Kalman Filter原理及公式推导
卡尔曼滤波是一种高效的递归（自回归）滤波器。能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量值在不同时间下的值，考虑各时间下的联合分布，再产生对未知变量的估计，因此会比只以单一测量值为基础的估计方式要准^{[1]}。 几个值 先说明一下卡尔曼滤波中涉及到的各个值：
C++11及其之后的新特性（简单介绍）
C++11 自动类型推导 auto需要注意的是: 必须在定义时初始化auto类型的变量 auto类型不能定义数组 一旦初始初始化，就不可更改类型 auto x = 5;
auto y = 3.14;
auto a; // 错误
auto array[10]; //错误
auto a = 10;
ROS1的launch文件
之前一直是 rosrun方式启动ros节点的, 一是因为懒, 二是因为我只负责一个节点, 用不到launch方式. 这次遇到了不能保存ROS日志的bug, 换成launch方式启动就能成功保存日志了... Launch文件 ROS中 .launch 文件可以同时启动多个 node, 包括 rosco
Livox格式的rosbag转为PointCloud2格式
参考文章前两篇是CSDN的，又一次让我见识到CSDN的Blog质量之低了。 写这篇文章的目的，是Livox LiDAR发布的格式是CustomMsg，没有办法用rviz直接可视化，必须重新发布为PointCloud2格式或者使用C++通过driver直接解析。 安装 先编译并安装Livox的SDK：
ROS1的bag录制
bag录制 录制所有话题，这里没有指定bag名，会在当前路径生成一个当前时间戳命名的bag rosbag record -a 录制指定话题 rosbag record <topic_name1> <topic_name2> ... 录制指定话题，并指定bag名称，arg为大写的英文字母O rosba
多传感器融合——后融合
多传感器融合的方案可以分成前融合（Early Fusion）方案和后融合（Late Fusion）方案。 前融合也叫特征级融合，不同传感器的数据会在特征级别进行合并，也就是说，不同模态的数据经过处理和合并后会得到一个特征集合。一般来说，每个模态数据的特征会被分别提取，然后被提取到的特征会被合并为一个
GStreamer学习
GStreamer在我看来更像是视频编解码领域的内容。 JPEG和MPEG 先区分一下这两个格式[1]。 JPEG全称Joint Photographic Experts Group，文件拓展名一般为.jpg或者.jpeg，是一种静态图像压缩标准，压缩比能达到10:1。 MPEG全称Moving P
计算机视觉中的Affine和Perspective Transformation
Affine Transformation 仿射变换是在二维空间上对图像进行平移(Translation)、缩放(Scale)、旋转(Rotate)、错切(Shear)操作的组合。 四种变换的矩阵形式分别为： 平移:T_t = \begin{bmatrix} 1 & 0 & p_x \\ 0 & 1
【败家】一条手串的的串生历程
虽说是历程...但是手串刚到我的手里，就先放一张出生（无谐音）图吧。 猴头 这个猴头不是黑神话悟空里猴头泡酒的那个猴头...它其实是核桃。 这是一串10mm+的全品小馒头料猴头手串。 柏香籽 也叫百香籽，柏香子，这几种写法都没错。 这是一串36颗的9mm+热振竖桩顺纹柏香籽手串（名字好长），它没法戴
Windows11 4070Ti部署Deepseek
本来以为难度颇高，没想到还挺简单... 需要的软件就两个： ollama Chatbox AI 模型的部署 进入两个软件的官网并下载Windows版本，下载完成后安装。 使用win+R 呼出Windows的终端，然后进入ollama的模型页面，选择你需要使用的模型分支，b前的数字越大，模型参数越多，