slam

图论中邻接矩阵和邻接表详解一个图 ( G = (V, E) ) 包含：分为：邻接矩阵 (A) 对于有 (n) 个顶点的图是一个 (n\times n) 的二维数组。常见变体：

使用自定义路径规划算法和控制算法实现机器人导航（算法验证）在机器人导航中,规划器负责根据地图生成一条可行的路径,而控制器则根据路径控制机器人运动到目标位置。很多同学在研究机器人路径规划算法和控制算法时,往往需要结合机器人来进行算法的验证,Navigation 2 导航框架通过ROS 2强大的插件机制,可以将你编写的路径规划算法和控制算法加载到导航系统中进行调用。

四元数 (Quaternion)微分-四元数导数的矩阵表示推导（8）连续时间单位四元数 q(t)q(t)q(t) 的导数为：q˙=12 q⊗(0,ω). \dot q = \tfrac{1}{2}\, q \otimes (0,\boldsymbol{\omega}). q˙=21q⊗(0,ω).

机器人自主导航方案概述REF：建筑机器人自主导航关键技术研究进展及展望环境地图分为先天和后天环境信息模型，其中先天环境信息模型可提前输入至建筑机器人系统，后天环境信息模型需要机器人运动过程中感知环境获取

一款基于鲁班猫和STM32的自主导航实践REF：基于多传感器融合的救援机器人SLAM地图重建与路径规划研究硬件软件ORB-SLAM2 建图算法

第七篇：深度学习SLAM——端到端的革命－－从深度特征到神经辐射场的建图新范式1.1 传统SLAM的局限性1.2 深度学习SLAM分类1.3 监督与自监督学习· 监督学习：· 自监督学习：

【视频生成】GVS：生成式视图拼接标题：GENERATIVE VIEW STITCHING 来源：MIT CSAIL ；RunwayML 项目：https://andrewsonga.github.io/gvs

弱纹理图像特征匹配算法推荐汇总适合：弱纹理但光照稳定的场景。推荐组合： MSER + RootSIFT 或 Harris-Affine + SIFT，能增强弱纹理区域的匹配成功率。

基于萤火虫+Gmapping、分层+A*优化的导航方案REF：基于激光和视觉ＳＬＡＭ的自主导航机器人系统设计机器人硬件框架机器人系统软硬件框架RTAB-MAP位姿估计：（real-time appearance-based mapping），将深度相机和激光雷达的特征描述符放入相同的视觉词袋进行联合，采用优化框架Bundle Adjustment将特征点的匹配关系和位姿变换进行联合优化，通过高斯牛顿法最小化重投影误差Ｅ，得到最优位姿估计。

基于ROS2的语义格栅地图导航REF：基于多传感器融合的全自主移动机器人系统设计与实现机器人系统架构硬件架构软件架构导航架构四轮差速运动模型：机器人相对于世界坐标系的位移与旋转关系可以通过两个矩阵来表示，这两个矩阵分别为位移矩阵T和旋转矩阵R

快速上手大模型：深度学习3（实践：线性神经网络Softmax）目录1 Softmax回归1.1 回归VS分类1.2 Softmax理论回顾1.3 Softmax实现

快速上手大模型：深度学习４（实践：多层感知机）目录1 定义1.1 感知机1.2 多层感知机（MLP, Multi-Layer Perceptron）

SLAM各类算法特点对比REF：视觉和激光 SLAM 发展综述与展望视觉和激光 SLAM 基本框架，包括前端里程计、后端优化、回环检测以及地图构建这四个模块

基于三维点云图的路径规划REF：基于多传感器融合的激光 SLAM 三维场景实时重建与路径规划方法研究Cartographer SLAM 算法建图效果

ubuntu22.04 ros2 fast_lio2 复现源项目：https://github.com/liangheming/FASTLIO2_ROS2https://github.com/liangheming/FASTLIO2_ROS2

快速上手大模型：深度学习2（实践：深度学习基础、线性回归）目录1 环境配置1.1 安装miniconda1.2 创建Python3.8环境1.3 安装PyTorch、Jupyter、d2l

快速上手大模型：机器学习6（过拟合、正则化）目录1 过拟合2 解决过拟合2.1 获取更多训练数据集2.2 使用较少特征2.3 正则化(Regularization)

快速上手大模型：机器学习5（逻辑回归及其代价函数）目录1 逻辑回归1.1 肿瘤分类示例1.2 逻辑函数(Logistic function)1.3 逻辑回归模型

快速上手大模型：机器学习3（多元线性回归及梯度、向量化、正规方程）目录1 多元线性回归（Multiple liner regression）1.1 定义2 向量化2.1 例子

面向不同障碍物的自主导航策略REF：基于语义栅格约束的路径规划算法利用YOLOv5进行目标检测和RGB-D相机深度信息提取，获取环境的语义信息生成语义地图，与激光建图算法构建的占据栅格地图融合，通过栅格更新生成语义栅格地图。