- 博客(34)
- 资源 (11)
- 收藏
- 关注
RSS订阅
原创 无人机集群定位与编队方式研究总结（最详细的鸟群模型分析）
个人总结：无人机个体模型需要考虑惯性，内部噪声、传感器更新延迟、数据处理时延、通讯局域性以及一般环境噪声，其速度控制分量大致可分为四项：趋于期望速度的控制分量，避撞控制分量，对齐控制分量以及边界限制控制分量，当个体在规定区域内时，边界对个体存在斥力，在区域外时，边界限制控制分量使得群体中心趋向区域中心。存在的问题：随着生物群体系统观测手段的不断革新，鸽群内部飞行领导等级层级网络结构等之类的研究成果验证了前任的推断，但也出现了与以往研究相悖的结论，Turner关于鸟群群集形成的新假说-通过保持边缘不透
2020-07-01 14:45:33
20898
原创 C++自己实现一个String类(腾讯阿里面试题目)
最近在各种笔试和面试中反复被毒打，有些东西还是要自己去完整的去写，才能理解其底层的实现逻辑，才能安全有效的利用其结构。#include <cstring>#include <iostream>using namespace std;class String {public: // 默认构造函数 String(const char* str = nullptr); // 拷贝构造函数 String(const S
2021-04-02 15:56:39
349
1
原创 拼多多创始人黄峥：我的创业人生与人生理解
拼多多—黄峥：为什么再次创业？❶ 我喜欢当前的事和团队，再次创业能让我自己更幸福或者说更快乐。❷ 自己还有一些野心，还有一些能力和能量没有释放，隐约觉得当前的机会有可能让自己做出一个影响面更大，自己成就感更强的事。如何评价团队？ 我跟我团队打的比方是说，人生是个过程，然后呢，我们就好象农民工进上海打工，我一开始水平差，我就搬砖头，到后来洗碗，洗碗过了之后做厨师，厨师做好了之后就开饭店，我们的过程是这样的，并不意味着说我之前的事情跟现在没有关系。 甚至有一天我开了餐厅之后，我回过头去，我也会
2021-03-23 20:36:40
1385
原创 相机噪声与深度感知的方法梳理
图像传感器技术：硅材料传感器对红色和绿色这两种颜色通常很敏感，但对蓝色却不敏感；相机硬件噪声来源于光电传感器、A/D转化器;计算成像学：–高动态范围的 --高速帧率 --三维深度图 --焦平面再聚焦 --焦点扫描 --滚动快门 --全景拼接 --图像光照重置深度感知的几种方法：1.视差与混合视差；两个相机（立体、多视图立体和阵列照相机）位置之间的FOV上测量位移；2.尺度图：特殊尺寸的颜色标签确定范围和位置；3.聚焦的深度：带扫描聚焦的多帧图像；4.有差别的放大率：使用不同的放大率采集两帧图
2021-03-20 13:47:38
466
原创 矩阵奇异性和“病态”问题的解释与改善方法（简单易懂）
文章目录矩阵奇异性、‘病态’问题描述：常用改善条件数的方法：关于条件数和正则化的概念补充：矩阵奇异性、‘病态’问题描述： 在实际工程应用中，求解线性方程组 AX=BAX=BAX=B 问题时，其系数矩阵 AAA 或初值矩阵 BBB 一般由实验数据构成，如果矩阵A或B中的元素存在观测误差、仪器的测量误差或计算机本身的误差等，则会导致求得解 XSX_SXS 偏离真实解 XrX_rXr 。 矩阵条件数反映了矩阵计算中解 XXX 对初值 BBB 的敏感度，矩阵条件数越大，解对初始值的变化越敏感，条件数
2021-03-20 13:42:03
7957
原创 视觉SLAM的前段后端最详细的梳理（硕士入门知识框架更新）
文章目录视觉SLAM的组成结构视觉里程计（VO）-特征点法 -构建稀疏点云地图-直接法 -构建稠密或半稠密的地图 --需要使用 RGB-D 传感器视觉里程计--总结：SLAM 后端研究滤波器法非线性优化后端方式的差异（有五种优化方式）：单目视觉里程计的初始化：运动估计：半直接法运动估计的优化方案：关于解决累计误差的一些方法：关键帧的建图及后端优化：特征的深度估计：图优化的后端研究：视觉与IMU融合的分类：视觉与IMU的融合的优势：存在的问题：优秀的开源：视觉SLAM的组成结构视觉里程计（VO）-特
2021-03-20 13:35:29
4579
原创 2021的行情下如何能够赚到自己认知范围内的钱？一些投资需要补充的内容
文章目录关于投资公司的价值链模型：读懂公司财报资产负债表利润表现金流量表关于投资 投资的真正奥义并非赚取收益，毕竟只要还在这张牌桌上，就都是浮盈，乐观/坚韧/理性/终生学习，在投资路上获得正反馈，是我们变成一个更好的人之后自然的结果。 投资是一件反人性的事。把自己和自我意识解耦这件事本身就充满吸引力。自我是一顶帽子，只不过我们现在不戴上它，我们摘下来审视和讨论它。 股票的涨跌短期是和货币的流动性强关联，长期是和经济发展的趋势强关联； 做好的价值投资坚持者，不做短期交易的价格投机者；公司的
2021-02-28 21:07:24
413
原创 如何快速看懂一家公司，判断出公司的价值？投资和创业的必备基础知识
最近很多小伙伴们在股票和基金的舞台上与庄家博弈，菜狗、坤坤、医药女神兰姐，市场的火热程度把股市这个危机四伏的市场伪装成了稳赚不赔的买卖，误把股市和基金当作提款机，其实却成了庄家镰刀下的嫩韭菜。如果想凭借自己的知识在股市或基金赚到钱，高瓴资本坚守的价值投资是我们更应该学习的，不做短线的投机者，做价值的坚守者，那么判断一家公司的价值就显得尤为重要。如何快速看懂一家公司目录如何快速看懂一家公司第一：清晰的宏观视野第二：判断行业发展规模第三：判断行业所处阶段第四：行业竞争格局第五：认清公司的商业模式第六：找到护
2021-02-04 11:50:03
732
原创 神经网络入门概念和框架理解（YOLOv1v2v3改进分析）
神经网络的主要内容：1.激励函数 2.损失函数 3.常见的损失函数典型方法举例——梯度下降法 热门深度学习框架：TensorFlow（google）Pytorch（facebook） 百度飞桨 目标检测框架：YOLO YOLO v1 YOLO v2 YOLO V3与RCNN的不同Mask RCNN
2021-01-28 23:02:31
563
原创 针对视觉位姿估计特征点优化问题的详细研究
文章目录前言主要因素：仿真结论：特征标志点规划布局设计：标志点规划布局的约束条件：当前的一些研究成功和结论：基于立体视觉的运动刚体位姿测量方法研究一种单目视觉位姿测量系统的误差分析方法基于点特征的位姿测量系统鲁棒性分析横滚角对P3P位姿测量方法鲁棒性的影响分析合作目标姿态对视觉位姿测量精度的影响分析P3P位姿测量方法的误差前言 本文主要针对PNP问题在工程使用的时候，如何布置合作特征的位置进行了一定的研究，探讨了合作特征的位置和尺寸对位姿估计精度的影响。主要因素： （1）标志器与相机的相对距离
2021-01-10 22:38:26
822
2
原创 多目标进化优化（MOEA）方法
在生活中的优化问题，往往不只有一个优化目标，并且往往无法同时满足所有的目标都最优。例如工人的工资与企业的利润。多目标进化优化算法即利用进化算法结合多目标优化策略来求解多目标优化问题。经典而久经不衰的多目标优化算法有：NSGA2、NSGA3、MOEA/D等。其中NSGA2和NSGA3是基于支配的MOEA(Multi-objective evolutionary algorithm)，而MOEA/D是基于分解的MOEA。
2021-01-10 22:21:10
4508
1
原创 理想CEO李想在2020年的一些分享演讲
理想CEO—李想：投资成功的企业和人，在最关键的时候都能看清本质的选择，和个人的性格没有关系，马斯克不是一个脾气好的人，他在最关键的时候做的选择却是对的，这是他坚守的第一性原理；
2021-01-09 15:23:11
940
原创 Markdown首行缩进解决方法实例
文章目录前言一、首行缩进转换成HTML后就没有了？二、首行缩进方法1.方法一:手动添加html可以识别的空格2.方法二：使用脚本的方式对单个文件批量替换前言 通过Markdown写的文章转换成HTML后首行没有缩进2格，即使在Typora中显示有缩进（自己多敲了几个空格或者Tap键），这种原因是Markdown对中文的支持不全导致的。提示：以下是本篇文章正文内容，下面案例可供参考一、首行缩进转换成HTML后就没有了？在Typora中显示是这样的：但是在网页上显示就变成了：二、首行缩.
2021-01-02 15:19:31
1347
2
原创 求解两个经纬点之间的距离和角度（mm级精度）
Distances and bearings between points on an ellipsoidal-model earthVincenty 对椭球体地球模型上点之间距离的解精确到0.5 mm距离，0.000015〃度。基于球面地球模型的计算，例如（更简单的）哈弗斯线，精确到0.3%左右。 We can use live examples at Vincenty’s solution 在线计算 You can git the Matlab Version at git@gi
2020-12-22 10:43:25
820
原创 三维坐标系之间的转换关系详解与推导
三维坐标系之间的转换关系：R(旋转矩阵) 、T（平移矩阵）;布尔莎模型:前提是旋转角为微小旋转角;适用于大转角的罗德里格矩阵模型;
2020-12-21 11:00:29
17216
6
原创 硬件创新需要去理解的点（精炼总结）
关于硬件创新的一些思考：颠覆式创新永远是被行业的外来者打破的，打破那些行业的assumption，从产品的场景去定义产品；苹果产品之所以独特，就是它们突破技术实现了前所未有的用户体验，用户的体验决定了产品的高度而不是产品具有多么不可思议的技术（记得乔布斯在回答提问的时候讲过）；主管参与指挥和讨论，在方案的规划和实现上给每一位成员很大的发挥空间；管理层的技术背景，他们会直奔核心毫不留情的提意见，团队在工作汇报上只能挤掉水分，做多少说多少，画不了饼，这使得工作推进更务实。我们看到真实市场反馈的时候，
2020-12-10 09:19:03
804
原创 AOPA考证流程与考试步骤（非常详细）
实践操作：360度自旋、水平8字。使用遥控器控制飞行器起飞、降落，并且在空中完成360度自旋与飞出水平8字。要求自旋漂移不超过0.5米，8字按照轨迹飞行，并且没有明显掉高。实践操作：地面站。由教练或另外一名考生担任起降飞手，由考生指挥飞手操作遥控器起降飞行器。考生使用地面站软件按照考官出题规划航线，并执行航线，让飞行器按照规划好的航线飞行。考试前准备时间5分钟，连接地面站电台，调试地面站软件。航线规划时间5分钟，按照考官要求的航线、高度、水平速度、停留时间等要求完成航线规划。旋翼手动实操驾驶员 旋
2020-11-16 14:30:41
8706
2
原创 macOS Big Sur 11当前存在的一些问题（更新中）
傻傻的没看就直接更新了，现在一大堆软件和之前用的工具用不了，先就一个问题一个问题例举出来吧，等遇到了再更新问题列表；个人意见：建议不要盲目更新；测试系统如下：问题列表：1.买的绿联的千兆网卡用不了；**2.微皮N的插件（sock）也用不了;**3.公式截屏的软件mathpix snipping tool 用不了；4. Final cut pro也歇菜了；...
2020-11-15 17:13:34
1190
原创 大疆Onboard SDK开发中连接飞控后串口设置与开机自启动
大疆Onboard SDK开发中连接飞控后串口设置与开机自启动Manifold/TX2/Linux 下相关设置1、设置程序上电自动执行设置程序上电自动执行，即为设置开机自动运行可执行文件，Manifold/TX2 中的设置大同小异，均需要借助 bash 脚本(即 sh 脚本，bash 为增强版本)，bash 脚本以下图为例：按照上图的格式建立好 bash 脚本之后，可使用 gnome 的启动项管理实现该 脚本文件的开机自启(TX2 中已经安装好相关工具)：$ sudo gnome-session
2020-11-09 20:33:07
681
原创 c++多线程并发（线程互锁，死锁，设计模式等）
c++多线程并发互斥量：Mutex类lock unlock 成对使用，Lock是阻塞式的，有一个地方lock, 第二个地方的lock会一直卡在lock里，直到lock成功；Lock_guard类模版（推荐使用），直接取代lock和unlock；Lock_guard的构造函数里执行了lock，Lock_guard的析构函数里执行了unlock；局部变量超出作用域名时，生命周期结束并 执行析构函数；加 { } 可以提前结束里面的局部变量，提前执行循环里所定义局部变量的析构函数；锁住的代码的多少称为锁的
2020-11-01 21:52:34
855
原创 位姿测量误差分析
P3P问题原理：P3P 算法多解选择问题的讨论：（1）P3P 算法至多有 4 个解，如何排除虚假解的干扰，从多解中找出正确解是 P3P 算法的关键问题之一。通常使用的方法为：用每个解得的 R 和 T 分别对特征点世界坐标进行重投影，将重投影得到的图像坐标与已知图像坐标比较，认为使得重投影误差最小的 R 和 T 为正确解。这种重投影方法的实质是以特征点像方残差之和最小作为正确解的选择标准。（2）P3P 算法的求解本身是比较稳定的，多解中较可能存在一个与真值接近的正确解，但使用重投影的方法从多解中选择正
2020-10-28 20:10:44
1316
原创 基于点特征的各位姿求解算法对比（pose-estimation-compared）
基于点特征的位姿求解算法：（1）非迭代：P3P 、 P4P 、 RPnP（2）迭代：正交迭代（OI）算法 、 L-M 算法 、 SoftPOSIT 算法 、 Tsai算法（初始解不迭代，精确解迭代）各常用算法稳定性、精度和实时性的对比结果:（1）RPnP 算法求解 R、T 的误差均值和标准差都最小，精度最高；（2）Tsai 算法求 解 R 的误差均值和标准差仅次于 RPnP 算法，但求解 T 的误差较大；（3）正交迭代算法和 P3P 算法 误差中等，但 P3P 算法误差的标准差较大，说明 10
2020-10-28 20:05:38
1288
3
原创 对于李群和李代数的理解
需要解决的问题：假设某个时刻相机的位姿是T，它观察到一个在世界坐标系中的一个空间点p，并在相机上产生了一个观测数据z，那么z = Tp + noisenoise是观测噪声。那么观测误差就是e = z - Tp假设我们总共有N个这样的三维点p和观测值z，那么我们的目标就是寻找一个最佳的位姿T，使得整体误差最小化，也就是minTJ(T)=∑i=1N∥zi−Tpi∥22(1)\min _{\boldsymbol{T}} J(\boldsymbol{T})=\sum_{i=1}^{N}\left\|
2020-10-28 20:02:46
748
原创 kaggle:PUBG Finish Placement Prediction
The Mission of Machine Learning :PUBG Finish Placement PredictionⅠ. IntroductionBased on the background of PlayerUnknown’s BattleGrounds (PUBG), we can use over 65,000 games’ worth of anonymized player data, split into training and testing sets, and aske
2020-10-28 19:44:01
423
6
原创 人工智能三大瓶颈-姚期智
姚期智在2020年浦江创新论坛的演讲：人工智能存在三大技术瓶颈：鲁棒性、机器学习算法缺乏可解释性、人工智能的对抗性较弱一. 鲁棒性关于鲁棒性问题，可以解释成脆弱性、非安全性、非可靠性问题。人工智能系统设计历来重功能性设计，轻可靠性、安全性设计；或先功能性，后安全性、可靠性。在早期产品中这一现象尤为严重。在自动驾驭汽车领域，最终制约因素是安全性、可靠性问题，未来，无人驾驶汽车研发会因可靠性、安全性问题，成为“永在途中”的课题。在姚期智看来，脆弱性是人工智能面临的第一大技术瓶颈。人眼识别十分稳定，一
2020-10-28 19:17:46
3705
原创 强烈推荐《价值：我对投资的思考》
《价值：我对投资的思考》 --高瓴资本 张磊自己的一些思考与想法：不管在什么行业，所处什么环境，做的事情一定是要创造价值，不是在浮躁的社会环境里，老想着短期博弈的事情；坚持第一性原理，探寻问题的本质在哪里，人们永远无法掌握真理，只能无限接近于真理，驱动事物变化的原因往往是简单的、单一的、可判断的，因此就需要从现象出发，抓住可以把握的关键要素，理解商业的底层逻辑；第一性原理强调非比较思维，不应该做单纯的对比或类比；当人和事完全匹配时，公司将被激发出前所未有的力量。Zoom、斗鱼、 快手、美团等很多公
2020-09-26 19:45:45
2436
原创 相机标定方法机理总结与公式推导（Camera calibration）
Camera calibration研究现有相机标定的方法的步骤和机理，探讨主动视觉的标定新方法；张正友法1）标定模型的建立λp=K[r1r2t][XwYw1]\lambda p=K\left[\mathbf{r}_{1} \quad \mathbf{r}_{2} \quad t\right]\left[\begin{arr
2020-09-24 10:12:31
1592
原创 视觉位姿测量精度的影响因素分析(Camera Pose Estimation)
关于位姿测量的一些研究成果：位姿测量误差的本质是回归到像素点代表的实际距离的大小，近距离的时候图像提取误差大一点也不会影响太多，因为像素间代表的实际距离很小，一旦距离变远，意味着单个像素点代表的距离就增大了，所以提取误差就显得尤为重要。1.同一面内（3～4个点）的尺寸大小对测量精度影响此问题已有研究结果，在固定构型条件下，点与点之间的距离越大，位姿测量精度越高；2.同样尺寸范围内的点个数影响问题此问题已有研究结果，在迭代和非迭代算法条件下，点的数量越多，位姿测量计算时间越长，位姿测量精度越高；3
2020-09-24 09:50:10
2312
2
原创 “macOS Catalina下TeXstudio内置PDF阅读器无法正常显示中文”的解决办法
测试系统版本：打开终端，输入以下命令：ln -s /System/Library/Fonts/Supplemental/Songti.ttc /Library/Fonts 具体效果如上图。如果有帮助到您，欢迎您的点赞和转载！
2020-07-15 16:56:01
467
1
原创 多旋翼无人机构成及其原理详解
配件：（1） 电机——依据电磁感应定律实现电能转化为机械能，通常也称为“马达”，电机根据电源的不同分为直流电机和交流电机，直流电机又有无刷电机和有刷电机，多旋翼常用无刷电机，无刷是指无换向器，无整流子，他的特点就是低干扰，噪音低，运转流畅，并且寿命较长，可控性强。在选择电机的一个重要指标就是他的KV值，KV是无刷电机的转速参数，，每升高1V，电动机增加的转速值，通常来说KV越高，转速越快。（2） 电调——全称电子调速器，英文electronic speed controller,简称ESC，电调也
2020-07-05 14:15:20
12104
原创 旋翼机自主着陆-主要技术难点
搜索阶段:远距离： 目标为几个像素，并且淹没在环境里 完全没有任何目标或目标偶尔出现，如何进行导航中远距离 目标部分容易被遮挡，如何进行目标检测 在光线条件较差的环境下，目标检测出现误判和无法工作的情况近距离 目标在视场中占据较大部分，飞机的剧烈姿态变换容易引起目标丢失 受到飞机震动和相机抖动限制，特征点提取误差较大，位姿解算精度不高跟踪阶段:目标检测 如何很好区分背景和目标，在环境噪声中提取小目标 收到飞机自身姿态角和相机视场限制，变化较快的目标容
2020-07-01 15:01:56
1375
原创 室内无人机定位导航
**个人观点：可研究的方向静态规划方面：将控制与定位结合起来；修正误差，提高算法的计算精度和执行效率；动态规划方面：识别运动物体的行进方向，行进速度等参数动态的规划当前或者短时间内的行进路线；在不改变总体规划路线的情况下，小范围内实现灵活避障；**下面给出国内重点高校的软硬件方案：天津大学惯性导航单元 荷兰Xcens公司 MTI超声波传感器 Devantech公司 srf-08激光雷达 日本Houkuyo公司 URG-04LX 精度10MM 半径4000mm 圆心角240°处
2020-07-01 14:34:22
2535
3
原创 无人机轨迹学习问题
无人机轨迹学习，路径跟踪方案个人总结：1.强化学习：建立一种奖励机制，它最符合人类的学习机制，学习一个最优策略(policy)，可以让本体(agent)在特定环境(environment)中，根据当前的状态(state)，做出行动(action)，从而获得最大回报(G or return)。2.RBF Neural Networks：RBF神经网络是一种性能优良的前馈型神经网络，RBF网络可以任意精度逼近任意的非线性函数，且具有全局逼近能力. RBF神经网络可以根据具体问题确定相应的网络拓扑结构，具有
2020-07-01 14:29:49
1987
原创 PNP问题-位姿估计方法梳理（pose estimation）
- 单目视觉- 位姿测量目标3D精确模型已知（建立2D-3D对应关系）：点特征 P3P问题 基于针孔成像模型 Gao的方法（opencv emgucv） Kneip 的 P3P 算法 直接线性变换 （DLT） EP3P（王平） 通用相机模型 （GID） 用在基于鱼眼镜.
2020-06-28 15:54:55
5348
5
如何做一个科研人.zip
2021-01-09
Nonlinear-Fitting-with-Levenberg-Marquardt-Method.zip
2021-01-09
Image_Measurement_Vanishing_Points-master.zip
2021-01-07
ZhengyouZhang-Camera-Calibration-master.zip
2021-01-07
机械臂相机手眼标定（Matlab版本）
2020-09-24
Vincenty-solutions.zip
2020-06-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人