三维重建综述资料 三维重建学习路线,推荐了一些基础模块的论文和开源系统 三维重建算法综述 三维重建算法整理 高斯泼溅博客 三维重建主要数据格式 深度图 体素，体积像素 点云 网格 基于单目相机的算法模块 离线重建 运动恢复法SFM 在线重建 渐进式：REMODE,SVO 直接式：,DSVO 基于深度 BA-Net（Bundle Adjustment, BA），DepthNet,Mono

sim2sim记录详情请见sim2sim2

dijkstra算法dijkstra算法是一种用于解决单源最短路径问题的算法，即从一个顶点到其他所有顶点的最短路径。 dijkstra算法的基本思想是：从源点开始，每次选择距离源点最近的顶点，将其加入到已访问的顶点集合中，然后更新其他顶点的距离。 dijkstra算法的时间复杂度为O(n^2)，其中n为顶点数。 算法步骤 初始化距离数组dist，dist[i]表示源点到顶点i的最短距离，初始时di

详细记录请见项目心得Agile But Safe: Learning Collision-Free High-Speed Legged Locomotion项目地址：https://github.com/LeCAR-Lab/ABS环境配置（按照项目的Readme.md来配置） 创建conda环境，安装torch 安装Issac Gym建议按照https://zhuanlan.zhihu.com/

学习目的 掌握版本管理的基础知识 适应团队多人合作完成项目 基础指令创建/克隆仓库 git init: 初始化一个Git仓库 git clone : 克隆一个远程仓库到本地 本地仓库管理 git status: 查看当前仓库的状态 git add : 添加文件到暂存区 （可以添加多个文件，-all是全部文件） git commit -m “message”: 提交暂存区的文件到本

分类 value-based and policy-based: value-based:基于状态价值和动作价值来更新策略(不是直接学习策略)，原理类似于先求出每个状态-动作对的价值,据此来选择最佳策略，有点类似动态规划（DP）。又分为value iterationn和policy iteration。 对于value iteration,先进行policy update,将状态价值迭代至收

学习记录 学习MPC的基本原理，以及求解方法–二次规划 发现和四足机器人的联系不大，还是不知道四足如何用MPC来控制 阅读足式机器人MPC综述Model predictive control of legged and humanoid robots: models and algorithms，了解到不同的动力学建模方式，不同的求解方式 笔记整理

奇异值分解SVD定义与性质简介奇异值分解将任何给定矩阵分解为三个矩阵的乘积：一个正交的左奇异向量矩阵、一个对角的奇异值矩阵和一个正交的右奇异向量矩阵。将数据集的奇异值表征按重要性排列，舍弃不重要的特征向量，达到降维的目的，从而找出数据中的主成分。矩阵的奇异值分解可以看做是矩阵数据压缩的一种方法，即用因子分解的方式近似地表示原始矩阵，这种近似是在平方损失意义下的最优近似。它在应用如数据降维、信息检索

上采样使用神经网络的过程中,我们经常需要上采样(up-sampling)来提高低分辨率图片的分辨率. 方法 插值 最近邻插值 双线性插值 双立方插值 转置卷积 转置卷积转置卷积是上采样的一种方法,它的主要思想是将卷积操作的过程反过来进行,从而实现上采样的目的。

全连接神经网络FCN前言 深度神经网络做语义分割的基础 用转置卷积层替换池化层和全连接层，可以实现每个像素的预测 转置卷积Transpose Convolution网络结构