- 博客(43)
- 收藏
- 关注
RSS订阅原创 Linux存储管理
本章节为《Linux操作系统基本原理与应用》的笔记。内存管理模块负责内存的全部管理工作，需要完成：存储空间的分配、存储地址的变换、存储空间的保护以及存储空间的扩充。存储分配方案主要包括以下要素：a. 描述存储分配的数据结构。系统需采用某种数据结构来登记当前内存使用情况以及空闲区的分布情况，供存储分配程序使用。在每次分配或回收操作后，系统都要相应的修改这些数据结构以反映这次分配或回收的结果。b. 实施分配的策略。确定内存分配和回收的算法。好的算法应既能满足进程的运行要求，又能充分利用内存空间。由于
2021-05-29 21:58:24
529
原创 Linux进程管理
本章节为《Linux操作系统基本原理与应用》的笔记。进程管理是对并发程序的运行过程的管理，即对处理器的管理。其功能是跟踪和控制所有进程的活动，为分配和调度CPU，协调进程的运行步调。程序在并发执行时会导致执行结果的不可再现性，这是多道程序系统必须解决的问题。在Linux系统中，要查看进程的信息可使用ps(process status)命令，该命令可查看记录在进程PCB中的几乎所有信息。默认只显示在本终端上运行的进程，除非指定了-e, a, x等选项。%CPU：进程占用CPU的时间与进程总运行时
2021-05-28 22:29:05
1567
原创 Linux网络配置
计算机连接到网络上，需要配置其网络接口信息，包括计算机的IP地址，子网掩码，默认网关，域名解析服务器地址等。路由：通过网关主机实现各个局域网的链接，它通过在连接的网络间进行数据的复制来处理输入和输出数据。路由通过IP协议来控制。IP协议主要功能是使主机可以把分组发往任何网络并使分组独立的传向目标。因此，IP协议可以将物理上不相似的网络连接起来，构成一个同构的网络。这种寻址方式是基于IP地址的，在Internet上的每台主机都被设置了一个32位的IP地址。IP地址由两部分组成：网络号net_id与主机.
2021-05-28 21:40:07
645
3
原创 Linux的Shell
Linux将shell独立于OS核心程序之外，使得用户可以在不影响OS本身的情况下进行修改，更新版本或添加新的功能。OS的shell介于OS和Kernel之间，负责将user命令解释成OS可以接受的指令，然后由OS来执行这些指令，并将OS执行的结果以user可以了解的方式反馈给user。在Shell中，ls命令下Tab键可以进行命令补全，shell会自动查找出最符合的命令名称。history命令可以查看当前的命令记录。如果要查看最近执行的命令，则可以使用history n命令，n表示需要查看的最近执.
2021-05-25 17:30:39
443
原创 Linux用户管理
每个用户都包含一个唯一的识别码，User Identity, UID 以及组识别码 Group Identity, GID.若某个账户的UID=0，则系统会认为该用户就是超级用户。用su命令切换到root用户，使用exit返回普通用户账号。Linux的影子密码体系。为了确保用户的口令安全，在/etc/passwd（用户账号信息，可被root修改）文件中不再保存用户的口令数据，用户的口令被加密后存放在.etc/shadow（用户口令文件，仅root才可以访问）文件中，且shadow文件只有root账号才.
2021-05-23 14:46:41
70
原创 Linux文件系统
linux系统中所有的程序、语言库、系统文件和用户文件都是存放在文件系统之上的，可靠性和安全性是文件系统的重要因素。文件系统：OS在硬盘或者分区上保持文件信息的方法和数据结构，即文件在硬盘或分区上的组织结构方式，也指用于存储文件的磁盘、分区或文件系统种类。Linux使用单一的根目录结构，所有的分区都mount到单一的“/”目录上。此时"/"根目录必须使用ext文件系统。若还有其他分区，必须mount到根目录下的某个位置。常见的Linux系统目录/Linux系统根目录，包含Linux系统.
2021-05-23 14:32:22
117
原创 Linux指令
一般的，在关机之前执行三次同步指令sync，可用；将指令合并在一起使用sync;sync;sync系统关机指令shutdown：系统内置2分钟关机，并传送一些消息给正在使用的usershutdown -h now：系统立刻关机shutdown -r now：系统立刻重新启动，相当于rebootshutdown -h 17:30：系统会在今天的17：30关机shutdown -h +20：会在20分钟后关机halt：效果通shutdown -h now系统重启reboot：使用该..
2021-04-29 16:11:19
48
原创 Keras保存模型时报错“Not JSON Serializable”的解决方案
这是Keras本身的一个小bug如果使用时，Keras的backend是Tensorflow时，可以采用下述方案解决：在site-packages>keras>engine>saving.py文件中加上下述代码from tensorflow.python.framework.tensor_shape import Dimensionif type(obj) == Dimension:return int(obj.value or 0)参考链接：https://github..
2020-10-27 21:04:36
1947
原创 《C++并发编程实战》第二章 管理线程
启动线程与许多C++标准库相似，std::thread可以与任何可调用callable类型一同工作，所以可以将一个带有函数调用操作符的类的实例传递给std::thread的构造函数来进行代替。此时，所提供的函数对象被赋值到属于新创建的执行线程的存储器中，并从那里被调用。但是如果直接传递一个临时的且未命名的变量是，其语法肯恶搞就变成了函数声明，去声明函数my_thread，它接受单个参数，并返回std::thread对象，而不是启动一个新的线程，此时的解决方案有三种a. 使用额外的括号来避免其解释为函.
2020-10-06 14:26:17
101
原创 Android + OpenCV搭建图像灰度化应用
Android应用开发之JNI源代码开发so文件：shared object，仅在运行时被加载，当使用C++进行开发时，在Andoird中以动态链接库输出的形式即为.so文件。因此，.so即为JAVA调用C++代码的一个中间件。当我们将.so文件放入工程时，JAVA代码就会在运行时加载这个native库，并通过JNI调用了它的方法。JNI: java native interface，因此，当使用JNI开发时，就是在开发一个.so文件，因此JNI开发的核心是生成和使用so文件的过程Android中的
2020-09-06 21:31:32
491
1
原创 图形几何、计算机视觉中常用词汇
对极几何：两个相机在不同位置，对同一个点P拍摄的图像得到的模型。引入对极几何的目的是为了研究从不同的相机看世界中的同一个点，在两个视平面上的点应该满足什么样的关系。本质矩阵：反应的是空间中一点P，在具有不同视角的相机坐标系中的表示之间的关系。此时的坐标为在各相机中的坐标表示。本质矩阵的引入是方便利用点P相对于各相机坐标系的位置来求解位姿变换矩阵基础矩阵：反应空间中一点P，在具有不同视角的...
2020-04-11 22:22:21
145
原创 Faster R-CNN 学习
学习经典的目标检测网络！膜拜大佬！！Faster R-CNN的目的是使用区域候选网络来实现实时的目标检测任务当前的目标检测网络依赖于区域候选算法来假设对象的位置。SPPNet和Fast R-CNN等减小了运行时间，但是此时也使得区域候选的计算成为整个执行时间的瓶颈。在这个工作中，我们引入一个区域候选网络将全图片的卷积特征与检测网络进行共享，因此得到一个几乎不需要花费的区域候选。RPN是一个...
2020-01-12 13:27:38
269
原创 Mask R-CNN学习
终于！开始了Mask R-CNN的学习！！膜拜大佬！首先介绍一下Faster R-CNN模型：是一个二阶段的分类器。第一结算是区域候选网络（Region Proposal Network, RPN）用于提出候选的包围箱；第二个阶段是核心，即从每一个候选盒中使用RoIPool，提取出特征并且执行分类和bounding-box回归。两个阶段中使用的特征是被共享的在Faster R-CNN中使用...
2020-01-11 17:21:43
226
原创 句表示
句表示句子表示：主要是将自然语言编码为可以被机器处理的方式，使用句子级别的建模，能够有效的提取句子的语义句表示的分类：分为离散表示和稠密表示。其中，离散表示代表有one-hot， 稠密表示可以通过对词向量进行加权，如TF-IDF，SIF等语义模型的目标：一次表示，多领域应用。从而实现预先训练，针对特定应用进行微调的效果基于词袋模型的句表示词袋表示简单高效，具体的是指将句子中的wor...
2019-12-04 16:03:05
170
原创 Rodrigus公式
《视觉SLAM十四讲》第三讲知识点之Rodrigus公式视觉SLAM十四讲——第三讲三维空间刚体运动中有提到Rodrigus’ Formula来实现旋转变量和旋转矩阵之间的变换关系。旋转矩阵的缺点：a. 一次旋转只有三个自由度，使用SO(3)旋转矩阵的表达方式存在冗余；b. 旋转矩阵本身带有约束（正交矩阵，且行列式为1），这些约束会使得求解变得更困难旋转向量：任意旋转都可以用一个旋转轴和一...
2019-11-17 11:29:47
280
原创 C++中的()操作符重载及STL传递比较函数
STL中的（）操作符重载许多STL算法都提供了两个版本，一个用于一般状况（如排序时以递增方式排列），另一个用于特殊情况（如排序时由使用者指定以何种特殊关系进行排列）过去C语言，如果想将函数当作参数传递，唯有通过函数指针才能达成，即将自定义规则、条件的函数的对应函数指针作为参数传进来。但是，函数指针有缺点，即它无法持有自己的状态，也无法达到组建技术中的可适配性——即无法再将某些修饰条件加诸于...
2019-11-12 10:40:44
251
原创 OpenCV4.1.1版本的EM算法实现
看了《模式识别与机器学习》，希望能够将其中的一些概念性较强的内容加以实现，来加强和巩固自己的理解EM算法——《模式识别与机器学习 第九章》潜在变量的引入：使得复杂的概率分布可以有简单的分量组成。观测变量上的复杂的边缘概率分布可以通过观察变量与与潜在变量组成的扩展空间上的更加便于计算的联合概率分布来表示EM算法——期望最大化：寻找带有潜在变量的模型的最⼤似然估计的⼀个⼀般的⽅法是期望最⼤化（...
2019-11-04 17:51:01
640
转载 图像处理和图像识别中常用的OpenCV函数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/fengbingchun/article/details/5816253跟着大佬学习OpenCV，将总结转载，以便后续的查找cvLoadImage：将图像文件加载至内存；cvNamedWindow：在屏幕上创建一个窗口；...
2019-11-04 15:21:29
360
原创 视觉SLAM十四讲——第十三讲：建图
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第十三讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理地图的作用：根据上层应用不同，地图所提供的功能也不同定位：基本功能，VO可以利用局部地图实现定位，回环检测部分可以确定机器人之前出现的位置。还可以将地图保存下来，待下一次开机时使用导航：使得机器人在地图中进行路径规划，指导机器人哪些地方...
2019-10-08 17:34:11
1618
原创 视觉SLAM十四讲——第十二讲：回环检测
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第十二讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理回环检测的目的在于使得机器人可以判断是否之前运动到过当前位置，目的在于构建全局一致的地图回环检测：可以给出除了相邻帧之外的时隔更加久远的约束，它关系到估计的轨迹和地图在长时间下的正确性。且可以在跟踪算法丢失之后，利用回环检测进行重定位基于外...
2019-10-05 17:46:07
1723
原创 visual hull可见外壳
visual hull用于简单、快速地获取三维模型。目前,获取三维模型的方式有:利用传统几何构造技术直接构造模型利用三维扫描设备对真实物体进行扫描,进而重建出模型利用从各个视角拍摄的真实物体的多幅图像重建模型.由图像重建三维模型技术又可分为两类:一类是通过多幅深度图像重建模型,另一类是通过多幅照片生成物体的可见外壳visual hull.Laurentini 最早提出了可见外壳(v...
2019-10-04 21:50:06
519
原创 视觉SLAM十四讲——第十一讲：后端2
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第十一讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要介绍了位姿图和因子图，这在大部分的SLAM系统中都有被用到。因为在更大的场景中，大量特征点的存在会严重降低计算效率，导致计算量越来越大以至于无法实时化。上述两种可以在更大的场景中使用在长期的观测过程中，倾向于在优化几次之后就把特征点固...
2019-10-04 17:06:45
707
原创 ceres基本概念
ceres主要用于解决非线性最小二乘问题和通用的无约束最小化问题Non-linear Least Squares解决形如左侧的非线性最小二乘法问题加和中的项取名为ResidualBlock残差块，其中f表示依赖于参数块xi的CostFunction。[xi1, xi2, …, xik]叫做ParameterBlock参数块ρi是Loss Function，用于减小outliers对于非线...
2019-10-03 20:56:43
541
原创 视觉SLAM十四讲——第十讲：后端1
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第十讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要是针对长时间内最优轨迹和地图的优化，减小累积误差对长时间运动带来的影响批量的处理方式：考虑在很长一段时间内的状态估计问题，而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己渐进的处理方式：当前状态只由过去的时刻决定，甚至...
2019-10-03 19:27:00
852
原创 YOLOv3学习
网址：YOLOv3: An Incremental Improvement https://arxiv.org/abs/1804.02767在YOLOv2的基础上进行了一些小的设计改动实现效果：YOLOv3使用logistic回归来对每一个bb预测一个objectness分数。其中，如果一个bb的先验与金标准重叠的量最多，那么就认为该bb的objectness score为1。如果一些b...
2019-10-02 20:36:22
825
原创 YOLOv2， YOLO9000学习
网址：YOLO9000: Better, Faster, Stronger https://arxiv.org/abs/1612.08242YOLO9000的特点在于可以检测多于9000个对象类别。使用多尺度训练方式，YOLOv2可以在可变尺度上运行，同时提供速度和准确性之间的平衡。最后，可以联合训练目标检测和分类，即在训练过程中，同时使用COCO检测数据集和ImageNet分类数据集。最后在...
2019-10-02 20:03:18
247
原创 YOLOv1论文学习
网址：You Only Look Once: Unified, Real-Time Object Detection https://arxiv.org/abs/1506.02640与先前的方法不同，YOLO直接讲目标检测过程作为一个回归问题，来将空间上可分的bounding boxes和相关的类概率两者一起进行回归。从而可以在一次评估中，完成bounding boxes和类概率的预测优点：...
2019-10-02 15:56:38
82
原创 视觉SLAM十四讲——第九讲实践：设计前端
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第九讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本章很有趣，将前面的知识点都联系在了一起，而且还会通过一系列方法解决诸如：相机运动过快、图像模糊、误匹配等实际问题1....
2019-09-27 17:56:51
1045
原创 光流跟踪算法及OpenCV源代码探索
本文主要记录看光流跟踪算法的感悟，以及OpenCV中对应的实现源码的整理原文：Pyramidal Implementation of theLucas Kanade Feature Tracker Description of the algorithm 1光流算法相关概念特征跟踪的目的：对于第一张图像I上的位置u，在第二张图像J上找到一个位置v，使得I(u)和J(v)相近点x处的光流：...
2019-09-26 21:55:18
1400
原创 视觉SLAM十四讲——第八讲视觉里程计2
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第八讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要介绍了直接法来实现视觉里程计，包含光流跟踪、直接法等特征点法的缺点：关键点的提取和描述子的计算非常耗时；使用特征点法时，忽略了特征点以外的其他特征；当相机运动到特征缺失的地方，会因为缺少纹理信息而无法找到足够的匹配点来计算相机运动针对...
2019-09-26 17:59:44
469
原创 视觉SLAM十四讲——第七讲视觉里程计1
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第七讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要关注基于特征点方式的视觉里程计算法，涵盖了特征点提取、匹配，2D-3D， 3D-3D，点云匹配以及利用三角化获得2D图片上对应点的三维结构特征点法的前端：前端的目的是如何根据图像来估计相机运动。特征点法的前端运行稳定，对光照、动态物体不...
2019-09-25 16:20:24
644
原创 视觉SLAM十四讲——第六讲非线性优化
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第六讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理方程的位姿可以用变换矩阵来表示，然后用李代数进行优化。本讲主要将如何通过优化，来处理噪声数据，并使用图优化，来解决问题。本章的逻辑很清晰，首先提出问题：得到的数据中都存在噪声；接下来引入卡尔曼过滤器和非线性优化，指出需要通过最大化似然函数来得到...
2019-09-24 17:57:26
648
原创 视觉SLAM十四讲——第五讲相机与图像
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第五讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要讨论了相机模型，描述投影关系，讲解相机内参和外参相机的针孔模型：需要了解焦距（物理成像平面到小孔的距离）、光心（针孔模型中的小孔）、物理成像平面和像素平面像素坐标系与成像平面之间，相差了一个缩放和原点平移：x轴缩放α，y轴缩放β，原点...
2019-09-23 18:03:43
1162
原创 SLAM中的Ransac的OpenCV源代码
本文主要记录一下比较基础的内容：RANSAC原理及OpenCV相关源代码RANSACRANSAC的基础内容：以下内容来源于：[1]RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。RA...
2019-09-22 21:02:35
1221
1
原创 OpenCV实时目标检测算法 Real_time_pose 解读
阅读Real time pose estimation of a textured object 相关文档（把看的内容及时记录下来，真的可以帮助理清思路。虽然花费的时间比之前久了，但是相信慢慢习惯了就好了）OpenCV的源码还是很友好的借助这个例子，把之前综述里面看到的跟踪、位姿估计等内容全部都连成了一条线，理顺了！开心！Model registration类仅适用于缺少待配准对象的3...
2019-09-21 20:18:50
1564
2
原创 SLAM中的因子图
看论文，发现很多SLAM方面的文章都涉及图优化，其中更包含有因子图。正好前段时间看了PRML，将其进行整理。（诶，果然理论的内容就是得及时用起来，现在又记不太清楚了）因子图来自于PRML第八章“图模型”有向图和无向图都使得若干个变量的一个全局函数能够表示为这些变量的子集上的因子的乘积。由因子图表示这个分解因子图表示分解的方法：在表示变量的结点的基础上，引入额外的结点表示因子本身将一组...
2019-09-20 15:12:10
6455
原创 视觉SLAM十四讲——第四讲李群与李代数
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第四讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要解决**什么样的相机位姿最符合当前观测数据**问题。一种典型的方法是把它构建成一个优化问题，求解最优的R，t，使得误差最小化。通过李群-李代数间的转换关系，可以将位姿估计变成无约束的优化问题，简化求解方式群：一种集合加上一种运算的代数结...
2019-09-20 14:42:51
935
原创 ubuntu 16.04+OpenCV 3.2.0 运行samples: 如pnp_detection
本篇博客主要是记录一下自己在Ubuntu环境下如何编译OpenCV，并且跑通samples文件夹中的样例，之前一直遇到undefined reference to xxx的问题，试了好久，都不能使其执行，现在终于可以了！！（撒花）以前都是在Windows上借助CMake对OpenCV进行configure, generate，然后使用Visual Studio生成解决方案，install等。方...
2019-09-20 11:36:37
582
原创 视觉SLAM十四讲——第三讲三维空间刚体运动
@ 《视觉SLAM十四讲》知识点与习题《视觉SLAM十四讲》第三讲知识点整理+习题正在学习SLAM相关知识，将一些关键点及时记录下来。知识点整理本讲主要介绍V-SLAM基本问题之一：一个刚体在三维空间中的运动是如何描述的。其中，介绍了旋转矩阵、四元数、欧拉角的意义。以及线性代数库Eigen。刚体：有位置还有自身的姿态向量与坐标：向量是不依赖于坐标系而存在的，且向量不会随着坐标系的旋转...
2019-09-19 11:54:12
721
原创 基于单目视觉的同时定位与地图构建方法综述
基于单目视觉的同时定位与地图构建方法综述主要针对增强现实的应用场景。指出AR需要实时定位设备在环境中的方位。定位方案虽然已经有很多种，但多数方案要么在实际应用中存在诸多局限，要么代价太高难以普及。背景在AR应用中，由于虚拟物体的叠加目标通常为图像、视频，因此基于图像、视频等视觉信息的V-SLAM方案，对于确保虚实融合效果在几何上保持一致有着天然的优势。主要针对单目相机的V-SLAMV-S...
2019-09-19 09:30:11
867
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人