2017年10月28日

Ubuntu 14.04下从源码安装qt4.x

摘要: 转自:http://www.cnblogs.com/crazywangzx/p/3505293.html 1.到官网http://qt-project.org/downloads或者ftp://ftp.qt-project.org/上下载Qt的源码包,要安装当然要先有源码咯,我下载的是qt-ever 阅读全文

posted @ 2017-10-28 19:31 Curnane 阅读(393) 评论(0) 推荐(0) 编辑

2017年8月2日

Ubuntu系统下Import cv2提示no modules ...错误

摘要: 最近利用pycharm在Ubuntu系统下调试一个Python项目,将pycharm的解释器从python2.7更换到python3.4后,程序中的Import cv2提示no modules named cv2错误。 经测试需要做两处调整可以解决此问题: 1)将usr/lib/python2.7/ 阅读全文

posted @ 2017-08-02 10:09 Curnane 阅读(19870) 评论(0) 推荐(0) 编辑

2017年7月31日

Ubuntu 14.04下安装CUDA8.0

摘要: 配置环境如下: 系统:Ubuntu14.04 64bit 显卡:Nvidia K620M 显卡驱动:Nvidia-Linux-x86_64-375.66.run CUDA8.0 + cudnn8.0-linux-x64-v6.0 初次安装时,我们采用runfile安装cuda,并且直接使用了cuda 阅读全文

posted @ 2017-07-31 22:58 Curnane 阅读(497) 评论(0) 推荐(0) 编辑

2017年4月9日

error C2504: 未定义基类

摘要: 出错的情况为: type.h 文件中定义了一个结构体,但只给出了声明 其定义在type.hpp文件中给出 在do.h文件中使用该结构体时,只包含了type.h文件,此时报错:未定义基类 解决方法: 在do.h文件中使用文件外定义的结构体时,需要看到定义,不能只是声明。 此类错误在派生类的头文件也经常 阅读全文

posted @ 2017-04-09 16:55 Curnane 阅读(2370) 评论(0) 推荐(1) 编辑

2017年3月7日

PCL例程调试错误之缺少flann-config.cmake

摘要: 编译环境和PCL版本为:win7-x64 + MSVC2013 + PCL1.8.0-win32-MSVC2013. 调试PCL官网例程Cluster Recognition and 6DOF Pose Estimation using VFH descriptors 时(已安装hdf5-1.10. 阅读全文

posted @ 2017-03-07 20:59 Curnane 阅读(1893) 评论(0) 推荐(0) 编辑

2017年3月5日

Ubantu 14.04下安装高版本cmake

摘要: Ubantu14.04 下自带的cmake版本比较低(默认为2.8),这里我们从源码编译高版本cmake: 先卸载电脑上安装的cmake (如何已安装的话): 接下从官网下在最新版的cmake,并解压: 将上面几行命令中的x 替换为对应的最新版数字即可。 接下是安装方式的选择,建议使用第1种,此种方 阅读全文

posted @ 2017-03-05 17:31 Curnane 阅读(1385) 评论(0) 推荐(0) 编辑

2016年12月8日

Glidar测试安装

摘要: 在上一篇随笔中,我们完成了对Glidar 仿真器的概念层面的认识。接下来,我们将着手对该该仿真器进行安装测试。 1 依赖库的安装 安装环境为Windows 7 64位+Ubuntu14.04 LTS的双系统,Glidar安装在Ubuntu14.04系统下面。Glidar安装难点在于一系列依赖库的安装 阅读全文

posted @ 2016-12-08 20:31 Curnane 阅读(620) 评论(0) 推荐(0) 编辑

2016年11月22日

Glidar: 一个基于OpenGL的开源实时3D传感器仿真器

摘要: 1 简介 这篇博文将介绍一个简单易用的3D传感器仿真器,可以用来模拟Lidars,立体视觉,基于时间飞行技术的ToF相机和微软的Kinect实时产生3D点云数据。Glidar仿真器并不是针对特定的某一类3D传感器,它几乎可以用来替代目前任何一种市面上的深度传感器。通过导入的目标的三维模型,实时地产生 阅读全文

posted @ 2016-11-22 20:35 Curnane 阅读(1795) 评论(0) 推荐(0) 编辑

2016年11月2日

SLAM概念学习之随机SLAM算法

摘要: 这一节,在熟悉了Featue maps相关概念之后,我们将开始学习基于EKF的特征图SLAM算法。 1. 机器人,图和增强的状态向量 随机SLAM算法一般存储机器人位姿和图中的地标在单个状态向量中,然后通过一个递归预测和量测过程来估计状态参数。其中,预测阶段通过增量航迹估计来处理机器人的运动,并增加 阅读全文

posted @ 2016-11-02 11:57 Curnane 阅读(4564) 评论(0) 推荐(0) 编辑

2016年11月1日

SLAM概念学习之特征图Feature Maps

摘要: 特征图(或者叫地标图,landmark maps)利用参数化特征(如点和线)的全局位置来表示环境。如图1所示,机器人的外部环境被一些列参数化的特征,即二维坐标点表示。这些静态的地标点被观测器(装有传感器的机器人)利用多目标跟踪的方法跟踪,从而估计机器人的运动。 Fig.1 Feature maps. 阅读全文

posted @ 2016-11-01 22:16 Curnane 阅读(2947) 评论(0) 推荐(0) 编辑

导航