Xxxxic's Blog

FAST-LIO 开源仓库：hku-mars/FAST_LIO FAST-LIO 是港大MaRS实验室在2021年提出的一个紧耦合迭代扩展卡尔曼滤波高计算效率、高鲁棒性的雷达里程计，使用了紧密耦合的迭代扩展卡尔曼滤波器将 Li DAR 特征点与 IMU 数据融合，以便在发生退化的快速运动、嘈杂或混乱环境中实现稳健导航，解决了许多关键问题： 用于里程计优化的快速迭代卡尔曼滤波器 将IMU和Lidar特征点紧耦合在一起 使用反向传播考虑到了运动补偿 使用并行 KD 树搜索以减少计算 这里更多着眼于实现运行和观察算法效果，具体步骤参考了仓库Readme，内容如下。 环境要求Ubuntu >= 16.04 ROS >= Melodic、PCL >= 1.8、Eigen >= 3.3.4 livox_ros_driver 安装配置教程地址：github.com/Livox-SDK/livox_ros_driver/README 由于 FAST-LIO 必须首先支持 Livox 系列 ...

Funny JSON Explorer（FJE），是一个JSON文件可视化的命令行界面小工具 运行：fje -f <json file> -s <style> -i <icon family>​ 源代码库链接：Xxxxic/Funny-JSON-Explorer 123456789101112{ oranges: { 'mandarin': { ├─ oranges clementine: null, │ └─ mandarin tangerine: 'cheap & juicy!' -=> │ ├─ clementine } │ └─ tangerine: cheap &am ...

一、实验任务 RRT的衍生算法的仿真实现 熟悉掌握常见的地图搜索算法 RRT 的拓展算法： RRT*: 引入成本函数的概念，通过重新连接已有节点，以寻求更优的路径 Informed RRT*: 引入启发式信息指导树的生长方向，以提高搜索效率 Dynamic RRT: 根据环境特征动态调整节点扩展的步长，提升算法在复杂环境中的 性能 二、实验步骤2.1 RRT算法　　RRT（Rapidly-Exploring Random Trees）是一种基于随机采样的路径规划算法，采用增量式采样的搜索方法。将其应用于路径规划时无需事先对环境信息进行处理和存储，具有较好的适应性，适用于解决复杂环境以及多种约束条件的路径规划问题。 　　算法主要流程是以空间中的起始点作为根节点，在空间中利用增量方式进行随机采样，然后向外延伸扩展以增加叶节点。重复该步骤直到获得一棵从起点到目标点的树，最后通过回溯找到从根节点到目标点的无碰撞路径。 　　RRT 算法的优点包括不需要启发式函数、能够快速规划出一条安全路径，适用于复杂环境和多种约束条件的路径规划问题。然而，它也存在一些缺点：稳定性不佳、内存消耗较大、效率相 ...

笔记参考：算法笔记、算法复习 复习视频： 【北大公开课】算法设计与分析、算法设计与分析期末速成 考题如下 自行划重点： 23 算法 回忆版 A卷： 5道选择：渐进界、回溯基于深搜、dp的条件（子问题最优、叠加）、贪心的条件（子结构、贪心）、dij不能处理负权 两道计算： 解递推方程（不只算复杂度）：T(n)=4T(n/3)+n^2-7n+5 对偶线性规划（不需要单纯形）：对偶性、松弛条件 max x1 + x2 s.t. x1 <= 5 x2 <= 3 x1 + 3x2 <= 11 x1, x2 >= 0 两道算法理解：dp（该章第一个例子）、prim求最小生成树 三道算法设计：移掉 K 位数字、o(n²)求最长单调增子序列、最小费用流和运输问题（建模最大流运输问题） 23 算法 回忆版 B卷： 5道选择：函数渐进界、分支限界法基于广搜、dp条件、贪心条件、快排pivot选择复杂度区别 两道计算 解递推方程：T(n)=3T(n/2)+n^2-7n+5 求对偶线性方程 ...

分布式笔记： 分布式系统 · Hongzheng Chen、一本神书：《数据密集型应用系统设计》 | 负雪明烛 复习方法：ysyisyourbrother/SYSU_Notebook + 课程ppt + 复习资料答案 + 19真题 课程项目：Xxxxic/Distributed-KV-Store 23分布式期末 回忆版 20分 10道选择：GFS、MapReduce、递归命名解析、拜占庭故障、window打布丁是什么一致性（单调写）、剩下想不起来了 20分 5道简答： 分布式透明性_为什么不能完全透明 _ _RPC优点_gRPC过程 两阶段提交 MPC 集中式互斥需要发多少条消息 60分 6道分析： 时间戳_时钟同步（计算A和B的时间偏差，快了慢了如何校准，若没有UTC服务器怎么校准） 找一个事件的HappenBefore关系 写逻辑时钟、向量时钟 恢复线 可用性和可靠性_高可用为什么不一定高可靠 一致性模型 以数据为中心的模型有哪些 判断都能读到最新是什么模型 第三问给图判断是否符合因果一致性 第四问给图判断是否符合读写一致性 不符合修改 描述pa ...

Welcome to Blog! This is my very first post. Blog configuration reference： Butterfly主题美化教程大合集 hexo-butterfly-各种操作速读-STONE 是安知鱼哇-bilibili butterfly 重装日记 | 安知鱼 张洪Heo Butterfly 主题美化 | 海拥 关于我 Butterfly 主题的所有美化 | 小嘉的部落格 首页背景图渐进式加载，解决卡顿难题 | 铭心石刻 im0o/hexo-generator-index-custom: Custom Index generator plugin for Hexo. 我的Blog美化日记——Hexo+Butterfly | Guo Le’s Blog 使用Git Submodule 对Hexo 博客主题进行管理与更新 - 忆星辰 | 博客 【Hexo-Butterfly】页面美化的一些操作-不定期收录 | sheerkvc Quick StartCreate a new post1$ hexo new " ...

课程学习参考资料： Harvard CS50's Introduction to AI with Python CS50' (harvard.edu) LAB1 Dijkstra要求用python实现dijkstra最短路径算法，并完成以下两个任务。 任务一 给定无向图，及图上两个节点，求其最短路径及长度要求：使用Python实现，至少实现Dijkstra算法 输入第1行：节点数m 边数n；第2行到第n+1行是边的信息，每行是：节点1名称 节点2名称 边权；第n+2行开始可接受循环输入，每行是：起始节点名称 目标节点名称。输出最短路径及其长度。 ​ 任务二：罗马尼亚旅行问题 你是一名正在罗马尼亚旅行的游客，现在你急需从城市1赶到城市2搭乘航班，因此，你需要找到从城市1到城市2的最短路径。 请基于以上最短路径程序，扩展实现一个搜索罗马尼亚城市间最短路径的导航程序，要求：出发城市和到达城市由用户在查询时输入对于城市名称，用户可以输入全称，也可以只输入首字母，且均不区分大小写向用户输出最短路径时，要输出途经的城市，以及路径总路程输出内容在直接反馈给用户的同时，还需 ...