某飞行员的随笔

参考网址: 15个好用的百度网盘搜索引擎 - 知乎 (zhihu.com) 详细1、云铺子 - 百度网盘搜索引擎 地址：http://www.yunpz.net/ 查看方式：直接打开 推荐指数：★★★★★ 备注：聚合类，体验好，推荐！ 2、橘子盘搜-好用的影视资源搜索引擎 地址：https://www.nmme.cc/ 查看方式：直接打开 推荐指数：★★★★★ 备注：专攻影视搜索，度盘、迅雷、阿里，体验好，推荐！ 3、优聚搜 地址：https://ujuso.com/ 查看方式：直接打开 推荐指数：★★★★★ 备注：支持度盘、蓝奏、阿里，体验好，推荐！ 4、蓝瘦网盘在线搜索网页版 地址：http://www.sixyin.com/disk-search 查看方式：直接打开 推荐指数：★★★★☆ 备注：蓝奏云搜索，推荐！ 5、阿里盘搜 - 阿里云盘资源搜索神器 地址：https://www.alipanso.com/ 查看方式：直接打开 推荐指数：★★★★☆ 备注：阿里盘搜索，推荐！ 6、懒盘搜索聚合官网 地址：https://lzpan.com/ 查看方式：各种 ...

slam方向 categories | 沉默杀手 (charon-cheung.github.io) (110条消息) 李想的博客_李太白lx_CSDN博客-从零开始搭二维激光SLAM,激光SLAM,cartographer领域博主 (110条消息) 「小白学移动机器人」一个专注分享移动机器人相关知识的公众号！_白茶-清欢_CSDN博客-从零搭建ROS机器人平台,slam相关,ros领域博主 Forrest-Z (zhouzuhong) (github.com) softdream (道锋) (github.com) (116条消息) 白巧克力亦唯心的博客_CSDN博客-算法推导系列 规划-控制 忠厚老实的老王的个人空间_哔哩哔哩_bilibili IR艾若机器人的个人空间_哔哩哔哩_bilibili 小黎的Ally的个人空间_哔哩哔哩_bilibili

参考网址: 忠厚老实的老王的个人空间_哔哩哔哩_bilibili 笔记12345678910111213----卡尔曼滤波算法----预测步 - 状态方程 X(K)minus=F*X(K-1)plus - 先验估计 P(K)minus=F*P(K-1)plus*F'+Q更新步 - 卡尔曼增益:若R足够大,则更偏向于观测值,若R趋近于0,则更相信预测值 K=P(K)minus*H'*inv(H*P(K)minus*H'+R) - 更新状态量 X(K)plus=X(K)minus+K*(y(k)-H*X(K)minus) - 更新后验概率 P(K)plus=(I-K*H)*(K)minus 代码1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192939495969 ...

参考网址: (110条消息) matlab执行cmd命令是什么意思,cmd 命令行方式执行 matlab 脚本_翻译奥莉姐的博客-CSDN博客 VScode运行MATLAB（最正确版本） - 知乎 (zhihu.com) cmd窗口运行1matlab -nojvm -nodesktop -nodisplay -r test 远程执行 matlab 脚本(关闭终端)1matlab -nosplash -nodesktop -r test 插件使用matlab extension pack code runner

参考网址 (110条消息) rand 函数 与 srand 函数_myKernel-CSDN博客_srand48 (110条消息) drand48()函数_dwell548560的博客-CSDN博客_drand48 (132条消息) srand((unsigned)time(NULL))详解_清风lsq的博客-CSDN博客_srand(time(null)) 简介rand使用范围是( *0~RAND_MAX* ), srand(seed)函数用于给rand()函数设定种子。一般若是设置srand(time(NULL))**,一现在时间为时间种子, 一般目的是由于rand为伪随机,加上以当前时间为种子的话,便于产生真实随机数 测试代码12345678910 void test_rand(void) { unsigned long n; srand((unsigned)time(NULL)); for(int i = 0; i < 100; i++) { ...

参考网址 (110条消息) C++ sort()排序详解_ACfun-CSDN博客_c++sort排序 [(110条消息) STL源码剖析 容器]（五）[stl_stack.h]_深藏功与名-CSDN博客 sort使用12345bool cmp1(data a, data b){ return a.x < b.x; }// 这里使用的是指针sort(exm_set,exm_set + size, cmp1); stack使用12345678stack<Tnode*> search_path; Tnode* pSearch = Kd; // stack容器 - 先进后出// 支持在这里进行push(), pop(), top()操作 // 比如:search_path.push(pSearch); search_path.top()search_path.pop()

参考网址 (110条消息) c语言中calloc是什么意思,C语言中malloc和calloc以及relloc函数的区别_棒棒鸡不棒的博客-CSDN博客 区别malloc char p = (char)maolloc(100); calloc calloc申请的动态内存空间是干净的内存，当你输出内存中的数据时它是NULL ,而malloc()申请的动态内存空间不一定是干净的，当你输出时有可能会打印出一些未知的数据 relloc rellc()函数是用于你的动态内存空间不足以存储你所要储存的信息时，需要再追加一段内存，函数的格式是：(类型说明符*)relloc(p,size);p是你原来申请的动态空间的首地址，是你要申请的动态内存的大小，而不是你要追加的动态内存空间大小，这一点要切记。

参考网址 学生视频-KD树_哔哩哔哩_bilibili (110条消息) 详解KDTree_爱冒险的技术宅-CSDN博客_kdtree (110条消息) 【PCL模块解析 05 之KDTree】01 KDTree原理及代码解析_水亦心的博客-CSDN博客 KD树 - Earendil - 博客园 (cnblogs.com) amcl内部也存在kdtree,可以i拿来看看 算法流程分为生成kdtree与搜索树两部分 结构体12345678910struct data{ double x = 0; double y = 0; }; struct Tnode{ struct data dom_elt; int split; struct Tnode * left; struct Tnode * right; }; 生成kdtree 多所有数据的各个维度做方差 选择方差大的方向进行,排序选择中位数作为分割点,并保存分割维度 ...

参考网址 (110条消息) matlab 数据导入_哆啦A梦的博客-CSDN博客_matlab导入数据 (110条消息) MATLAB-读取pgm图像_FrankDura的博客-CSDN博客_matlab读取pgm (110条消息) matlab读写pgm文件_freshair9的专栏-CSDN博客_matlab打开pgm文件 load12% Load the file to the matrix, M :M = load('sample_file.txt') matlab读取pgm文件1234clc,clear,close all;im1 = imread(‘1.pgm’);imshow(im1)% 可知im1时一个二维数组,254表白色,0表黑色,205表未知 另一种方式 123456789101112131415161718192021222324252627282930313233% function disp_ pgm( pgm_image_name)%不支持文件中有注释pgm_image_name='tmp. pgm ...

参考网址 忠厚老实的老王的个人空间_哔哩哔哩_bilibili 笔记1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283随机过程:(无法做随机试验)大数定律:(1,可重复2,可能已知3,结果不可预知)例如:股票 (不可重复 - 时间)主观概率:(贝叶斯学派)引入外部观测(证据,信息)主观概率(先验概率)-------外部观测----->相对客观概率(后验概率)<概率机器人> pdf与cdf 概率密度,概率分布混用X,Y 随机变量x,y 随机变量取值,代表可能结果测温: 今天多少度?先验概率分布 : { P(T=10) = 0.8 P(T=11) = 0.2}温度计: Tm = 10.3 因 果 果 因后验概率: P(状态|观测) = nP(观测|状态)P( ...