...(尺度跳跃感知位姿图)
我们将从回顾传统的姿态图优化的表述开始,包括其解决方案以及使用相似变换进行尺度漂移适应。接下来,我们将介绍我们修改后的混合姿态图表述,明确考虑了未知尺度跳跃的存在。最后,我们将讨论退化情况,并提出一种方法来确定是否可以调和单一的全局一致尺度因子。
2024-02-27 12:43:28 2709
原创 经典文献阅读之--InsightMapper(深入研究矢量化高精地图的内部实例信息)
高精地图作为自动驾驶中最关键的组成部分,矢量化高精(HD)地图包含有关周围道路元素的详细信息,这对于现代自动驾驶汽车的各项下游任务是至关重要的,例如车辆规划和控制。最近的工作试图,从而显著提高了检测性能。然而,这些方法无法分析并且利用预测点之间的内部实例相关性,这阻碍了进一步的发展。》利用内部实例信息通过Transformers进行矢量化高精建图,并且引入了InsightMapper。
2024-02-26 18:24:13 2872
转载 经典文献阅读之--LiLO(基于深度图滤波的轻量且低偏差的激光雷达里程计方法)
为了使我们的方法更加轻量级,它不生成场景的全局地图,而是使用帧到局部地图的技术,为了降低计算成本,使用KD-Tree索引方法生成局部地图,并且随着机器人平移的增加,持续清理此地图。本节展示了LiLO里程计方法的实验和结果。这通过将三维坐标点云数据Pk转换成球面投影,形成水平方向-PI
2024-02-18 15:52:57 1972
原创 一起学量化之Aroon指标
Aroon指标是由Tushar Chande于1995年开发的技术分析工具,旨在识别股票是否处于趋势中及趋势的强度。它通过分析股票价格在一定周期内创下的新高和新低来预测趋势的变化,这基于一种观念:强势趋势通常伴随着频繁的新高或新低。
2024-02-17 19:33:22 2494 2
原创 百倍量化之ACS和Demarker指标以及混合策略
ACS策略主要通过计算 ADX(平均方向性移动指数)相对于收盘价的比值及其标准差来分析市场趋势的强度和稳定性。它结合了市场趋势的强度和价格的变动率。如果 acs的值较大,说明;如果这个值较小,则表明。这一比值可以帮助交易者判断当前市场趋势的相对重要性。在;而在。第一步,使用 AverageDirectionalMovementIndex 计算 ADX, ADX计算出一段时间内的市场趋势强度第二步,计算 ADX 相对于收盘价的比值,ADX除以收盘价,计算出一个衡量市场趋势强度与当前价格关系的值。
2024-02-17 19:31:31 2453
原创 一起学量化之ROC指标
ROC指标(Rate of Change,变动率指标)是一种动量型指标,用于测量价格在一定时间内的变化速率。它通过比较当前价格与过去某一特定时期的价格来计算价格变动的百分比。
2024-02-17 19:30:28 2231
原创 一起学量化之DMI指标
DMI指标是一种复合指标,通过比较当前价格与过去价格的变化来衡量趋势的方向和强度。在实际交易中,DMI指标可以作为生成交易信号的有效工具,尤其是在结合其他指标和市场分析时。通过合理地设定参数和阈值,DMI指标有助于识别市场入场和退出时机,增强交易策略的有效性。然而,由于市场条件的复杂性,应该将DMI指标作为一个参考工具,结合其他分析方法和风险管理技巧,以构建一个均衡和全面的交易系统。
2024-02-17 19:27:23 2273
原创 一起学量化之布林线指标
布林线指标(Bollinger Bands)是一种非常流行的技术分析工具,由约翰·布林(John Bollinger)在20世纪80年代初期发明。它通过测量价格的高低来判断市场的波动性和相对价格水平。
2024-02-17 19:24:55 2178
原创 一起学量化之RSI指标
Relative Strength Index,相对强弱指数(RSI),是一个衡量资产过度买入或过度卖出状态的技术指标。
2024-02-17 19:20:02 2228
原创 IMU/捷联惯导常见的术语,以及性能评价标准(附Python解析代码)
现在的机器人领域在普遍使用IMU(惯性导航单元)。该系统有三个加速度传感器与三个角速度传感器(陀螺)组成,加速度计用来感受飞机相对于地垂线的加速度分量,陀螺仪用来感知飞机的角速率变化;通过算法融合来计算出飞行器姿态,也用来进行航位推算。而每次我们拿到一个惯性导航的时候会发现参数手册中有很多信息,而这些信息的好坏要怎么评判是比较关键的。下面我们来一一讲解。
2024-01-31 10:43:25 4209
原创 经典文献阅读之--AnyLoc(超强通用视觉位置识别)
VPR - 问题定义:VPR通常被视为一个图像检索问题[6],包括两个阶段。在索引阶段,通过机器人的摄像头在环境中行进时,从参考地图(图像数据库)中收集数据。在检索阶段,给定一个查询图像 - 在未来行进中捕获的图像 - VPR需要在参考地图中检索与该查询图像最接近的匹配项。存在各种VPR方法和替代问题表述[3],[7] - [10];在本文中,我们专注于全局描述符,它们在准确匹配和搜索效率之间提供了最佳的权衡[6],[11],[12]。
2024-01-29 16:44:28 4091
原创 使用CyberRT写第一个代码
计算框架是自动驾驶系统中的重中之重,也是整个系统得以高效稳定运行的基础。为了实时地完成感知、决策和执行,系统需要一系列的模块相互紧密配合,高效地执行任务流。由于各种原因,这些模块可能位于不同进程,也可能位于不同机器。这就要求计算框架中具有灵活的、高性能的通信机制。Apollo在3.5版本中推出了Cyber RT替代了原先的ROS。和ROS & ROS2中类似,Cyber RT中支持两种数据交换模式:一种是模式,常用于数据流处理中节点间通信。
2024-01-29 09:59:26 4792
原创 经典文献阅读之--LOG-LIO(高效局部几何信息估计的激光雷达惯性里程计)
局部几何信息即法线和点分布在基于激光雷达的同时定位与地图构建(SLAM)中是至关重要,因为它为数据关联提供了约束,进一步确定了优化方向,最终影响姿态的准确性。然而即使在使用KD树或体素图的辅助下,估计法线和点分布也是耗时的任务。为了实现快速法线估计,《》研究了激光雷达扫描帧的结构信息,,通过,为了高效估计点的分布,我们将ikd树扩展到体素管理地图,并在保持法线一致性的同时增量更新其点云分布。
2024-01-29 09:58:25 4515
转载 ORB-SLAM3源码阅读笔记13:回环检测与重定位的实现与分析
在前面,我们多次提到了关键帧数据库这个概念。它到底是什么东西呢?它也是一个类,叫做,有对应的头文件和源码文件,如下。简单来说,它是一个用于存放关键帧的类,而且主要用于回环检测与重定位。通过查找函数的调用也可以看出来,如下。添加关键帧到数据库的操作只在函数中执行了。而根据上面的分析可以发现,对于每一个传给的关键帧,都会执行函数。在函数中,不管成功与否,都会将当前关键帧添加到数据库中。回到一开始的问题:为什么一定要建个所谓的数据库呢?答案是为了更方便的检索与匹配。
2024-01-26 16:48:16 110
原创 我的创作纪念日
提示:你过去写得最好的一段代码是什么?提示:当前创作和你的工作、学习是什么样的关系。提示:可以和大家分享最初成为创作者的初心。提示:在创作的过程中都有哪些收获。提示:职业规划、创作规划等。
2024-01-26 16:41:35 351
原创 深入理解ikd-Tree从阅读代码开始(三)
增量KD树,我们知道这类算法可以更加高效并且有意义地完成数据结构的动态空间划分. ikd-Tree可以主动监视树结构并重新平衡树结构,从而在后期实现高效的最近点搜索,ikd-Tree经过了精心设计,支持多线程并行计算,以最大限度地提高整体效率.mars实验室已经将这个公开了,而且有很多人对代码进行了总结与阐述.这里我们主要来看一下ikd-Tree,并对作者的一些疑问进行解释.
2024-01-16 14:52:02 5362
原创 深入理解ikd-Tree从阅读代码开始(二)
增量KD树,我们知道这类算法可以更加高效并且有意义地完成数据结构的动态空间划分. ikd-Tree可以主动监视树结构并重新平衡树结构,从而在后期实现高效的最近点搜索,ikd-Tree经过了精心设计,支持多线程并行计算,以最大限度地提高整体效率.mars实验室已经将这个公开了,而且有很多人对代码进行了总结与阐述.这里我们主要来看一下ikd-Tree,并对作者的一些疑问进行解释.
2024-01-16 10:47:52 5116
ROS 导航功能调优指南∗.pdf
2022-01-07
小觅摄像头Opencv处理
2019-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人