将门创投分享《三维视觉与机器人》

document.getElementById("test").style.height=document.getElementById("test").scrollWidth*0.75+"px"; 1月16日我在将门创投在线直播分享了《三维视觉与机器人》,现将完整录像与 PPT 同步分享到这里。由于能力有限,经验不足,还望大家批评指正。 分享目录 SLAM 研究内容与应用概要 专题1:VIO& 多传感器 …...

Ubuntu Linux 常用命令

1 压缩解压缩 建议使用 7zip 进行压缩解压缩操作,一方面支持 2G 以上压缩文件,另一方面命令也相对简洁。 1)安装 7zip PowerShell sudo apt-get install p7zip-full p7zip-rar 1 sudo apt-get install p7zip-full p7zip-rar 2)解压文件 PowerShell 7z x...

Anaconda 镜像源

由于中国访问 Anaconda 官方镜像源比较慢,因此如果遇到速度瓶颈,可以尝试更换为其他国内镜像源。方法是: 编辑 ~/.condarc 文件,替换为下述任一镜像源的内容。 1 北京外国语大学镜像源 网址:https://mirrors.bfsu.edu.cn/ 可用性:可用,速度快 Shell channels: - defaults show_channel_urls: true channel_a …...

Terminator 安装 & 使用

Terminator 是一个命令行模拟器,相比系统默认的 Terminal 工具,其提供了更多的功能,比如窗格划分、风格设置等。与之前介绍的 Tmux 虚拟终端使用 不同,这是一个运行在自己电脑端的命令行 GUI 工具,而前者可以运行在服务器端并且能够持久运行与共享 session。 0 系统环境 Ubuntu 16.04 1 安装步骤 使用以下命令 …...

TeXLive + TeXstudio 配置与使用

LaTex 是学术论文写作的标准工具,其排版好,可控制性强同时格式调整容易书写更快。TeXLive + TeXstudio 是一个比较常见的搭配(当然 TeXmaker 也是可以的,并没有太大区别,TeXstudio 高级功能更多一点),这里面简单总结下其安装配置过程。 0 系统环境 Ubuntu 16.04 1 安装步骤 在 Ubuntu 上安装这一组合非常容 …...

论文笔记:Deep ChArUco: Dark ChArUco Marker Pose Estimation

ChArUco 在相机标定中比较常用,同时在一些 AR 应用中也有涉及。这篇文章是针对 ChArUcho 这个矩阵二维码使用 Deep Learning 方法进行姿态估计,取得了比传统方法更佳鲁棒的结果(似乎可以为标志检测之类)。 文章主要贡献在于: 1、两个网络 ChArUcoNet 和 RefineNet:前者用于定位 ChArUco 的角点坐标,后者用于 …...

论文笔记:Deep Closest Point: Learning Representations for Point Cloud Registration

DCP 是一篇基于 Deep Learning 来解决 ICP 问题的,其中 Deep Learning 部分主要用于做匹配,后端仍然沿用 SVD 的方法。比很多 MLP 直接出 Pose 的合理,也取得了更好的效果。在与传统方法例如 Go-ICP 以及深度学习方法 PointNetLK 的对比中,都取得了一定的优势。 1 经典 ICP 问题 这一部分在之前的论文笔记中已...

使用 SVD 方法求解 ICP 问题

本文是结合《Least-Squares Rigid Motion Using SVD》和《Least-Squares Fitting of Two 3-D Point Sets》两篇文章写的一个总结,里面有一些是自己的理解不一定正确。 1 问题定义 假设我们有两个点云集合 和 ,则我们定义的 ICP 问题是通过最小化点对之间距离获得相应的 Pose: 其中 代表每个点的权重。R 和 t 是 …...

Ubuntu 下监控并自动重启网卡

很多时候网站服务器挂掉也可能是因为网卡挂掉了,如果你网站不能访问时 SSH 也无效了一般都是这个问题。这时可以通过一个定时脚本监控网络并进行自动重启。相关文章:Linux 下如何监控并自动重启 apache 1 创建脚本 auto_restart_network.sh 内容如下: Shell #!/bin/bash ping www.baidu.com -c 1 >/dev/null …...

论文笔记:Dynamic Graph CNN for Learning on Point Clouds

DGCNN 是对 PointNet 的改进,PointNet 网络每个点单独提取特征缺乏局部关联。DGCNN 提出了 EdgeConv 就是对它的改进。 1 网络结构 DGCNN 网络结构如下图所示,可以看出其整体架构和 PointNet 是基本一致的,主要区别就是将其中的 MLP 替换成了 EdgeConv。 2 EdgeConv 2.1 EdgeConv 结构 上图是 EdgeConv 的示意图...