粉丝366获赞1951



大家好,我们今天给大家带来一期 sime 在运行中各种问题的解决方案。首先我们揉一把略磨的夜无眠,然后上一期的幸运观众是张家口市草啊,让我们恭喜他, 你们在运行 slam 的过程中会不会遇到我视频中这些截图所出现的问题?那让我们接下来一个一个解决啊。首先是缺少这一个第二文件,呃,很大概率是因为你把 slam 从文件里拖了出来,就像我这个样子,解决的方法同样也十分简单,只要再给他拖回来就可以了。 有很多朋友出现这两个错误的弹窗,那么接下来教一下怎么解决这两个问题。首先我们打开右上角的设置,然后到第二个,然后呢就是点一下这个按钮,因为是这两个文件出错,接下来教大家如何找这两个文件,那我们 该怎么找到这两个软件呢?咱们先说第一个 sty maps, 他这个根据情况不同,所在的地方也不同,你需要右键你的 cs, go 属性,然后本地文件浏览, 然后找到这个 c max, 比如说他在我的 c 盘叉八六下面,那我就应该在这个右上角的设置找到我的磁电脑 c 盘叉八六, 然后是 steam, 然后这个 steam maps 点击确定即可。那么第二个文件夹该怎么找呢?啊?这个就是右键你桌面上的 steam 属性啊,打开文件所在位置,然后这个软件就是了啊。会有人想问,那他们两个不是在一个地方吗?那是因为我的 cs, go 和我的 steam 在一个盘里,如果你的 cs, go 和你的 steam 不在一个盘里,你就需要分开寻找,否则是否则的情况下它是用不了的,就还是会出现那个错误。呃,咱们继续找到这个 usa 的这个东西啊,还是在叉八六下面跟刚才是一个地方, 大家要注意这一点,要记得看一看你的 cx, go 和 steam 在不在一个盘里,好找到,确定, 这样就完成了,然后就可以使用了,这个问题就解决了。现在大家还遇到过在酷狗、网易云以及各大音乐平台下载的音乐转换不了,那接下来给大家一个神奇的网址,大家可以转换。 那很多朋友在各大音乐平台下载的软下载音乐却不能用,为什么呢?可能是格式不对。那我们该怎么去转换格式呢?需要我们这一个网址, 网址我会发在评论区,大家自取一下。好吧。然后暂时只支持网易云、 qq 音乐和酷我音乐。呃,我们需要把我们的文件拖到这一个,拖到此处,然后他会解锁成功,然后点击下载全部, 右下角就会有一个 mp 三格式的文件,然后你去用这个文件上传到 slam 就可以了。好的,这本期视频到此结束,希望大家喜欢啊,再见。


什么是 slam 呢?哎,终于讲到 slam 啦,很开心啊,很多朋友呢,认为 slam 呢就是惨死,这句话对,但也不算太对,那么今天呢,我们就给大家简单的科普一下什么是 slam。 其实 slam 呢,有两种解释,第一个的话就是 slam dance matter 猛击死亡金属, 他从十九世纪九十年代的时候啊,就是三十年前纽约死亡金属当中出来的一个小分支。如果大家经常听 slam 类型的音乐的话,就可以知道 slam 当中其实有很多硬核朋克的节奏型, 而且 snap death metal 呢,它并没有像传统的重金属一样去追求好听的吉他 solo, 或者是一些非常经典的瑞布桥段。 还有一种解释呢,就是 slam 代表的是在重金属演说当中的时候,会被乐手使用到的一个桥段,就跟我们刚才所说的使用 slam 的乐队,他可能就不是 slam 乐队,所以说这种说法的话,可能会被大家更能接受一些。那么最早使用 slam 这种演奏技巧的乐队呢?据可查是来自美国的 safekish 窒息乐队,只有窒息,不是这个窒息啊,不是这个窒息,他们在 legal university 这首歌当中啊,他们用的这一段可以给大家来听一下 最早的啊,最早的 slam。 那为什么好多朋友会认为 slam 就是惨死呢?那么咱们介绍一下惨死,惨死的英文名叫 brittle desmite, 残酷死亡金属 惨死呢,算是死亡金属的一个子流派,惨死的特点呢就是厚重的瑞服,然后特别密集的古典,然后再加上主上使用了类似于脸的那种水喉啊,哨音啊,诸侯啊之类的,然后呢,构成的一种音乐风格,好多朋友认为惨死跟脸 脱不来关系,其实这两者压根就打不着边,我们之前也介绍过了,脸基本上没有什么音乐性可言,但是惨死的音乐呢,还是在金属液的架构当中哎,好多朋友认为说啊,带水喉,带诸喉,带烧好音,这种唱法就是惨死,但是青金属啊,还有死核也会带,怎么分辨呢? 呃,大家多听听吧。好吧,哎,那为什么我们说 slam 和蚕丝有区别呢?其实 slam 它算是蚕丝的一个小分支, 叫做 slam birth of, 就是说使用 slam 的惨死乐队。所以说嘛,我们之前说用 slam 来形容惨死也也 ok。 那么惨死呢,也分老派惨死和新派惨死,如何去分辨呢?其实能够从录音好快来分辨,如果大家对这块感兴趣的话,可以去看一下我们之前采访暗遇的那个视频, 何老师给我们非常详细的介绍了一下什么是新派和老派牛逼吗?牛逼,哈哈哈,牛牛逼!老派惨死的乐队大多数人认为是 是内出血乐队,叫做 internal baby。 那么新派铲屎的乐队代表呢?永远有一句乐队绕不过去,叫做 diormont, diormony 乐队绝对算是新派铲屎的代表乐队。那么国内的铲屎乐队有哪些呢?那么也有一支乐队绕不过去,暗语对吧? 安于律师提一嘴啊,安于早期的专辑呢,算是老派三,然后呢,后面的话转为了新派三。安于的现场有多凶,去过的朋友应该都知道啊,哎,也可以看看我们的橱窗啊,我们跟安于有合作, 还有哪些呢?还有无端泄斗啊,无端泄斗非常非常的凶,对吧?有机会我们到时候给无端泄斗做个专访啊。然后还有蛮夷乐队啊,人质啊,焚葬啊,尸除复兴, diw, 还有 extremity, rot 等等等等。其实国内玩惨死的朋友还挺多的, 但是有些乐队解散了很可惜啊。所以说我们认为史莱姆可以去形容蚕丝啊,但是又不怎么准确啊,见仁见智见仁见智,毕竟就是个小圈子,无所谓的事情。那么下期我们讲什么呢?下期我们去谜底了,再见。


杰哥不要了,让我看看。杰哥不要了。 哈喽,兄弟们好,今天给大家介绍一个特别魔性的软件,相信很多玩家和主播都体验过,就是私定不上这个桑的派,他可以向开头拉, 可以把任何沙雕的好玩语音转换到耳机里,在你语音连麦时,通过自定义语音包就可以实现各种语音,乐趣满满,快乐无穷。对不起,对不起,我错了还不行吗?对不起,对不起,我错了还不行吗?兄弟,兄弟,你把你的软件发过来给我们用用好不好?不行, 目前桑德派的提供免费版体验,想调戏路人的兄弟们赶紧去试试呗,根据派进采用软件带给您。

哈喽,大家好,我是草莓,上一期呢,有粉丝在我的直播间说想看灌篮高手完全摆纪念套书的开箱视频,那作为咱们非常宠粉的主播,这一次有申请样式机会就立马给大家安排了。好,那废话不多说,我们一起来搞起 这香酥说实话特别沉,看到盒子上的这几个 sunduck, 感觉就已经热血沸腾了起来了, 嗯,那打开之后呢,它包装很好啊,我们也是一样的给大家看一下,看到没有?好,我们把它的这个珍珠棉去掉啊, 哎,下面有这样一个东西,嗯,不知道的朋友可能会以为就是一个纸板哈,马上就要像那个珍珠棉一样放在旁边了哈,稍安勿躁稍安勿躁。这一次尖端出的灌篮高手完全版电影上映纪念套书会给大家赠送一 一张同款主视角的防泼水海报,就是在这个里边哈,那我们一起来拆开看一下, 来,我们近距离给大家怼一下,能看得见吗朋友们,哇,我觉得它确实是挺有质感的哈,除了有这样的后纸板把它包着防止它褶皱之外呢,还会在里边有一张塑封,就是用来防尘的啊,湘北五人组 yyds 来看一下里面的书吧, 这一次的话呢,一共是给大家做了三个盒子哈,然后我们都一一拿出来哇,这个盒子呢,他不是一整个给大家做的这种 气泡纸,而是每一盒都给大家做的气泡纸啊,大家可能看不清楚啊,在他的盒子顶部呢,几个字母拼起来都是 tham dunk, 来来来,现在草莓要拼那个 dunk dunk 了哈,对,我们来给大 看一下,这么一看还是挺不错的嘛,尤其是放在咱们的书柜上,那确实是一道靓丽的风景线,哎呀,不是靓丽的风景线,亮眼的存在哈,好,大家可以看到吗?一副大合照,你们喜欢的角色是不是都在上面啦?单个盒子全部都是给大家做这种塑封膜的哈, 好,然后我们拆开看一下里边的书吧,就拆第一盒啊,拆第一盒,整体的盒子呢是这样子的,就是呃非常具有光泽感的,给大家看一下啊,光面的,嗯,它里面的书的话呢,也是有给大家做单本塑封的, 每一本全部都是尖端的,这个防伪塑封二十五开的一个大小啊朋友们,然后这边来看一下尖端出版,一经拆封,不退不换。我敢说这套尖端出版的灌篮高手完全版电影上映纪念套书,绝对是台版灌篮套装书里边的天花板。 如果是想要入手这一套纪念版的灌篮高手盒装书的小伙伴们,首先你们会收到一套这样全员集合的豪华收藏书盒,那就是咱们眼前的这三盒了。特别有心的是,他特别将湘北、云南、海南、襄阳 公寓及山王集结的超美彩图一分为三,打造出了这样一套高质感的收藏书盒。所有这些人气角色集结的大合照,有没有唤起你当年看各校基站的热血心情呢?除此之外哈,大家还会收到一张 尖端特别申请的 the first sum dunk 电影同款主视角防泼水海报,他给大家搭配了这种微透光的 pvc 材质哈,那湘北五人组就是在这个聚光灯下闪耀回归球场的这么一幕, 除了刚刚我说的以上两点之外,这套书籍还有一个非常大的看点,就是他的二十四集完全版的封面全部都是 是经过锦上老师重新构思的,给大家看一下里边的内文呢,也是经过一个重新编排和校对的书籍封面正面的 sam duck 和书籍侧面的 sam duck 都是指定使用的镭射标准字,再搭配这种锦上老师专门设计的线条,可以说是本次套书的一个限定款书哟! 熟悉锦上雄年的小伙伴们肯定都知道,这套 sunbunk 是他的代表作品,该书自一九九零年年载伊始,到目前 累计发行超过一点二亿册,这是一个多么惊人的数字!这次尖端出的这套纪念版的灌篮高手将三盒高质感的收藏书盒同时推出,就可以满足各位资深灌篮迷们一次性收藏的需求了,喜欢的小伙伴们赶紧 get 起来吧!

哈喽,大家好,我是吉他手菲菲,今天我们要学习的是四 m 技巧,四 m 技巧需要使用食指和中指去拍打我们的琴弦,注意这个拍打琴弦拍完以后,我们不要把手指拿开,要 摁死在琴弦上面,注意他的力度还要再大一些。把我们的琴弦拍到纸板上面,手指也接触到我们的纸板上面是最好的方式,同时我们要添加的是拇指取敲板,这两个动作一定是一起完成的。好,慢速做这个动作 好,大家看到我在敲击这一个 cm 技巧的时候,我的手状态是一个弯曲的状态,而不是平着塌下来的状态,这是因为在实际 演奏当中,通常我们的 cm 技巧之后会接一个上扫弦,如果你的手指全部趴在吉他上面,那上扫弦的时候精度就不容易控制他。所以我的建议是大家最好把手指弯曲起来,然后拍在琴弦上面,这样会更好的控制我们 琴弦。那至于拍击到哪一根琴弦,你一定要对应的看好谱面上下一个音符它的位置, 比如说下一个音符我们需要去演奏的是二三弦,那我们的中指是最好是在二弦的状态,然后上扫弦,这样我们可以顺利的弹到二弦。如果下一个音符是五六弦,那我们的拍击状态最好中指在五六弦左右的位置, 这样的话我们就不会对下一句造成影响。 ok, 这就是关于 spm 这个技巧,欢迎关注吉他手菲菲,学习更多吉他的知识。


啊,大家好,今天我这边呃邀请到了哈尔滨工业大学在读博士汪,说完给大家分享啊,一个是关于 lvsm 的,另外就是他的一个学习经历啊。 呃,这个是今天大家应该大部分都在视频号看,如果你在其他平台看的话,呃,欢迎转到视频号上,我们后面会有一些小的抽奖,然后在呃讲的过程中,大家可以随时留言,然后把你的问题留言出来,我们会统一去解答。 呃,在直播过程中,我会提供一些这样的一个呃呃,奖品吧,就是大家关注那个视频号,然后有个福袋,到时候抽奖的时候我们那个工作人员会在里面发,然后到时候你们去点赞,然后就可以 参与抽奖。然后也欢迎大家去分享到自己的一个呃朋友圈啊,或者微信群里面都可以啊。啊,我这边先简单介绍一下今天我们的嘉宾。呃,嘉宾是汪寿安同学,他现在在哈尔滨工业大学呃,读博,然后研究方向就是多传感器融合 slam 啊,包括神经隐士的 slam, 然后也也也也在自动驾驶公司有有两年的从业经历。然后今天呢给大家分享的主要是关于他为什么去学这个 lvsm, 包括和 lvsm 的一个缘分 啊,以及对新手入门的一些建议吧,反正大家有什么相关问题都可以问他。 ok, 那我这边就不多说。呃,然后欢迎那个汪同学,汪,汪同学那边可以共享平。 嗯,好的啊,谢谢六哥啊。接着我也将给大家分享一下呃,今天要呃分享的一个内容。 呃,就是先做一个自我的一个一个简要的介绍吧。啊,我的名字呢是汪少安,我现在呢是在哈尔滨工业大学计算学博士,是在读博士。然后呢意见的方向就是这个多张口气融合的 slam 和这个神经影视的 slam, 过去呢有两年的这个自动驾驶从业的经历。然后就是在这张 ppt 里呢是给大家放了呃,就是三三张之前拿到 off 的一个图片,然后呃 包括呢像像做方案的两个增加公司,一个一个,一个是就 ai 里面的这个旷世科技,然后一个是这个就是 qcraft 做方案的清流支行。然后还有呢就是就是 做类类似于做这种纯粹激光雷达以及激光雷达方案的这种 robsens, 速腾,聚创这种,这些都还是在宗力尔斯领域还不错的一一些公司。 对,这就是我过往的一个就是呃,一个就是自动驾驶的从业经历,然后现在是处于一个独播的状态,然后过去呢就是在这个 lvsm, 就是这个学习的过程中呢,就是有有有些经验,正好接着今天的这个机会呢,给大家来分享一下。 呃,接着呢我来给大家呃,按照这个图给大家来讲一下啊,这是今天的一个就是经验分享的内容,我们分为了呃五个部分啊,第一个部分呢就是为什么选择 lvi, 第二个呢就是 lvi 的入门经历,第三 用的就是与 lvi 的缘分啊,以及第四个,第五个为什么推荐学习和对新手入门的建议,那么这里我先从第一个开开始给大家说, 那么就是呃呃,相信大家看到这个内容的话,就是说就是 l v i sam 它是一个什么内容呢?以及就是 l v i 它是一个什么内容呢?我们为什么要选 l v i 呢? 那么 l v i 就像六哥之前,呃在刚刚开始的时候给大家提到过的就是 l v i 呢,它就是叫 lighter, viro 和 initial 这三个传感器,也就是目前主流的三种多传感器融合的方式,就是激光雷达、视觉和和相机的一个一个一个融合,用在饲料里面做定位啊,然后呃这就是我要讲的呢选择 它呢有三个因素吧,第一个呢是这个实验室项目作为需求牵引,第二个呢是是一个个人的兴趣,第三个呢是是赛道的选择。接下来给给大家挨挨个讲一下这个就是这个这三个内容。 呃,第一个呢是这个需求牵引啊,这里放了一个就是呃在我之前参加过的一个项目,它是就是可以组接的一个视觉惯性呃算法,用在这种就是特定场景下的一个内容, 那么就是在做这个项目的时候呢,就是课课题组之前也没有其他的,呃就是过往的一一些算 的积累。然后呢就是就是相当于就是通过这个项目,然后来来引出了可以组做这个视视觉惯性算法这个课题的一个情况。然后他这里的这个项目的需求呢,就是说在这种限定的类似于这种呃矿井下决定机的场景呢, 然后做一个基于视觉和惯性算法的一个定位,嗯,可以看到在呃 在这里呃这里就是说是分别是视觉传感器和惯性传感器,然后这不符在这个呃一个一个掘进机设备上,然后前面前面是这个钻头, 它的实现的功能就是在在特定的场景通过这个传感器实现定位,然后来实现这个矿井掘进机的一个在掘进过程中的一个就实时准确为 解算了一个工作。然后这这个也就是我最初接触的这种传感器融合,就是就是通过这种项目牵引的一个一个一个形式来做到这种,就是一步一步去学习多种感情融合。 比如大家可以看到最开始做的是这个视觉惯性呃算法的一个融合,然后在在后续的学习过程中呢,又逐步扩展到了就是 light 视觉惯性的一个传感器的一个融合。 那么呃回过头看就是第一个呢,就是说这个实验室的项目牵引就是如果,呃如如,如果大家就是在就学习算法过程中实验室有一些项目的话,那么将是你学生阶段学这个东西,就是可能是呃最好 好的一个上上手的方式。相应的如果需要买一些设备呢,就是可能就是借由这个实验室项目的机会就做项目需要设备,然后他也他有这个项目的一个背景,就可以就是以此为牵引来做个工作。第二呢就是个人,个人的一个兴趣, 呃,因为呢就是像二零一八年,就是像像世界冠军比较火的就是港科大那个,那个就是沈少杰老师团队和秦通,就是后来的华为天才少年 啊,他们一起做这个 vinsmomo 这个这个模块是非常的火热,后续呢就是很多的算法都是,呃就是在微生物这种视觉惯性仅有和算法的基础上做的 工作,那么那么我在呃就是之前做项目和读书的时候呢,就是呃就是对对这个模块也非常感比较感兴趣,然后就开始学这个内容,然后在在后续呢就是 m i t 团队 呃踢销室他们又又又在 noom 洗算法上分别发布了像 negolom 还有 leo sam, 还有像 ai vsm 这些比较 sota 级别的算法,然后就是这也成功的吸引了我的注意,然后就是就是经过的结合他们的内容呢,也也就形成了我自己比较感兴趣的内容, 所以就是在我的这个学习过程中会选择来做这个 l v s m 这个内容。然后第三个呢就是这个赛道选择的一个呃内容了,就是呃你你,你为什么要选 l v s m? 其实除了个人兴趣之外, 就是呃在实际呃在就业的过程中也有一个非常重要的一个点,就举个例子,呃如果是在二零二零年前的话,呃就是就是你你可能就只会一个 or b slam 纯视觉的方案, or b slam two 这种 纯视觉的方案,就是你就可以找到一个很很好的一个一个一个工作。然后但是呢随着这两年这个 slim 学习的人就是可能相对的越来越多,使用的越来越广, 各家的需求都比较多,然后呢就是投入的关注的人比较多呢,这个就是就是就是一一些相对比较经典比较老的算法,就可能就是在就业的时候就没有办法,呃就是帮助你找到一个非常好的一个就是就业的一个机会,那么这个时候呢,就是一个像 呃 aiv sum 是最新的这种呃 sota 级别的突然巡逻算法,它是就是二零二一年 acura 上还是呃 aeros 上提出的,然后就据据现在也就呃不到两年的时间,然后就是在因此在就业的过程中呢,它可以发挥一个比较大的作用,这也是从 比较实用,比较功利角度来说,为什么要这么来选择 lvi, 然后讲完了为什么要来选择呢?接着给大家讲一下我的这个 lvi 的入门经历 啊,主要分为这四个点,第一个呢就是这个工程实实践的一个需求啊,由之前给大家看的那那张图,就是 呃在在在一些决定机的平台上部署了 venus moment, 然后接着呢就是通过一一些个人的兴趣了解了 normal 系算法, 然后可能还有一些其他的一些项目用到了,需要用到这种 light 的,所以我就从工程实践的需求出发呢,就开始自己去学这些啊 face mono 和 nova 系的算法。但是呢,就是呃在在国内这个呃是 slam 学习的大环境下, 就是呃以我目前了解到的信息,呃有有相当多的朋友和和同学你在星球里啊,那大家的一个普遍问题就是在在实验室里经常面临一个孤立无援的一个状态,就是就是 可能就是实验室里面就有一个人去做这个 slam, 或者就是说实验室里面有人做 slam, 但是大家的这个研究方向差别都会比较大,就是就是呃在在老师层面,他可能过往也不是研究这个 slam, 所以就是呃 你能够依靠的可能只只有你自己的一个情况,那么我一开始也是面临这种实验室孤立无援的一个情况,然后以以及像 cm 他这种 cd 加的代码,他都有一个显著的特点,就是他通常模块都是比较大, 他的代码量都是比较大的,然后他的论文的概念也是比较多,就是绝类的。从从最开始学的时候,有李寻李代书的概念,有 imu 预计分的概念, 有有有有回环检测的概念,然后有这种滑动窗口概念,有变化的概念,然后有这种特征焦点概念等等等等,有特别多的概念,然后这些概念如何和代码 庞大的代码量和给给他呃就是一一的对应起来。这其实也是一个就是刚一开始学的,刚入门的时候比较困难的事情,这是一开始是比较呃困扰我的, 就是相信大家学习过程中可能都会遇到类似的问题,然后我我做的就是两个点,就是我们时候对我帮助比较大。两个点的第一个呢就就是加入这种呃呃学习的知识星球,比如像像六哥创办的这个,就是呃呃 这个知识星球,然后以及知识星球有提供一一些优质的课程,然后可以可以买买这些优质的课程,然后系统性的学一个算法,就是结合你感兴趣的一个算法去学一下。然后还有呃就是呃有个学习小组的一个活动, 像像我过往其实参与学校组是比较多的,我过往就是到现在总共参与了三次的学校组,从第一次学校组开始招募的时候,然后我就开始参与了学校学校组 分别参与了 pcl, 呃就是酷的一个学习小组,还有这个 lvs 的学习小组,还有这个 nerfslam 的这个学习小组,就通过参加这个学习小组呢,就是可以借助平台的力量 来寻找这种志同道合的朋友,呃一块来学,对,然后在在这个就是,然后还有最后呢就是 呃在实践和学习中呢,就是丰富自己的这个经验和提升自己的能力,因为就是呃在我看来就是在在在硕博期间其实就是呃提升能力最快的,他可能并并不并不是你自己奔头在那学,其实更多的可能是说 你以你以一个算法为呃为为为一个叫呃算法为一个 baseline, 然后呢就是通过一一些项目的实实践的过程,然后来去就是来尝试改进这个算法, 还有呢就是就是有机会的话去一些企业里面去做一些实习的一个呃内容,就是就是接触呀业界最新的经验,可能对于你这个算法学习是一个显著的一个一个提升,虽然企业他可能并不会完全的就是让你做,比如说你就感 进去 lvsm, 你就想做 lsm, 但企业可能很难用,只用这个算法,他可能用的是其他的内容,可能是甚至跟这个都差别比较大了,但是你在实际中仍然能够提升你的技能,比如说你能够学习你的这个 get 的使用,然后你然后你可以学这个就是一一些实际工业端算法,他们就是考虑哪些内容等等等等。 呃讲了这个入门经历呢,接着来讲这个与 l v s m 的一个缘分,那么就是前面说了这么多这个 l v i 的一个经历,然后呢接着呢就是给给给大家简单的看一下一个视频,就讲一下呃,就是给大家有个直观的概念啊,什么是 l v s m? 呃,可以看到这个呃视频,就是这个是 l v s m, 它就是官方的一个 demo, 然后它就是一一开始呢是 给了一个呃 vs 的一个 demo, 就是一个视觉惯性系统的一个子系统,一个初始化的一个过程。然后就是呃呃 让他们展示了一个啊没有这个 vs out 拉拉的惯性系统和有拉的惯性系统的一个实际的一个建图的效果,看到有拉到的这他这个框整体表现会更好啊。然后呢接着呢他们就是还做了一些其他的呃,就是 呆默演示了一个内容,这个就是 l l c m, 它其实就是一个呃,就是一个一个多转系统的框架,它的一个呃系统呢分为两个词, 系统,一个是拉的惯性的,这也一个是 l i s, 一个是这个视力惯性的,也就是这个 v i s, 然后通过这两个子系统的,然后通过就这两个子系统的一个协同的工作和一个又具备独立工作的能的一个能力来完成它的整个的一个框架这个过程。 呃,这都是一些官方的 demo 啊,就是展示了一些这两个系统自系统通信的一个一个功能,真正的是它在一个室外的场景。 呃呃做了一些实验,就是说呃呃一些就是 without vrs enable 和 ways vrs 系统 enable 等等他们的一些呃时间的区别。那接着呢就是这个视频呢,是是展示会展示他在不同数据集上的一个呃实验啊,打扰一下,这边还 视频没有动,是卡住了吗?我看一下还是没有播放,稍等一下 哦,他可能呃发发视频的时候会有一点卡,那我就呃带着带着带着带着跳跳着看一下,因为实际播放的时候可能在用小小额通共享可能会有点卡。 那么就是呃后后续呢,有一些算法, aivsm 算法,在不同的这个就书籍上做了一些实验,包括他自己录制的这种 demo 上面做的实验。 然后还有就是在呃上海交通大学在 aqua 二零二二开元的这个 m two tgr 数据上做的一些实验, 简单的给大家放一段他的一个实际的这个多段形容和系统建图的一个效果啊。在之后呢还有在一些呃系统上做的一些实验 啊,包括这个呢是这个呃叫 urban 的一个数学学上做的实验,还有在呃呃 啊对,值得一讲呢。还有最后一个内容,就是呃这个呢是是上海交通大学传播学院的一个就是团队啊,也是我们之前就是 lv 三位学校组的一个呃成员,他呢就是 在 l v 三的这个框架基础之上去去做了很多的一些呃代码的一个一个修改的一个一个一个一个调整,然后最后呢使得这个 l v sam 算法在它这个特定的就是无人传上取得了一个,就是一个目前呃一个接近 sota 级别的一个效果,然后它相应的这个就视频呢也传到了这个,像这样传到了 b 站这种平台上面, 那么通过刚才给大家看的这视频呢,就是呃最给大家直观的展现了一下什么叫就是 air vsm 算法,它到底是大概做什么东西,就它是用这一个就是目前比较 short 的一个定位算法,然后它可以运行在多种数据数据以及平台上, 然后呢就是还有还有还有一些,呃同学呢,在基于这个目前比较 sot 的这个算法来尝试做一些改进工作,然后可以发现比较好的论文,那就是他的一个直观的一个一个大家的一个一个感受吧。那么接着呢就是再给大家呃 呃直观的感受完这 a y sum 之后呢给大家讲一下,就是呃,我在学习 a v sum 的时候,就是就是一一些经历吧。首先呢是我呃在学习的时候,我会在 吃货公众号,然后还有知心球等等平台上啊,就是就是多去搜搜集,多去多去呃看看这方面的一些论文啊,还有别人的一些一些解读的内容呀。然后就是在一开始学习的时候,然后接着呢需要重点介绍一下我们之前的这个 呃, lv sam 的一个学习一个学习小组,这个呢就是是是我目前参与过的就是整体氛围和产出最好的一个一个一个学习小组的一个工作, 给大家看一下我们开元的一个呃,一个一个一个代码注视和这个配套支持的一个项目是在这里 大家应该可以看到这个内容,呃,我们总共做了以下的这些工作吧,呃,我们为元代码呢提供了非常详细的一个中文注解的工作,并且呢我们注制作了一个刀刻镜像,可节约本地环境的配置的时间。 然后呢我们还录制了一个校园类的这个实际树立集啊,并且向外开放,然后接着呢是在更多的树立集上验证了验证可能性,呃, 这些内容的意思都在下面可以看到。首先是这个刀客环节配置写了一个文档,然后刀客镜像点传到这个 doc hop 上,可以用一些 doctor 这个命令直接把他给拉下来,拉到你 达到你本地,那直接用在这个镜像内啊,跑这个算法就不需要去配像,像吉利赛摩奔, cv 以及等等的环境都不需要配了。然后我们还录制了一个十 记得一个 lv 三的数据集,这是我们呃的一个采集设备,然后这是在这个上海交大的一个录制的一个效果。 然后接着呢我们还是配了这个 m two dj 的一个一个数数据集,这是就是上海交通大学邹文明老师团队开的这个数据集。然后我们也是 ikr 二零二这边,这边就收录的一篇论文。 然后是目前一个就是非常呃,非常优质的一个,就是兼具了非常多传感器的一个数据,然后我们和然后,然后我们在这个数据上做了一个适配的一个工作,这些都是我们之前的这个开源项目的一个呃内容, 对,然后呢这个开源项目呢,目前有两百零九个呃 star, 对,嗯,然后为了方便更好的学习,精心为大家准备了相关论文资料,感兴趣的私我发你哦。

rocket max pro dumps im 到底如何?我使用体验了半个月,整体感觉非常不错。我们直接看测试,全部通过模拟真实使用场景下的情况来测试。首先是打开 app 后呢,不需要移动获取视差占定位置, app 和虚拟物体加载完后即可稳定的锚定。在真实环境中锚定的稳定性从视频里可以看到还是非常不错的, 无论是快速移动啊,视角快速变化,还是大范围的动作环绕初始位置的移动毛定,基本上都是稳定可靠的。但是 slam 做到这种程度确实是非常非常不错的。接下来我测试了一下不同环境下的 slam 的稳定性。 现在是我选取的大面积重复单一纹理场景测试,可以看到 rocket max pro 的单摄 slam 的稳定性依然很好。然后是大面积的重复单一纹理叠加上反光场景测试,地面是重复的单一颜色色块加 加上光线反射,整体的毛定的稳定性也是表现良好。然后是逆光场景,这个对一些多么 slam 来讲都是有一定挑战的。我们可以看到,在眼镜顶着夕阳阳光大逆光的前提下, slam 稳定性依然表现稳定, 因为逆光这个虚拟物体都看不太清楚了啊,但是虚拟物体依然可以准确和稳定地锚定在真实场景中。 我们再来测试极限暗光条件在八十乐克斯左右,实际上呢,我是在二十平米左右的房间里开了一盏九瓦的 led 灯,而且呢,灯光是背对着铆钉墙面的。这种极暗光线的条件下, l k 的 max pro 仍然可以稳定的毛定,当然这个时候因为太暗了啊,手势识别不准了,这个我之后会单独再讲。关掉 led 灯,亮度降到十乐克斯以下的时候,毛定终于开始飘了。 呃,石勒克斯不能说伸手不见五指吧,但是基本上伸手也就能看到个五指的模糊轮廓了。说实话啊,这个测试结果是超出我的预期的,虽然我一直对 damslam 方案的产品化能力看好,但是 damslam 在技术实现上和多么 slam 确实是有差距的。 呃,这部分呢,大家可以看我之前的视频,从 rocket max pro 的测试结果来看,精度上啊,我们防杠不谈具体精度数值,但是以目前场景中可见的效果和稳定程度, rocket max pro 的 damos lam 用在几乎所有的消费场景和一部分工业场景应该是完全没有问题的。当然,这里面呢,也可以给 rocket 提一个下一步迭代的建议啊, damos lam 毕竟还是基于可见光的复杂光照和极暗光线,这种场景下对精度和稳定性 还是有影响的。下一步呢,可以在 damn slam 的基础上加一个 d top flyda, 结合激光雷达来增加复杂场景的使用能力和精度稳定性。 slam 作为 a r 皇冠上的明珠啊,对 a r。 整体体验的提升意义重大。 长久以来呢,业内对于 demo slam 在 ar 眼镜上的可行性和效果一直是存疑的。 rocket ceo misa 之前和我说,它们的弹幕也是结合了视觉和人工智能。 之前视频里呢,我也提到过, google 和苹果最近也都加入了场景羽翼的能力,就是用 ai 来辅助视觉计算深度。 我猜想呢, rocket 可能也引入了类似的算法 damn slam 呢,对于 ai 眼镜大大提高了改制交互能力,同时又保证了体积、重量、续航、设计复杂度维持在用户可接受的一个 舒适的范围之内,是一个非常好的产品化的方案。下一期呢,我们讲一讲 rocket max pro 的手势识别和手势交互。感谢大家收看这期节目,如果对内容有什么想法和意见,欢迎大家留言评论。如果觉得这期内容还不错,欢迎大家关注并一键三连,我们下期再见!