Paper——Real-Time Visual Odometry from Dense RGB-D Images
这次带来的一篇文章是一个视觉里程计,针对RGBD的dense Visual Odometry:Real-Time Visual Odometry from Dense RGB-D Images,是一个非常经典的算法,现在依然被广泛使用着。
这次带来的一篇文章是一个视觉里程计,针对RGBD的dense Visual Odometry:Real-Time Visual Odometry from Dense RGB-D Images,是一个非常经典的算法,现在依然被广泛使用着。
项目需要拓展到多相机协同重建,需要借助C/S模型通信。而使用ROS是非常好的选择。最近借助之前学得ros的知识,代码部分拓展得差不多了,再拓展到多个机器的过程中,出现了通信与节点名字冲突的问题,解决方法也不难,就在这里记录一下。
之前在安装显卡驱动时候,需要关闭桌面服务,按ctrl+alt+F1,进入命令模式后,输入service lightdm stop,接着桌面服务就关闭了,等了一会也没什么反应,我以为电脑死机了就点击了重启,接下来就坏事了,桌面就再也没回来…
为了更好的使用ROS编程,ROS提供了Client Library,也就是一个编程库,可以用来建立node,发布消息,调用服务等等。其中有cpp版本的roscpp,python版本的rospy,还有lisp版本的roslisp,但是显然我们用的最多的是cpp与python版本。这里会编写一些简单的通信实例,以得到更好的学习效果。
ROS是Robot os,也就是机器人操作系统。目前我们看到的很多机器人,比如波士顿动力,还有很多SLAM中,都用到了ros。早在大四的时候我在电脑上试图跑CHISEL的时候就看到了ros,当时觉得真是复杂。后来到了现在发现还是得啃。复杂只是因为不了解,任何好用的工具,都是尝试再把事情变得简单。
Node之间的通信,是ROS的最重要的部分。这一篇文章介绍一下ROS的通信相关内容。
之前在排序的时候我们提到了归并排序,使用了分治法。实际上分治法的应用非常多,这篇文章主要介绍分治策略的分析以及一些使用分治策略的算法。
上次提到的增长量级简单的说明了算法的效率,而且还使用了一个符号\(\Theta\)。这次给出这个符号更精确的定义。在数学上,运行时间随着数据量增长的规律可以看为一个函数,因此这篇文章主要从更全局泛化的谈谈函数的增长。
算法导论在学习计算机专业的人心中一直是圣经般的存在。虽然我也阅读过一些数据结构与算法相关的书,但是一直没有机会阅读算法导论。这次当当买书半价,我就下单了算法导论。有可能又会放在书架上当作收藏,但是还是开一个坑,希望能抽时间阅读完这本书,并记录自己的学习过程。
我自己用过不少语言,cpp,java,python,html,ccs,javascript都接触过,系统学过java,cpp,也用过cpp,python和java编写过一些项目。但是呢,语言学过了都会忘记,但是过去写的代码不是毫无帮助,再次上手会非常容易。记录,就是记录一下最近用到的,之前学过但是忘记了的东西。
这是一个对于之前介绍的proximal gradient descent,accelerated proximal gradient以及augmented Lagrange multipler算法的实现与对比。
这个博客将介绍ALM,介绍一个用来解决一个等式限制的问题的框架。
最近项目需要将单个相机拓展到多个相机阵列,使用的相机是xtion,因此首先要做的一步就是将多个相机的输入都能读取到。
实际上这节课讲的内容也比较多,对应的是convex optimization,这里主要介绍一下lasso回归以及对应使用的Proximal Gradient Decent(PGD)。
第三节课的内容。这节课上课到半截困了睡着了,看着大家都很积极请教认真听讲,感觉很惭愧。周末不能熬太晚。这个博客就记录一下醒着时候听到的内容。
这篇博客介绍第二节课的一些内容。虽然第二章题目是Sparse Signal Model,但是这篇博客还介绍了很多高维下的内容,因此内容是比较杂的。不过这个也就是上课内容的记录,而不是完全按照博客题目分的。
暑期课程开始了,这个暑假选了大名鼎鼎的马毅老师的课:压缩感知与稀疏模型。不过马老师在深圳呆的时间只有一周,因此这个课对于压缩感知理论的介绍不会面面俱到,希望能建立一个框架出来,而对日后工作学习有所启发。
这次阅读一篇关于超分辨的论文。这篇文章的作者里有马毅老师,他是伯克利的老师,也是TBSI的老师,是非常有威望的一名学者。这篇文章在超分辨领域是比较经典的文章了。
学习数字图像处理的时候阅读了这一篇关于去雾的文章:Single Image Haze Removal Using Dark Channel Prior。这篇文章是大名鼎鼎的何凯明的第一篇文章,而且还获得了CVPR best paper award,非常令人佩服了。
搞计算机视觉的都知道图像分割的重要性,是物体,语义识别的基础。segmentation也是一个很热门的方向,除了二维上的图像分割,还有三维的物体分割。今天来学习一些图像分割的基础。