摘要： 如果有多个usb链接到电脑，如果插入的先后顺序不同，那么会导致对应的usb口也会不同，例如当只有一个激光的usb链接到电脑，其设备名字为/dev/ttyUSB0；当如果有底盘的usb以及激光的usb连到电脑时，如果先插入底盘的usb，再插入激光的usb底盘的usb，那么激光的usb对应的设备名字就变 阅读全文

摘要： 这里提供两种方法。 第一种方法：clang_format 1.安装clang format 2.从github的roscpp_code_format项目，下载格式文件.clang-format，注意它是一个隐藏类型的文件，可以通过Ctrl+H显示出来 3.将.clang-format文件拷贝到工作空 阅读全文

摘要： 清除本地修改 拉代码 Git Pull While Ignoring Local Changes? git pull 并强制覆盖本地修改 git pull 并强制覆盖本地修改 阅读全文

摘要： 发现了一个非常不错的关于自然交互OpeNI2+NiTE2的资源，非常感谢Heresy，这里分享链接： OpenNI 2.x 教学文章（转载自：Heresy博客，地址：https://kheresy.wordpress.com/index_of_openni_and_kinect/documents- 阅读全文

摘要： 1.各种最新开源的SLAM a.OpenSLAM。这里收集了各种最新的开源SLAM资料，包含了比如： ORB_SLAM, ORB_SLAM2, hector_slam,ethzasl_ptam，g2o，fastfusion，lsd_slam，rgbdslam_v2，dso，rtabmap_ros，s 阅读全文

摘要： 1.原理 CNN的资料特别多，这里不再赘述，仅收集相关的资料供大家参考： a.Deep learning：五十一(CNN的反向求导及练习) b.Deep Learning 2.实现 我们使用keras实现CNN，Keras的使用文档请参考 a.Keras中文文档 b.Keras英文文档。 参考ker 阅读全文

摘要： BP神经网络是深度学习的重要基础，它是深度学习的重要前行算法之一，因此理解BP神经网络原理以及实现技巧非常有必要。接下来，我们对原理和实现展开讨论。 1.原理 有空再慢慢补上，请先参考老外一篇不错的文章：A Step by Step Backpropagation Example 激活函数参考：深度 阅读全文

摘要： 1.信息熵 给定概率密度函数\(p(x)\)， 定义该函数的信息熵 \(H(p)=H[\mathbf{x}]=-\int{p(\mathbf{x})lnp(\mathbf{x})d\mathbf{x}}\) 信息熵描述了分布的混乱程度。均匀分布是使得信息熵最大的概率分布。单点的冲击响应函数对应的信息 阅读全文

摘要： 在一些应用中会需要获取master的uri地址，发布的话题，订阅的话题，发布的服务，节点的信息等等。这些功能我们通常可一通过rosnode list, rosnode info, rostopic list, rostopic info, rosservice list和 rosservice in 阅读全文

摘要： Softmax回归用于处理多分类问题，是Logistic回归的一种推广。这两种回归都是用回归的思想处理分类问题。这样做的一个优点就是输出的判断为概率值，便于直观理解和决策。下面我们介绍它的原理和实现。 1.原理 a.问题 考虑\(K\)类问题，假设已知训练样本集\(D\)的\(n\)个样本\(\{( 阅读全文