标签: slam

library(tm)在今天加载tm显示时,我能够毫无问题地使用in r :

library(tm)

加载所需的包:NLP

loadNamespace(i,c(lib.loc,.libPaths()),versionCheck = vI [[i]])出错:

没有名为'slam'的包裹

错误:'tm'的包或命名空间加载失败

我认为这是一个依赖问题,并寻求重新安装包

install.packages("tm")

install.packages中的警告:依赖'slam'不可用

然后尝试找到slam:

install.packages("slam")

install.packages中的警告:

包''slam'不可用(对于R版本3.2.4)

我也尝试了一些列的问题,在这里和chooseCRANmirror(),仍然没有运气.这个软件包有什么问题,或者只是我的r不允许在今天之后安装'slam'吗？

会话信息

> sessionInfo()
R version 3.2.4 (2016-03-10)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: OS X 10.11.6 (El Capitan)

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] NLP_0.1-9

loaded via a namespace (and not attached):
[1] parallel_3.2.4 tools_3.2.4 

我想要一种有效计算文件之间的Jaccard相似性的方法tm::DocumentTermMatrix.我可以通过slam包做类似于余弦相似的事情,如本答案中所示.我在CrossValidated上遇到了另一个问题和响应,它是R特定的,但关于矩阵代数不一定是最有效的路径.我尝试使用更有效的slam函数来实现该解决方案,但是没有得到与使用将DTM强制转换为矩阵并使用的效率较低的方法相同的解决方案proxy::dist.

如何有效地计算R中大型DocumentTermMatrix文档之间的Jaccard相似度？

#Data&Pacages

library(Matrix);library(proxy);library(tm);library(slam);library(Matrix)

mat <- structure(list(i = c(1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 3L, 1L, 
    2L, 3L, 3L, 3L, 4L, 4L, 4L, 4L), j = c(1L, 1L, 2L, 2L, 3L, 3L, 
    4L, 4L, 4L, 5L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 12L), v = c(1, 
    1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1), …

我正在调查gtsam包中增量平滑和映射类(isam2)的用法,以解决实时图像导航问题.问题在于虽然API具有使用isam2 :: update(...)将因子添加到因子图的方法,但是没有明确的方法来消除这些因素.因此,在实时(非批处理)应用程序中,所需的内存将无限增长.

所以问题是:

1. 是否有用于删除因子并仍然保持一致SLAM的API？
2. isam2类如何避免这种内存蠕变？

我从KITTI的部分里程计中获取了校准文件，其中一个校准文件的内容如下：

P0: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 0.000000000000e+00 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 0.000000000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P1: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 -3.861448000000e+02 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 0.000000000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P2: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 4.538225000000e+01 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 -1.130887000000e-01 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 3.779761000000e-03
P3: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 -3.372877000000e+02 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 2.369057000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 4.915215000000e-03
Tr: 4.276802385584e-04 -9.999672484946e-01 -8.084491683471e-03 -1.198459927713e-02 -7.210626507497e-03 8.081198471645e-03 -9.999413164504e-01 -5.403984729748e-02 9.999738645903e-01 4.859485810390e-04 -7.206933692422e-03 -2.921968648686e-01

可以看出P0、P1代表黑白相机，P2、P3代表彩色相机。据我了解，相机内在的常见形状是

fx 0  cx
0  fy cy
0  0  1 .

所以我无法弄清楚每一行中剩余的三个参数（我猜用于失真校正）以及 …

问题情况：始终以舒适的方式在同一位置（在桌子上）创建AR可视化。我们不希望客户像无数ARCore / ARKit示例中那样放置对象本身。

我想知道是否有一种方法可以实现这些步骤：

1. 检测桌子上的标记
2. 使用标记的位置作为AR-Visualization的初始位置，然后继续SLAM-Tracking

我知道TangoSDK的最新版本中包含类似Marker-Detection API的东西。但是该技术仅限于少量设备（确切地说是两个）。

最好的问候，并感谢您的任何想法

我想做的是编译由 CMake 构建的项目。在我的代码中我有下一个方法：

/** "in-place" version of TriangularView::solve() where the result is written in \a other
  *
  * \warning The parameter is only marked 'const' to make the C++ compiler accept a temporary expression here.
  * This function will const_cast it, so constness isn't honored here.
  *
  * See TriangularView:solve() for the details.
  */
template<typename MatrixType, unsigned int Mode>
template<int Side, typename OtherDerived>
void TriangularView<MatrixType,Mode>::solveInPlace(const MatrixBase<OtherDerived>& _other) const
{
    OtherDerived& other = _other.const_cast_derived();
    eigen_assert( cols() == rows() && ((Side==OnTheLeft && …

我目前正在尝试ORB SLAM 2和这样的立体相机。我对左右相机/图像使用 2.8 毫米和可选的 3.6 毫米镜头，分辨率为 640x480 像素。

ORB SLAM 2 允许我使用设置文件 (*.yaml) 定义几个失真/校正参数，例如：

fx, fy, cx, cy
k1, k2, p1, p2

我使用此处描述的棋盘（9x7 内角和 70mm 方形长度）进行了 OpenCV 相机校准。后来我使用了MRPT 的自动校准程序，它给了我相同的结果，但障碍更少。

但是，ORB SLAM 2 允许我定义这些附加参数来预校正图像（如果我理解正确的话）：

D: 1x5 Matrix -> Distortion Coefficients aquired from calibration (fx,fy,cx,cy) ?
K: 3x3 Matrix -> Intrinsic Matrix aquired from calibration (k1,k2,p1,p2,k3) ?
R: 3x3 Matrix -> Rectification Transformation ?
P: 3x4 Matrix -> New Projection Matrix ?

我的问题如下（请参阅下面的示例 settings.yaml …

我看到SLAM文献中经常使用因子图优化。而在Structure from Motion文献中，通常使用束调整。这两种方法有什么区别？

此外，我们可以使用另一种方法的库来实现一种方法吗？例如，使用 g2o 实施捆绑调整，或使用 ceres 求解器实施因子图优化？

提前致谢！