原创 1.C與C++

C實現動態數組存儲學生信息,要求順序存儲可逐個添加信息,減少內存浪費。#include<stdio.h> #include<string.h> //字符串處理 #include<malloc.h> //內存分配 struct Stu{ /

原创 linux操作系統

操作系統的發展類Unix系統目錄結構ubuntu沒有盤符這個概念,只有一個根目錄/,所有文件都在它下面Linux 目錄/:根目錄,一般根目錄下只存放目錄,在Linux下有且只有一個根目錄。所有的東西都是從這裏開始。當你在終端裏輸入“/hom

原创 C++ practical

file organization#include <iostream> float distance(float velocity, float acceleration, float time_elapsed); int main(

原创 C++ vectors

矢量庫#include <vector> int main() { std::vector<float> floatvectorvariable; return 0; }namespace命名空間#include

原创 C++ Vs Pythoninclude<iostream>

python是動態的,C++是靜態的 Python和C ++有着根本的區別。一個主要區別是C ++是靜態類型的,而Python是動態類型的。vehicle_doors = 4 vehicle_speed = 3.0 vehicle_acc

原创 How to use Git

版本控制版本控制就是控制版本,版本控制系統幫助控制(管理)某個事物(通常指源代碼)的不同版本 現在流行的版本控制:gitSubversion Mercurial 版本控制系統分爲兩個類別:Centralized and Distribu

原创 Landmark Detection & Robot Tracking (SLAM)地標檢測與機器人跟蹤

Robot moving and sensing我們將在2D網格世界中定位一個機器人。實時定位與地圖構建的基礎是從機器人的傳感器和運動中收集信息,然後使用有關測量和運動的信息來重新構建一個該世界的地圖。不確定性;機器人運動好傳感器都存在一些

原创 Simultaneous localization and Mapping

Graph SLAMGraph SLAM 是衆多SLAM方法中的一種約束: 對於6個姿勢:一初始位置約束5個附加相對運動約束8個地標位置相對測量約束 所有這些加起來總共14個約束考慮上圖,有4個姿勢(包括初始位置x0)和一個地標。我們可

原创 矩陣與狀態轉移方程

高維高斯函數均值現在是一個向量,每個維度對應一個元素,方差變爲協方差。協方差定義的是高斯函數的分散當高斯函數傾斜時,X和Y的不確定性是相關聯的。卡爾曼濾波器預測對於卡爾曼濾波器,我們將構建二維估計,一個針對位置,一個針對速度 如果:知道位

原创 目標跟蹤與定位——狀態與定位

定位步驟卡爾曼濾波器回顧一下卡爾曼用語定位的步驟:初步預測下面是一個例子,我們知道我們的車在這條單車道上,但我們不知道它的確切位置。 測量更新 感知周圍的世界稱之爲測量更新。收集有關汽車周圍環境的更多信息並改進我們的預測。 比如:測量的

原创 卡爾曼濾波器(Kalman Filters)

卡爾曼濾波器,這是一種使用噪聲傳感器測量(和貝葉斯規則)來生成未知量的可靠估計的算法(例如車輛可能在3秒內的位置)。我們知道高斯方程包含兩個主要參數:一個是平均數一個是方差,通常寫爲平方值。 一般來說,高斯方程是這樣的: 我們將該方程的第

原创 LaTeX 數學公式編輯

以下內容整理學習於互聯網學習LaTeX公式編輯的初衷是,用word自帶的mathtype公式編輯器太麻煩了,每次都要尋找並用鼠標點擊不同的符號,於是就想要是能像快捷鍵一樣只通過敲鍵盤編輯公式那就太方便了(儘管word有自帶的符號),LaTe

原创 機器人世界

與人類一樣,機器人通過它的“感官”來感知世界。例如,無人駕駛汽車使用視頻、雷達與激光雷達來觀察周圍的世界。隨着汽車不斷地收集數據,它們會建立起一個3D觀察世界,在這個世界,汽車可以知道自己在哪裏,其他物體(如樹木、行人和其他車輛)在哪裏,以

原创 目標跟蹤與定位——Introduction to motion

要隨着時間變化來跟蹤物體並檢測動作: 方法之一是提取特定的特徵 觀察這些特徵是怎麼從一幀變化到下一幀的,這裏可以用到光流法(optical flow)。光流法光流法在諸多跟蹤和動作分析應用中都有所涉及,其工作原理是通過假設圖像幀的兩點來實

原创 目標跟蹤與定位——Robot Localization

概率概率定義: 事件X發生概率是P(X),P(X)的值必須落在0,1之間0 <= P(X) <= 1事件X可以有多個結果,稱之爲X1,X2,等; X的所有結果的概率必須加起來爲1。例如,假設有兩種可能的結果,X1和X2:如果P(X1) =