老黄编程-CSDN博客

老黄编程

码龄19年

247,318

总访问量
215

原创
104

粉丝
30

关注

IP 属地：广东省

加入CSDN时间： 2006-10-07

个人简介：专注激光SLAM, 目标检测, 欢迎关注, 分享交流！

查看详细资料

个人成就

获得2,257次点赞
内容获得8次评论
获得1,978次收藏
代码片获得349次分享
博客总排名10,872名
原力等级

原力等级

4

原力分

701

本月获得

108

TA的专栏

TA关注的专栏 0

TA关注的收藏夹 0

TA关注的社区 1

TA参与的活动 0

兴趣领域设置

人工智能

opencv计算机视觉机器学习深度学习神经网络tensorflow图像处理数据分析

创作活动更多

AI 镜像开发实战征文活动

随着人工智能技术的飞速发展，AI 镜像开发逐渐成为技术领域的热点之一。Stable Diffusion 3.5 FP8 作为强大的文生图模型，为开发者提供了更高效的图像生成解决方案。为了推动 AI 镜像开发技术的交流与创新，我们特此发起本次征文活动，诚邀广大开发者分享在 Stable Diffusion 3.5 FP8 文生图方向的实战经验和创新应用本次征文活动鼓励开发者围绕 Stable Diffusion 3.5 FP8 文生图方向，分享以下方面的内容： 1. 技术实践与优化 - Stable Diffusion 3.5 FP8 模型架构解析与优化技巧 - 文生图生成效果的提升方法与技巧 - 模型部署与加速策略，例如使用 Hugging Face、Diffusers 等工具 - 针对特定场景（例如二次元、写实风）的模型微调与定制化开发 2. 应用场景探索 - Stable Diffusion 3.5 FP8 在不同领域的应用案例分享，例如游戏设计、广告创意、艺术创作等 - 利用 Stable Diffusion 3.5 FP8 实现图像编辑、图像修复、图像增强等功能的探索 - 结合其他 AI 技术（例如 NLP、语音识别）构建更强大的应用 3. 创新应用与思考 - 基于 Stable Diffusion 3.5 FP8 的创新应用场景设计 - AI 镜像开发的未来发展方向的思考与展望 - 对 AI 镜像开发伦理、安全等问题的探讨

28人参与去参加

更多

视觉SLAM十四讲(v2)-4.1.2罗德格里斯公式推导中的R(t)微分方程求解步骤

这一解在三维旋转的表示中具有重要意义，广泛应用于机器人学、计算机视觉和航空航天等领域。视觉SLAM十四讲(v2)-4.1.2罗德格里斯公式推导中的R(t)微分方程求解步骤。通过建立微分方程、利用矩阵指数的泰勒展开以及反对称矩阵的特殊性质，我们得到了旋转矩阵。的微分方程是一个关键步骤。在罗德里格斯公式的推导中，求解关于旋转矩阵。根据罗德里格斯公式的推导，旋转矩阵。是旋转轴方向的单位向量。

博文更新于 9 小时前 ·

视觉SLAM十四讲-(3.15)罗德里格斯公式推导

罗德里格斯公式将旋转向量转换为旋转矩阵，其推导过程包括：1)将向量分解为平行和垂直分量；2)垂直分量绕轴旋转θ角；3)合并分量并转换为矩阵形式。最终得到旋转矩阵R = I + sinθK + (1-cosθ)K²，其中K为旋转轴的反对称矩阵。该公式广泛应用于计算机视觉、机器人学等领域，能高效实现三维旋转的数学表示。

博文更新于 15 小时前 ·

实用数学手册(v2)-1.1.10(3):某些重要不等式的推导过程

本文详细推导了七种重要不等式及其应用案例。包括算术-平方平均不等式、算术-几何平均不等式、加权幂平均不等式、幂平均不等式、施瓦茨不等式、赫尔德不等式和闵可夫斯基不等式。推导过程涉及数学归纳法、代数运算、凸函数性质等数学工具。应用案例涵盖金融投资风险评估和物理学误差分析，展示了这些不等式在实际问题中的实用价值。例如，算术-平方平均不等式可用于评估资产组合的风险收益特征，而施瓦茨不等式则适用于误差分析等物理实验场景。

博文更新于 16 小时前 ·

实用数学手册(v2)-1.1.8:合分比定理证明

实用数学手册(v2)-1.1.8:合分比定理证明。所以，合分比定理得汪。

博文更新于 16 小时前 ·

实用数学手册(v2)-1.1.8比例公式推导过程

本文系统推导了比例公式的基本性质及相关定理。首先证明了比例的基本性质：外项积等于内项积、反比定理、更比定理、合比定理、分比定理和合分比定理。其次详细推导了等比定理，展示了分子分母的运算过程，并扩展到平方根形式。最后通过代数方法严格推导了正比和反比的定义，明确了比例常数k的作用。全文采用严谨的数学推导，通过变量替换和等式变换，完整呈现了比例关系的核心原理和运算规则。

博文更新于 16 小时前 ·

实用数学手册(v2)-1.1.8比例:ak/bk=(a1+...+an)/(b1+...+bn)=...

本文证明了等比数列的重要性质：若各组比值相等（a₁/b₁=a₂/b₂=...=aₙ/bₙ=m），则其和比、加权和比及平方和根比均等于该比值m。通过代数推导和向量模的概念，严格论证了当各组比值相同时，各种复合比例关系都保持相同比例常数这一结论。证明过程展示了等比数列在求和运算中的一致性特征。

博文更新于 17 小时前 ·

实用数学手册(v2)-1.1.6乘法与因式分解公式-推导过程

本文详细推导了12个基础乘法与因式分解公式。通过多项式乘法法则和代数展开，系统证明了包括平方差公式$(a+b)(a-b)=a^2-b^2$、立方和公式$a^3±b^3=(a±b)(a^2∓ab+b^2)$、三项式平方$(a+b+c)^2$展开式等重要恒等式。特别推导了高次幂分解公式$a^n±b^n$在不同奇偶性下的因式分解形式，以及复杂多项式如$a^3+b^3+c^3-3abc$的分解方法。这些公式为多项式运算和因式分解提供了基础工具，在代数运算中具有广泛应用价值。

博文更新于 19 小时前 ·

视觉SLAM十四讲解读-(v2.p85)SE(3)上的李代数求导

本文详细推导了SE(3)上李代数求导的过程。通过扰动模型，对变换矩阵T左乘扰动ΔT=exp(δξ^)，利用导数定义展开并近似处理，最终得到变换后点坐标Tp对扰动李代数δξ的导数表达式。推导过程包括：1)按定义展开导数；2)利用小量近似；3)化简分子项；4)展开δξ^矩阵；5)应用矩阵求导规则。最终结果表明∂(Tp)/∂δξ=(Tp)^⊙，其中^⊙为将齐次坐标点转换为4×6矩阵的运算符。该结果为视觉SLAM中的位姿优化问题提供了理论基础。

博文更新于前天 21:51 ·

视觉SLAM十四讲解读-(v2.p85)李代数求导(扰动模型-左乘)

本文详细推导了视觉SLAM中基于左乘扰动模型的李代数求导方法。针对旋转矩阵R施加左扰动ΔR（对应李代数φ），通过导数定义展开后，利用小量近似将指数映射线性化。经过代数化简和反对称矩阵性质的应用，最终得到旋转后点坐标对扰动李代数的导数表达式∂(Rp)/∂φ=-(Rp)^∧。相比直接求导，扰动模型避免了复杂的雅可比矩阵计算，显著提升了位姿估计等实际应用的计算效率。这一结果为SLAM系统的优化问题提供了简洁高效的数学工具。

博文更新于前天 17:43 ·

视觉SLAM十四讲解读-(v2.p84)李代数求导

本文介绍了在$SO(3)$上对旋转矩阵$R$进行李代数求导的方法。由于$SO(3)$没有加法运算，无法直接计算$\frac{\partial(Rp)}{\partial R}$，转而通过李代数$\phi$求导$\frac{\partial(\exp(\phi^\wedge)p)}{\partial\phi}$。推导过程包括：1) 应用导数定义展开；2) 利用李代数指数映射性质；3) 采用小量近似和单位矩阵性质化简；4) 运用反对称矩阵性质变形。最终得到导数表达式为$-(Rp)^\wedge J_l$，其中$

博文更新于前天 17:25 ·

find_package(CUDAToolkit REQUIRED) VS find_package(CUDA REQUIRED)

CMake中CUDA配置方式对比：传统find_package(CUDA)与现代find_package(CUDAToolkit) 传统方式（CUDA）兼容旧版CMake（3.0+），仅提供基础路径变量，需手动管理组件和版本。现代方式（CUDAToolkit，需CMake≥3.8）支持组件化查找（如cudart、cublas）、精确版本控制，并自动处理跨平台路径。推荐新项目优先使用CUDAToolkit，其优势包括：组件化依赖管理无缝集成包管理器更好的跨平台支持精确版本控制旧项目若受限于CMake

博文更新于 2025.12.10 ·

排版系统基于LaTeX2e的科技文档排版技术：数学公式与浮动体处理综合指南

发布资源 2025.12.05 ·

[持续更新]基于ubuntu平台学习激光SLAM及目标识别需要的知识体系(内含大量资源索引及案例)，建议收藏，关注！！！

摘要：在Ubuntu平台学习激光SLAM与目标识别需构建多维度知识体系：系统基础：掌握Ubuntu操作、开发工具链（gcc/CMake/git）及环境配置；编程与数学：精通C++（智能指针/多线程）和Python，强化线性代数、概率论及优化理论； SLAM核心：学习前端（ICP/NDT）、后端优化（g2o/Ceres）及主流方案（LOAM/LIO-SAM）；目标识别：涵盖点云聚类（欧式/RANSAC）与深度学习（PointNet/PV-RCNN）；传感器：熟悉激光雷达/IMU标定与数据同步；实践

博文更新于 2025.12.05 ·

MarkDown表格语法

Markdown表格语法指南摘要：使用|分隔列、-定义表头行，冒号:控制对齐方式（左/中/右）。支持多行内容（<br>）和转义竖线（\|），但合并单元格需HTML实现。常见问题包括列数不匹配导致的错位，建议保持语法简洁并预览验证。不同平台对表格功能支持差异较大，基础功能通用，高级样式需依赖特定解析器。适用于文档、数据展示等场景。

博文更新于 2025.12.05 ·

MarkDown(mermaid)样式定义

Mermaid中的classDef和class是样式定制的核心语法，用于为节点添加视觉效果。classDef定义样式类（如填充色、边框等），class将样式应用到指定节点。支持多类叠加、条件样式和全局默认样式设置。通过合理使用这两个语法，可以提升图表的可视化效果，区分主流程与分支节点，增强可读性和专业性。使用时需注意类名匹配和样式定义顺序，避免冲突。

博文更新于 2025.12.05 ·

MarkDown(mermaid)绘制流程图详细教程

本文详细介绍了使用Mermaid绘制流程图的方法，包含基础语法、节点样式、连接线类型和子图使用。教程涵盖节点定义（矩形、菱形等11种形状）、连接线样式（实线/虚线/带文本箭头）、子图分组技巧，并提供节点样式自定义、长文本换行等进阶功能。文章还包含用户登录流程完整案例，并解答渲染失败、节点重叠等常见问题，推荐了Mermaid Live Editor等实用工具。通过本教程可快速掌握Mermaid流程图绘制，适用于技术文档、项目管理等场景。

博文更新于 2025.12.05 ·

gazebo harmonic 如何下载所有 Owner: openrobotics(1090) ?

在Gazebo Harmonic中，若需下载所有。的资源（如模型或世界），

博文更新于 2025.12.04 ·

gazebo harmonic 如何一次性下载所有模型/世界？

该库包含大量预构建的模型和世界文件，支持直接下载或通过脚本批量获取。启动Gazebo Harmonic时，通过命令加载项目中的世界文件（如。），可一键下载所有模型压缩包并解压到本地目录。），在左侧模型库面板中检查是否显示新下载的模型。启动Gazebo Harmonic（命令。官方提供了自动下载脚本（如。

博文更新于 2025.12.03 ·

sdf规范15-geometry

本文档概述了SDFormat（Simulation Description Format）的几何元素规范。SDFormat版本号与解析库libsdformat版本可能不同。文档详细说明了<geometry>元素及其子元素（如box、cylinder、heightmap等）的结构、属性和默认值，用于定义机器人仿真中的碰撞和视觉形状。每个几何类型包含必需/非必需参数、数据类型和功能描述，如长方体尺寸、圆柱半径/长度、高度图纹理混合控制等。该规范为仿真模型开发提供了标准化的几何定义方法。

博文更新于 2025.12.03 ·

sdf规范14-material

SDFormat规范定义了仿真场景描述文件的格式标准。其中<material>元素用于定义视觉元素的材质属性，包含多种子元素和属性：<script>指定外部材质脚本，<shader>配置着色器类型和法线贴图，<render_order>控制渲染优先级，<lighting>设置动态光照开关。此外支持传统材质参数（环境光、漫反射等）和基于物理的渲染（PBR），提供金属/粗糙度工作流的相关贴图配置（反照率、金属度、法线贴图等）。该元素非必需，但能实现精细

博文更新于 2025.12.03 ·