原创 matlab 中for 的控制表達式用數組,循環指數可以爲向量

% 定義變量 % ii ---循環變量,也就是循環次數 clc;clear; for ii = [5 9 7] fprintf('value of a: %d\n', ii); end fprintf('跳出循環後,v

原创 heap堆(自己做菜)(空間很大),stack棧(餐館喫飯)(能從棧獲得的空間較小),static(全局變量和靜態變量的存儲),文字常量區,程序代碼區,以及ROM,RAM,Flash

文章目錄數據結構中的堆棧c的補充內容c語言中的堆棧ROM (Read Only Memory)程序存儲器快閃存儲器(FLASH MEMORY)RAM (Random Access Memory)隨機訪問存儲器電錶的例子參考 數據結

原创 electron打包exe文件

準備工作 在非Windows主機平臺上,需要安裝Wine 1.6或更高版本。 https://wiki.winehq.org/Ubuntu_zhcn package.json設置打包: 建議將打包的命令設置在package.jso

原创 6月29 Electron的第一課

官方文檔 https://www.electronjs.org/docs 部署常識 1、首先,安裝最新版本的Node.js 。 https://www.electronjs.org/docs/tutorial/developmen

原创 python文件IO中的二進制格式與文本格式

方式 open() 函數第二個參數是一個字符串,用於指定文件的打開方式,如果該字符串中出現 b,則表示以二進制格式打開文件;反之,則以普通的文本格式打開文件。 對於 Windows平臺最好用 b 打開二進制文件 在 Windows

原创 編譯ORB-SLAM的3個問題的記錄

源文件地址: https://github.com/raulmur/ORB_SLAM2 安裝的依賴 C++11 or C++0x Compiler Pangolin OpenCV Eigen3 DBoW2 an

原创 多項式曲線,分段曲線,曲線參數化,平面曲線,插值方法的樣條曲線

文章目錄初步感受一下bezier曲線14.1 多項式曲線 Polynomial curves14.2 分段曲線Piecewise polynomial curves14.3 曲線參數化14.4 平面曲線樣條14.5 插值方法Int

原创 【課本】【No.3】隨機向量定義、聯合分佈函數、邊緣分佈、統計特徵的分佈函數的差分,獨立性、離散型條件分佈列,連續型分佈函數與密度函數、隨機向量的函數分佈

文章目錄隨機向量定義、聯合分佈函數、邊緣分佈、統計特徵的分佈函數的差分獨立性、離散型條件分佈列連續型分佈函數與密度函數隨機向量的函數分佈 隨機向量定義、聯合分佈函數、邊緣分佈、統計特徵的分佈函數的差分 獨立性、離散型條件分佈列

原创 【課本】【No.4】數字特徵 離散/連續均值/方差 隨機向量 協方差 相關係數 矩 偏度 峯度 多維均值/協方差 運算性質 條件期望 隨機個隨機向量的和 正態中的條件期望是線性函數

文章目錄數字特徵離散/連續均值離散/連續方差隨機向量,協方差,相關係數(線性關係)矩 偏度 峯度多維均值 多維協方差 運算性質 條件數學期望隨機個 隨機向量的和 正態中的條件期望是線性函數 數字特徵 離散/連續均值 離散/連續方

原创 【課本】【No.5】大數定律和中心極限定律的理解

大數定律和中心極限定律 大數定律 大數定律回答了何時一個隨機序列的算術平均值會在某種意義下收斂於某一個確定實數列的算術平均值。 弱大數定律 以概率收斂 強大數定律 以概率1收斂 大數定律的結論 結論是某個時間成立的概率(或極限)爲

原创 gazebo打不開world

可能原因1:可能是因爲開啓了3D加速, 需要關閉虛擬機之後在設置中關閉3D加速,重啓虛擬機,重新運行gazebo。 或者,另一種方法:echo “export SVGA_VGPU10=0” >> ~/.bashrc 可能原因2

原创 0.42-0.5+0.08與0.08-0.5+0.42是不完全相等

matlab的老師佈置了這麼一道作業題:儘管我們知道0.42-0.5+0.08與0.08-0.5+0.42是完全相等的,但在Matlab中,二者卻不相等,請說明原因。 我大概是知道這與浮點數精度誤差有關係,但是還是不能理解,若有誤

原创 【課本】【No.2】集合表示法、一維離散變量定義,分佈函數爲了解決計算時間概率,二項分佈,泊松分佈,一維連續型分佈函數與密度函數

文章目錄集合表示法一維離散型隨機變量一維連續型隨機變量 集合表示法 一維離散型隨機變量 一維連續型隨機變量

原创 【課本】【No.1】樣本空間,事件域,概率測度,條件概率,全概率,貝葉斯,獨立事件,n重伯努利

樣本空間,事件域,概率測度 條件概率,全概率,貝葉斯 獨立事件,n重伯努利

原创 5月9日數據匹配圖論、匈牙利、KM算法,多目標跟蹤

修訂 :多目標跟蹤,即MOT(Multi-Object Tracking),也就是在一段視頻中同時跟蹤多個目標20200521 文章目錄英文註解背景知識1.1基本概念:1.2 圖的表示:1.2.1鄰接矩陣:1.2.2 鄰接鏈表:1