Mobile Robot and Computer Vision

Qiu, Kejie, and Shaojie Shen. “Model-aided monocular visual-inertial state estimation and dense mapping.” Intelligent Robots and Systems (IROS), 2017 IEEE/RSJ International Conference on. IEEE, 2017. 簡介 (Sensor Fusion 感測器融合) 利用三維模型定位得到全域姿態(global pose)，修正VIO累積誤差 ​

ROS 的開發流程，跟早期的Android開發一樣，開發工具很原始，瑣碎機械化的部驟又多，開發時非常消磨耐性。 讓Android開發流程更順暢的功臣是AndroidStudio，而讓ROS開發流程簡化的就是RoboWare了(開發軼聞 本来做ROS底盘最后做了个IDE：RoboWare Studio诞生记 ) 以下展示了使用RoboWare加速開發的實際過程： 詳細解釋可以參照 ROS Robot Programming (English) Yoonseok Pyo page.151~ Sample code: https://github.com/ROBOTIS-GIT/ros_tutorials/tree/master/ros_tutorials_topic ​

Ubuntu Chrome 遠端桌面設定 Ubuntu16.04 下用 Chrome Remote Desktop 取代緩慢的 Teamviewer 由於在Ubuntu下有使用遠端桌面的需求，找了習慣的Teamviewer來用，發現Teamviewer在Windows下算順暢但在Ubuntu下的速度慢得難以忍受，找了其它的替代方案如X11 server等，畫面陽春又無法直接操作原桌面GUI，難道沒有好用的遠端桌面嗎？ Chrome Remote Desktop(CRD) 或許是個最好的解決方案……才怪 CRD在以預設安裝好時，一樣會以X11 server一樣的方式，為遠端連入建立一個Session，因此連入時，你將會看到桌面的Menu bar不見了，滑鼠也怪怪的，總之怎麼用怎麼不順，但別絕望的太早，設定一下CRD會是Ubuntu下用得最順手的遠端桌面。 Chrome 安裝 到官網下載 google-chrome-stable_current_amd64.deb $ sudo dpkg -i google-chrome-stable_current_amd64.deb $ sudo apt-get -f install $ sudo dpkg -i google-chrome-stable_current_amd64.deb Settings => Sign in to Chrome 安裝 Chrome Remote Desktop Plugin Remote Assistance => Get started => Share => 下載 chrome-remote-desktop_current_amd64.deb $ sudo dpkg -i chrome-remote-desktop_current_amd64.deb # 安裝缺乏的套件 $ sudo apt-get -f install $ sudo dpkg -i chrome-remote-desktop_current_amd64.deb 完成上述安裝後，還需要進一步設定 Chrome remote desktop 設定 停止 Chrome Remote Desktop: /opt/google/chrome-re...

快速入門 Numpy的101個練習 Numpy小抄 (出處： DataCamp ) ​

Preparation 先備知識&工具 Numpy ​

Open3D 是一個開放原始碼的函式庫，支援對3D資料的快速開發，在接口端同時支援C++與Python，後端經過最佳化並針對平行化設計。 在 Open3D 之前，3D 資料常用 Point Cloud Library (PCL)處理，可惜的是在PCL開放源始碼後，開發不太活躍，在編譯時可以清楚的感覺到其壅腫的設計，使編譯時間拉長。 設定Open3D環境 (如果在以下文字說明安裝過程中遇到錯誤，可以參見影片，其中包含解決錯誤過程) 步驟 Pyenv 安裝 Open3D 安裝VS Code 執行Open3D 範例程式 Pyenv http://blog.codylab.com/python-pyenv-management/ 因為Open3D支援以python binding方式操作底層C++ API，這裡先設定好pyenv管理python版本 安裝 pyenv 和 pyenv-virtualenv $ git clone https://github.com/yyuu/pyenv.git ~/.pyenv $ git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.pyenv/plugins/pyenv-virtualenv $ sudo apt update $ sudo apt install python-pip $ sudo pip install virtualenv $ sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm 把下列加到 ~/.bashrc export PYENV_ROOT= " $HOME /.pyenv" export PATH= " $PYENV_ROOT /bin: $PATH " eval " $(pyenv init -) " source ~/.bashrc pyenv install 3.6 . 3 pyenv global 3....

MOST Workshop on Generative Adversarial Networks and GAN Project Competition December 22-23, 2017, National Tsing Hua University 兩種模型 Discriminative model => 傳統分類問題 Generative model => 生成模型 (不只有GAN，傳統上還有 HMM…等很多生成模型) 學習的分類 Supervised learning (傳統的定義) Unsupervised learning (傳統的定義) Structure learning (如漫畫獵人的黑暗大陸一樣，GAN如領路人帶我們走進這個新的領域) Generative Adversarial Networks (GAN) 一般對生成模型的說明，是以Ian Goodfellow最初論文中的「做假鈔與警察」的比喻。Generator就是做假鈔的人，要想辦法無中生有做出假鈔，而Discriminator就是警察，要想辦法在真鈔、假鈔間辨認出真假。做假鈔的人與警察在對抗中，兩者都會慢慢成長，最後假鈔會十分像真鈔，而警察的分辦能力也會很強。 原始GAN的主要缺陷 (Ian Goodfellow) 沒有 conditional-generation ( https://youtu.be/f1KUUz7v8g4?t=14m28s ) 訓練穩定性不好 (無法像CNN一樣在收斂後能有穩定結果) 跨架構 (architectures) 跨資料集 (datasets) 跨domains (time domain, frequency domain, …) 沒有好的評估方式(生成結果還是要藉由人來判斷好壞) GAN 用來生成資料如果不能產生新的分佈，不太有幫助 有趣的研究 最讓我印象深刻的是 nVidia 的 progressive GAN ，生成了以假亂真的真人照片 Karras, Tero, et al. “Progressive growing of gans for improved quality, stability, and variation.” arXiv p...