安卓基础

本文介绍 安卓学习过程中的知识点,

参考书籍:《第一行代码》

本文整理安卓学习中的核心知识点,重点讲解 Activity、Service、Content Provider、Broadcast Receiver 四大组件的定义、注册、激活与关闭机制,并介绍任务栈与生命周期等概念。

四大组件了然,安卓开发方能入门

阅读更多...

大数据简述

跟着同事学习一下大数据。

本文简述大数据的基本面貌,梳理了静态与动态数据的分类及其来源,并介绍分布式存储、MapReduce 分析流程等大数据框架,涵盖 YARN 资源调度与 ZooKeeper 分布式协调服务等关键组件。

分而治之,方驭海量数据

阅读更多...

联邦机器学习

联邦学习

本文介绍联邦机器学习的基本概念与应用生态,说明其在保护数据隐私与合法合规前提下实现共同建模的思路,梳理横向、纵向与联邦迁移学习的分类,并列举 Google、FATE、微众银行等平台及相关法律依据。

数据不动模型动,隐私与智能兼得

阅读更多...

在工程中统计资源占用情况

简尔言之:

  1. RAM: valgrind –tool=massif –stacks=yes –time-unit=B –alloc-fn=generic_malloc ./demo
  2. ROM: arm-none-eabi-size -t *.a
  3. 检查内存泄漏:valgrind –tool=memcheck –leak-check=full –show-reachable=yes –trace-children=yes build_linux-x86_64/main

本文整理工程中统计资源占用的实用方法:用 Valgrind Massif 统计程序 RAM 峰值与栈占用,配合 massif-visualizer 可视化分析;用 arm-none-eabi-size 查看静态库的 ROM 占用;用 Valgrind Memcheck 检查内存泄漏。

资源占用可量化,内存问题无处藏

阅读更多...

VINS-mono 学习笔记

本章想要抽空把之前的VINS_mono系统地学习一下。

本文是对 VINS-mono 的系统学习笔记,梳理这一单目视觉惯性系统的完整框架:前端通过 KLT 光流跟踪特征并对 IMU 测量做预积分,初始化恢复位姿、速度与重力矢量初值,滑动窗口内联合优化视觉与惯性测量,最后经闭环检测与四自由度位姿图优化消除累积漂移。

视觉惯性紧耦合,小代价换高精度

阅读更多...

C++ 正则表达式

在实际应用中,有效得利用正则表达式可以极大地提高工作效率。借着LeetCode每日一题,今天学习一下C++语言中的正则表达式。

学习自:

  1. C++正则表达式
  2. LeetCode复数乘法

本文借 LeetCode 复数乘法一题学习 C++ 的正则表达式,介绍 regex 库的基本类型以及 regex_match、regex_search、regex_replace 三大操作,并通过手工解析与正则解法的对比展示正则的高效简洁。

正则一行,胜过代码百行

阅读更多...

通过 NDK 打包 aar 格式的 SDK

根据项目的需求,我们用纯c实现的模块,需要移植到android设备中,制作java版本的sdk,我们需要用到jni和ndk。

本文将学习制作SDK的流程。

本文完整演示如何用 NDK/JNI 将纯 C 模块打包成 aar 格式的 Android SDK:从认识 AAR 与 NDK 入手,依次经历创建 Library 模块、javah 生成 JNI 头文件、实现 C 接口函数、配置 Android.mk 与 build.gradle、ndk-build 编译 so 并打包 aar,最后将 aar 导入工程中通过 gradle 依赖使用。

写好 JNI 接口,C 库即可服务安卓世界

阅读更多...

可穿戴设备压力监测算法

​ 以后要坚持每周更新一篇博客,所以今天先记载一下自己调研的可穿戴算法中的压力监测算法。

本文调研可穿戴设备中的压力监测算法,先介绍压力的心理学定义、组成与 PSS、PSTR、DASS-21 等评估量表。文章重点讲解基于心率变异性(HRV)的时域、频域特征及其与压力的关系,并梳理 FirstBeat 压力监测系统的检测流程,最后对比了华为、苹果、小米等市面产品的实现方案。

心率变异性,映射身心压力状态

阅读更多...

可穿戴设备特性综述

很早就想抽空写一篇关于智能穿戴中各种特性的综述文章。今天逼迫自己开个头。总体来说,在当前的智能穿戴领域,主要分为运动和健康两大块。

本文综述智能穿戴设备领域的功能特性,将其划分为运动与健康两大板块,运动侧涵盖监测、动作识别与定位,健康侧重点讲解睡眠分期依赖的多种生理信号,并列举压力、血氧、心率等监测方向。

腕间方寸,洞察健康全局

阅读更多...

基于真实轨迹生成 IMU 数据

该文用来介绍仿真IMU数据的方法

本文介绍基于 GroundTruth 轨迹仿真生成 IMU 数据的方法,先利用矩阵对数与指数映射描述相机位姿变换,再通过 B 样条插值将离散轨迹拟合成连续曲线。在此基础上对曲线求导,即可得到带误差的加速度计与陀螺仪测量值,文章最后给出了 TUM-GT2IMU 工具的目录结构与各文件作用。

由轨迹拟合曲线,从曲线求导得 IMU

阅读更多...
  • © 2019-2026 guoben

微信