weixin_43468458的博客

原创 【OpenREALM学习笔记：7】自己编写的读取原作者数据集航向角的程序

【代码】【OpenREALM学习笔记：7】自己编写的读取原作者数据集航向角的程序。

原创 【OpenREALM学习笔记：6】Ubuntu18.04+RTX3090安装记录

今天问题先记录到这儿，后期在openrealm上遇到的问题，仍会持续记录。

原创 【OpenREALM学习笔记：5】visualization_msgs在项目中的作用

是 ROS（Robot Operating System）中的一个消息包，它提供了一组用于可视化目的的消息类型。这个包允许ROS节点创建和发布可视化数据，这些数据可以被RViz（ROS的可视化工具）或其他支持这些消息类型的可视化工具接收并显示。包是ROS中可视化功能的基础，它使得开发者能够轻松地创建丰富的三维场景和交互式界面。通过使用这些消息类型，开发者可以在RViz中展示机器人的感知数据、规划路径、设置环境模拟等，从而提高开发和调试的效率。

原创 【OpenREALM学习笔记：4】geometry_msgs和tf在项目中的不同作用

库在ROS中的应用非常广泛，特别是在需要处理多个坐标系和它们之间变换的场景中。例如，机器人的不同部分（如基座、手臂、传感器等）可能有自己的局部坐标系，而。是ROS中用于表示几何信息的消息包。它包含了多种消息类型，用于描述点、向量、变换、姿态（位置和方向）、形状等几何概念。在ROS系统中，它们通常一起使用，以确保几何数据在不同的坐标系之间正确地转换和对齐。消息，该消息将被发送到ROS系统中，可能用于机器人的状态发布、传感器数据的传播等。中的姿态信息通常用于机器人的导航、路径规划、传感器数据的处理等场景。

原创 Metashape中深度图重建的几种形式

在Metashape中，用户可以根据项目的具体需求和可用数据类型选择最适合的方法来重建深度图。例如，如果目标是创建一个详细的三维模型，那么基于模型的方法可能是首选。如果项目侧重于快速生成大面积的深度图，那么基于点云或多视图的方法可能更合适。对于需要高精度测量的应用，如地形建模或植被分析，基于激光扫描的数据可能是最佳选择。

原创 Ubuntu18.04和Windows11使用metashape1.7遇到重启的问题

最近在Ubuntu18.04系统下使用metashape1.7遇到在进行密集点云生成或者其他需要使用GPU的时候，系统自动重启的情况。由于装了双系统，在Windows11系统下使用metashape2.0.0进行同样操作的时候，系统蹦出蓝屏，显示“遇到问题，系统正在收集信息”的文字。怀疑是显卡或者内存出了问题，更换了两者之后，仍然出现重启的现象。主板：微星MPG Z590 Carboon WIFI。在微星的官网上，下载了最新的BIOS，刷BIOS。内存：海盗船 4000MHz 16G*4。

原创 【OpenREALM学习笔记：3】关于OrthoRectification类的几点看法

通过这种方式，OrthoRectification类与openrealm框架中的其他组件协同工作，形成了一个完整的数据处理流程。每个组件都负责处理特定的任务，并通过定义良好的接口与其他组件交互，确保整个系统能够高效、稳定地运行。通过这种方式，OrthoRectification类与openrealm框架中的其他组件协同工作，形成了一个完整的数据处理流程。每个组件都负责处理特定的任务，并通过定义良好的接口与其他组件交互，确保整个系统能够高效、稳定地运行。

原创 【OpenREALM学习笔记：2】nanoflann.h文件的个人理解

它支持多种数据集拓扑结构，包括R^n（欧几里得空间）、SO(2)（2D旋转群）和SO(3)（3D旋转群），并且不提供近似最近邻搜索的支持。nanoflann库的API文档提供了详细的类和函数说明，以及如何使用这些类和函数进行最近邻搜索的示例。6. 支持L1（曼哈顿距离）、L2（欧几里得距离）、SO2（2D旋转群的绝对角度差异）和SO3（3D旋转群的四元数内积）等距离度量。8. 支持GUI基准测试多个KD树库，包括nanoflann、flann、fastann和libkdtree。

原创 【OpenREALM学习笔记：1】OpenREALM中的智能指针使用

学习openrealm中，关于智能指针的学习感受，分析3种智能指针在作者源码中的作用。

原创 RTX3090适配Metashape2.0版本以上

今日在台式机上安装metashape，发现一个问题，记录一下：

原创 ROS入门学习思维导图

学习古月居的ROS1入门21讲整理的思维导图，xmind格式。

原创 NeRF算法原理的一点自己的认识

有关NeRF原理的自己一点点认识

原创 关于松弛问题的一些简单解释

通过松弛一些约束条件，将其变成宽松约束或减少约束条件的个数，可以使得问题更易求解，甚至得到更优的解。这种松弛通常会降低问题的求解难度，但可能也会导致得到的解不能满足原始问题中所有的约束条件。”是指在数学优化理论中的一类问题，在这类问题中，约束条件被放宽或减少，从而使得问题的解更容易找到。松弛问题可以在不改变原始问题的基本形式的情况下，简化或修改问题的约束条件，以获得更易解的问题。，使得这些解也同时满足约束条件。通过松弛一些约束条件，原本可能不存在解的问题变得有解，或者原本存在解但难以找到的问题变得更易解。

原创 自己画的视觉SLAM架构图

原创 证明旋转矩阵R的指数映射

为证明该式有解，可利用R的迹等于其特征值之和的关系。由于R能保持长度不变且det®=+1，其特征值为1,并且为复共轭。所以，旋转矩阵R的对数映射。的非对角线元素相等，有。

原创 GPS affinity factor的简单理解

GPS affinity factor 用来表征 GPS 和其他传感器之间的一致性或互补性，以及在组合导航和定位过程中，GPS 数据在状态估计中所占比重的大小。总而言之，GPS affinity factor 是用来衡量 GPS 与其他传感器之间协同定位贡献的因子，可以影响状态估计中 GPS 数据的权重和融合方式。较高的 affinity factor 表示 GPS 数据对状态估计的影响权重较大，而较低的 affinity factor 则表示 GPS 数据对状态估计的影响较小。

原创 计算机视觉中的密集化（densification）

densification技术是计算机视觉中一种非常重要的技术，很多应用场景都需要将稀疏的点云转换为更密集的点云，以便于后续处理和分析。在图像配准和匹配中，densification技术也经常被用来将稀疏的特征点插值为更密集的点云，从而提高配准的精度。常见的densification技术包括基于反投影的插值方法、基于光流的方法、基于卷积神经网络的方法等。在计算机视觉中，densification（密集化）指的是通过一些方法，如图像插值等技术，将稀疏的数据点转化为密集的点云。

原创 ros2安装与orb-slam3

linux_mint 21.2 + ros2 + orb_slam3

原创 有关优化库的一点点对比思考（g2o / ceres solver / gtsam / TORO and iSAM）

gtsam：gtsam是一个基于因子图的库，提供了丰富的功能和工具来解决SLAM和机器人导航等问题。它具有清晰的接口和易用性，适合于相对较小的优化问题和需要高级特性的应用场景。TORO和iSAM：TORO和iSAM是针对特定应用领域的库，它们提供了一些特定的算法和数据结构，适用于大规模图优化和增量式优化。g2o：g2o是一个高度灵活和可扩展的库，提供了对稀疏矩阵和图优化的支持。它在初步图优化领域的应用中非常流行。除了上述的官方文档和代码库，还可以参考相关的学术论文和书籍来深入了解图优化算法和应用。

原创 【pytorch】 一段segmentation数据读入代码的理解

import osimport randomfrom PIL import Imageimport torchfrom torch.utils.data import Dataset# Labels: -1 license plate, 0 unlabeled, 1 ego vehicle, 2 rectification border, 3 out of roi, 4 static...

原创 【pytorch】 关于ConvTranspose2d的一点理解

FCN中一个很重要的部分—反卷积图片通过卷积层降低分辨率，提取特征，而反卷积则是把图片重新放大的一个结构。在语义分割中，必须对反卷积的反卷积核进行参数初始化(这点很重要)。一般使用的方法是双线性插值法。pytorch 中反卷积函数的说明：FCN中一个很重要的部分—反卷积图片通过卷积层降低分辨率，提取特征，而反卷积则是把图片重新放大的一个结构。在语义分割中，必须对反卷积的反卷积核进行参数初...

原创 【vidsom】OSError: [Errno 98] Address already in use

【vidsom】OSError: [Errno 98] Address already in use问题描述问题分析问题解决)问题描述在进行深度学习训练的时候，需要打开python -m visdom.server，但是却遇到了题目上标注的问题。问题分析之前由于修改代码，曾经打开过visdom，怀疑可能是进程中仍然存在占用端口的情况。问题解决首先利用ps -fA | grep py...

原创 【pytorch】Normalization层

一、两个概念独立同分布（independent and identically distributed）独立同分布的数据可以简化常规机器学习模型的训练、提升机器学习模型的预测能力白化（whitening）去除特征之间的相关性 —> 独立；使得所有特征具有相同的均值和方差 —> 同分布。...

原创 【pytorch】buffer的使用

写作背景：最近在研究pix2pix、cyclegan和pix2pixHD的代码，发现自己对pytorch根本就是什么都不会，所以准备开始针对代码中出现的自己不懂的地方写在CSDN上，记录自己的学习过程和学习难点，分享自己的学习心得。buffer ：pytorch通常情况下，是将网络中的参数保存成OrderedDict形式的。其中的参数其实包括2种：一是模型中各种 module所包含的参数，即nn...