【Linux配置五】 Ubuntu18.04+kalibr标定工具箱安装编译
一、安装kalibr
1、安装依赖项
所有 Ubuntu 版本的通用要求如下：
sudo apt-get install -y \git wget autoconf automake nano \libeigen3-dev libboost-all-dev libsuitesparse-dev \doxygen libopencv-dev \libpoco-dev libtbb-dev libblas-dev liblapack-dev libv4l-dev
然后由于不同的Python版本，您将需要安装以下内容：
# Ubuntu 16.04
sudo apt-get install -y python2.7-dev python-pip python-scipy \python-matplotlib ipython python-wxgtk3.0 python-tk python-igraph
# Ubuntu 18.04
sudo apt-get install -y python3-dev python-pip python-scipy \python-matplotlib ipython python-wxgtk4.0 python-tk python-igraph
# Ubuntu 20.04
sudo apt-get install -y python3-dev python3-pip python3-scipy \python3-matplotlib ipython3 python3-wxgtk4.0 python3-tk python3-igraph
本文为ubuntu18.04系统，安装命令如下：
sudo apt-get install -y python3-dev python-pip python-scipy \python-matplotlib ipython python-wxgtk4.0 python-tk python-igraph
注：安装python-igraph时，我用pip命令无法安装，故改为apt-get命令，安装得很顺利。
2、创建kalibr的工作空间
Ubuntu18.04 创建kalibr的工作空间
mkdir -p ~/kalibr_workspace/src
cd ~/kalibr_workspace
source /opt/ros/melodic/setup.bash
catkin init
catkin config --extend /opt/ros/melodic
catkin config --merge-devel
catkin config --cmake-args -DCMAKE_BUILD_TYPE=Release
3、源码下载
地址：https://github.com/ethz-asl/kalibr
官网教程是从网站克隆，但克隆版本并不符合安装系统，总是出错，显示kalibr_calibrate_imu_camera命令未找到，多次重新编译也未成功。
所以本文选用kalibr与ubuntu18.04对应的版本（其他ubuntu系统同理）
下载后将kalibr-fix-18.04.zip解压到 ~/kalibr_workspace/src文件夹下：
4、源码编译
cd ~/kalibr_workspace/
catkin build -DCMAKE_BUILD_TYPE=Release -j4
5、安装过程中的报错
如果出现错误，可以多编译几次，好多错误重新编译就没有了catkin build -DCMAKE_BUILD_TYPE=Release -j4
5.1 下载kalibr-master做备用
一般的，如果编译错误，将报错所指路径文件全部替换为kalibr-master对应的文件，简单粗暴，亲测有效
5.2 报错一
将~/kalibr_workspace/src/aslam_cv文件夹下的aslam_cv_python aslam_cv_backend_python 替换为kalibr-master对应的文件
5.3 报错二
将~/kalibr_workspace/src/kalibr/Schweizer-Messer文件夹下的python_module替换为kalibr-master对应的文件
5.4 安装成功
注意：37个包，不是36个包
安装kalibr参考：
http://t.csdn.cn/TzErH
http://t.csdn.cn/yydgf
二、测试kalibr
1、测试相机标定
1） 官网下载相机标定测试数据
2） 在kalibr_workspace文件夹下新建一个文件夹camera0放置下载的数据，camera0文件夹里面存放下载的数据。
3）在kalibr_workspace文件夹下打开终端，输入命令，别忘了设置环境
// 设置环境，否则报错 --- kalibr_calibrate_cameras：未找到命令
source ~/kalibr_workspace/devel/setup.bash
kalibr_calibrate_cameras \--target /YOUR PATH/april_6x6.yaml \--bag /YOUR PATH/cam_april.bag --bag-from-to 30 50 \--models pinhole-fov \--topics /cam0/image_raw
我的路径是/home/lzy/kalibr_workspace/camera0/，因此指令为：
source ~/kalibr_workspace/devel/setup.bash
kalibr_calibrate_cameras \--target /home/lzy/kalibr_workspace/camera0/april_6x6.yaml \--bag /home/lzy/kalibr_workspace/camera0/cam_april.bag --bag-from-to 30 50 \--models pinhole-fov \--topics /cam0/image_raw
2、测试相机与imu联合标定
1） 从https://pan.baidu.com/s/1bWQT7g提取码2g2t下载数据包，将解压后dynamic的放在工作空间kalibr_workspace里
2）在kalibr_workspace文件夹下打开终端，输入命令，别忘了设置环境
source ~/kalibr_workspace/devel/setup.bash
kalibr_calibrate_imu_camera \--target /YOUR PATH/april_6x6.yaml \--cam /YOUR PATH/camchain.yaml \--imu /YOUR PATH/imu_adis16448.yaml \--bag /YOUR PATH/dynamic.bag --bag-from-to 5 45
我的路径是/home/lzy/kalibr_workspace/dynamic，因此指令为：
source ~/kalibr_workspace/devel/setup.bash
kalibr_calibrate_imu_camera \--target /home/lzy/kalibr_workspace/dynamic/april_6x6.yaml \--cam /home/lzy/kalibr_workspace/dynamic/camchain.yaml \--imu /home/lzy/kalibr_workspace/dynamic/imu_adis16448.yaml \--bag /home/lzy/kalibr_workspace/dynamic/dynamic.bag --bag-from-to 5 45
标定完成后，会生成下面4个文件。其中比较关注的IMU和相机变换矩阵和timeshift都在以camchain命名的.yaml文件中，在results的txt文件中也可以看到
测试kalibr参考：
http://t.csdn.cn/yydgf
三、实践
1、标定imu
本文标定的imu为sbg
注意事项：
1、 imu 录制时必须静置不动，官方建议两个小时以上；录制时话题类型不做要求，标定时类型必须是sensor_msgs/Imu
2、imu 标定时话题类型必须是sensor_msgs/Imu
3、imu 标定时不要求xyz轴必须是右前上之类的
1.1 安装imu_utils
1.1.1 安装ceres
此项为必要依赖。本机在前续使用中已安装了ceres-1.14.0，此处记录对应版本仅供参考，Github上有最新版本应该是2.0.0。ceres-solver同时还需依赖eigen，本机前续使用中已安装了eigen-3.3.7。
1）安装ceres的一些相关依赖（参考http://www.ceres-solver.org/installation.html）[2]
# CMake
sudo apt-get install cmake
# google-glog + gflags
sudo apt-get install libgoogle-glog-dev libgflags-dev
# BLAS & LAPACK
sudo apt-get install libatlas-base-dev
# SuiteSparse and CXSparse (optional)
sudo apt-get install libsuitesparse-dev
2）build, test, and install Ceres
# 已提前下载好的压缩包，没有下载要先去git
tar zxf ~/Documents/ceres-solver-1.14.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-1.14.0
make -j4
make test
sudo make install
1.1.2 安装code_utils
sudo apt-get install libdw-dev
mkdir -p ~/kalibr_imu/src
cd kalibr_imu/src
git clone https://github.com/gaowenliang/code_utils.git
这里需要修改 code_utils 的 CMakeLists.txt 文件,将 CMAKE_CXX_FLAGS “-std=c++11” 改为 CMAKE_CXX_STANDARD 14 并添加 include_directories(include/code_utils)。然后在~/kalibr_imu路径下执行catkin_make。这里也是因为后面下载的imu_utils编译时是需要依赖code_utils的，所以这里先单独编译一下，当然也可以在两个包都下好的情况下使用catkin_make -DCATKIN_WHITELIST_PACKAGES=‘code_utils’先指定编译，再catkin_make -DCATKIN_WHITELIST_PACKAGES=’‘全部编译。
1.1.3 安装imu_utils
cd kalibr_imu/src
git clone https://github.com/gaowenliang/imu_utils.git
cd ..
catkin_make
同样，在catkin_make前，需要修改imu_utils 的 CMakeLists.txt 文件,将 CMAKE_CXX_FLAGS “-std=c++11” 改为 CMAKE_CXX_STANDARD 14。
1.2 录制IMU数据及标定
sbg录制的话题为/sbg/imu_data，其类型是自定义类型sbg_driver/SbgImuData
sbg标定的话题为/imu0，其类型是sensor_msgs/Imu
1.2.1 录制imu数据（sbg）
sbg的使用教程：https://github.com/SBG-Systems/sbg_ros_driver
sbg录制的话题为/sbg/imu_data，其类型是自定义类型sbg_driver/SbgImuData，后续标定前需要将其类型转为sensor_msgs/Imu
启动sbg驱动
roslaunch sbg_driver sbg_device.launch
录制imu，话题为/sbg/imu_data
rosbag record /sbg/imu_data -o sbg.bag
查看imu频率
rosrun rqt_topic rqt_topic
1.2.2 标定及结果
1）配置imu_utils/launch路径下的sbg.launch，相应名称和参数应以自己IMU为准。
需要修改的参数：
imu 话题"imu_topic"需要与录制时的话题保持一致，类型为sensor_msgs/Imu
imu 名字"imu_name"自定义，建议与launch名保持一致，决定后续标定结果的文件名
imu 加载时间"max_time_min"，单位为分钟，表示从rosbag中加载数据的时间长度，根据实际录制的时间确定，官方建议两小时以上
<launch><node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"><param name="imu_topic" type="string" value= "/imu0"/><param name="imu_name" type="string" value= "sbg"/><param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/><param name="max_time_min" type="int" value= "50"/><param name="max_cluster" type="int" value= "100"/></node>
</launch>
2）启动.launch文件，播放录制的IMU数据包。
此时的sbg.bag是已经将话题类型修改为sensor_msgs/Imu之后的bag包
# 启动.launch文件
cd kalibr_imu
source devel/setup.bash
roslaunch imu_utils sbg.launch
# 在对应路径下播放数据包，使用-r 200来倍速播放
rosbag play -r 200 sbg.bag
3）完成后可以在imu_utils/data路径下找到与imu_name对应的xxx_imu_param.yaml文件。
sbg_imu_param.yaml如下。其中_n代表noise，_w代表random walk。
%YAML:1.0
---
type: IMU
name: sbg
Gyr:unit: " rad/s"avg-axis:gyr_n: 4.9437760129591220e-04gyr_w: 3.0009989457718918e-05x-axis:gyr_n: 4.6063631944431345e-04gyr_w: 2.6747246508923371e-05y-axis:gyr_n: 4.8208450909023370e-04gyr_w: 2.5466994384681401e-05z-axis:gyr_n: 5.4041197535318935e-04gyr_w: 3.7815727479551984e-05
Acc:unit: " m/s^2"avg-axis:acc_n: 6.2662678044191102e-03acc_w: 2.8805164533371702e-04x-axis:acc_n: 6.5695260918416801e-03acc_w: 2.6707017662488822e-04y-axis:acc_n: 6.7936962756448083e-03acc_w: 4.2277805228637218e-04z-axis:acc_n: 5.4355810457708429e-03acc_w: 1.7430670708989062e-04
2、标定camera
本文标定的是深度相机kinectV1
本文录制的话题是 /camera/rgb/image_color，其类型为sensor_msgs/Image
下载标定板时建议下载原尺寸标定板，比如Aprilgrid 6x6 0.8x0.8 m (A0 page)就是A0纸
标定结果，重投影误差在1~2pix之内，比较好。重投影误差较大，建议重新录制bag包
注意：
1、相机录制频率为4Hz
2、相机录制的话题名称无所谓，但是话题类型必须是sensor_msgs/Image
3、标定相机命令里面的模型必须选对，本文选取的是--models pinhole-radtan，否则会报错，这一步非常重要。具体模型参考https://github.com/ethz-asl/kalibr/wiki/supported-models
4、相机标定模型根据要标定的数据选取，比如我需要标定的是(intrinsics vector: [fu fv pu pv])和(distortion_coeffs: [k1 k2 r1 r2])，故选取--models pinhole-radtan
2.1 采集相机数据
启动深度相机kinectV1
source devel/setup.bash
roslaunch freenect_launch freenect.launch
将话题 /camera/rgb/image_color频率修改为20Hz
rosrun topic_tools throttle messages /camera/rgb/image_color 20.0 /my_image_color
录制bag
rosbag record /my_image_color -o my_image_color.bag
打开相机屏幕
rosrun rqt_image_view rqt_image_view
录取bag个人经验：
1、录取时长最少3分钟。--bag-from-to 25 150 最少120s，图片数量500张左右。
2、录取过程中要缓慢移动，倾斜。标定板位置最好出现在rqt_image_view 视野的各个位置
2.2 下载并打印标定板
标定板下载地址：https://github.com/ethz-asl/kalibr/wiki/downloads
本文选择的是 Aprilgrid 6x6 0.8x0.8 m (A0 page)，创建或修改april_6x6.yaml。以下是A4纸下的尺寸
#example for aprilgridtarget_type: 'aprilgrid' #gridtypetagCols: 6 #number of apriltagstagRows: 6 #number of apriltagstagSize: 0.021 #size of apriltag, edge to edge [m]tagSpacing: 0.2857 #ratio of space between tags to tagSize#example: tagSize=2m, spacing=0.5m --> tagSpacing=0.25[-]
上图来源：https://github.com/ethz-asl/kalibr/wiki/calibration-targets
2.3 标定相机
在kalibr_workspace文件夹下新建一个文件夹camera，放置录制好的my_image_color.bag和修改后的april_6x6.yaml
在kalibr_workspace文件夹下打开终端，输入
source devel/setup.bash
kalibr_calibrate_cameras \--target /home/lzy/kalibr_workspace/camera/april_6x6.yaml \--bag /home/lzy/kalibr_workspace/camera/my_image_color.bag --bag-from-to 25 150 \--models pinhole-radtan \--topics /my_image_color
应用时，注意修改路径
2.4 报错
[ERROR] [1656413643.074323]: initialization of focal length for cam with topic /my_image_color
[ERROR] [1656413643.084323]: calibrateIntrinsics: Optimization failed!
[ERROR] [1656413643.093601]: initialization of intrinsics for cam with topic /my_image_color failed
解决方法：
1、确定选取的相机模型是否正确，模型不对的话会导致上述问题，具体模型参考https://github.com/ethz-asl/kalibr/wiki/supported-models。基本模型正确的话，会解决大部分问题。
2、模型选取正确依然报错的话，修改aslam_cv/aslam_cameras/include/aslam/cameras/implementation/PinholeProjection.hpp文件的下列部分。位置760行左右，建议直接Ctrl+F搜索if(f_guesses.empty())
#include <opencv2/core/eigen.hpp>
#include <Eigen/StdVector>
#include <iostream>using namespace std;
namespace aslam {namespace cameras {...for (size_t j=0; j<target.rows(); ++j){for (size_t k=j+1; k<target.cols(); ++k){// find distance between pair of vanishing points which// correspond to intersection points of 2 circlesstd::vector < cv::Point2d > ipts;ipts = PinholeHelpers::intersectCircles(center[j](0), center[j](1),radius[j], center[k](0), center[k](1), radius[k]);if (ipts.size()<2)continue;double f_guess = cv::norm(ipts.at(0) - ipts.at(1)) / M_PI;std::cout << "f_guess: "<<f_guess<< std::endl;if(std::isnan(f_guess)) {std::cout << "nan ,not use " << std::endl;continue;}f_guesses.push_back(f_guess);}}}//get the median of the guesses// if(f_guesses.empty())// return false;if(f_guesses.empty()) {const char* manual_input = std::getenv("KALIBR_MANUAL_FOCAL_LENGTH_INIT");if(manual_input != nullptr) {double input_guess;std::cout << "Initialization of focal length failed. Provide manual initialization: " << std::endl;std::cin >> input_guess;SM_ASSERT_GT(std::runtime_error, input_guess, 0.0, "Focal length needs to be positive.");std::cout << "Initializing focal length to " << input_guess << std::endl;f_guesses.push_back(input_guess);} else {std::cout << "Initialization of focal length failed. You can enable"<< " manual input by setting 'KALIBR_MANUAL_FOCAL_LENGTH_INIT'." << std::endl;return false;}}double f0 = PinholeHelpers::medianOfVectorElements(f_guesses);
...
修改后的标定命令为
source devel/setup.bash
export KALIBR_MANUAL_FOCAL_LENGTH_INIT=True
kalibr_calibrate_cameras \--target /home/lzy/kalibr_workspace/camera/april_6x6.yaml \--bag /home/lzy/kalibr_workspace/camera/my_image_color.bag --bag-from-to 25 150 \--models pinhole-radtan \--topics /my_image_color
3、camera-imu 联合标定
imu：sbg 、频率100Hz、话题类型sensor_msgs/Imu
camera：kinectV1 、频率4Hz、话题类型sensor_msgs/Image
imu和 camera 的bag可以分开录制，最好整合成一个bag就行了；分开录制要求时间重合。
3.1 录制imu
启动sbg驱动
roslaunch sbg_driver sbg_device.launch
录制imu，话题为/sbg/imu_data。注意此时的话题类型是自定义类型，后续要把类型改为sensor_msgs/Imu
rosbag record /sbg/imu_data -o imu_sbg.bag
查看imu频率
rosrun rqt_topic rqt_topic
3.2 录制camera
启动深度相机kinectV1
source devel/setup.bash
roslaunch freenect_launch freenect.launch
将话题 /camera/rgb/image_color频率修改为4Hz
rosrun topic_tools throttle messages /camera/rgb/image_color 4.0 /my_image_color
录制bag
rosbag record /my_image_color -o my_image_color.bag
打开相机屏幕
rosrun rqt_image_view rqt_image_view
3.3 bag整合
将imu_sbg.bag里面话题类型改为sensor_msgs/Imu
将my_image_color.bag里面话题类型改为sensor_msgs/Image
将话题修改后的imu_sbg.bag和my_image_color.bag整合成一个bag包，即kalibr.bag，信息如下
Topics Types Message Count Frequency
0 /cam0/image_raw sensor_msgs/Image 568 3.758933
1 /imu0 sensor_msgs/Imu 14587 52428.800000
3.4 IMU内参yaml、相机内外参yaml、标定板yaml
1）相机内外参yaml就用在前续2.2.3相机标定结果中获得的以camchain开头命名的.yaml文件即可；注意rostopic
cam0:cam_overlaps: []camera_model: pinholedistortion_coeffs: [0.11954846981816165, -0.1358152244503053, -0.003688000623544225,0.0026429797169365]distortion_model: radtanintrinsics: [426.9314446745908, 427.0007202207628, 320.2282058993642, 266.1083473596716]resolution: [640, 480]rostopic: /cam0/image_raw
2）标定板yaml使用前续2.2.2中创建的标定板yaml文件即可；
#example for aprilgridtarget_type: 'aprilgrid' #gridtypetagCols: 6 #number of apriltagstagRows: 6 #number of apriltagstagSize: 0.021 #size of apriltag, edge to edge [m]tagSpacing: 0.2857 #ratio of space between tags to tagSize#example: tagSize=2m, spacing=0.5m --> tagSpacing=0.25[-]#example for checkerboard
# targetType: 'checkerboard' #gridtype
# targetCols: 6 #number of internal chessboard corners
# targetRows: 7 #number of internal chessboard corners
# rowsMetricSize: 0.06 #size of one chessboard square [m]
# colsMetricSize: 0.06 #size of one chessboard square [m]
3）联合标定中imu内参yaml格式如下，并不能直接拿imu_utils的标定结果yaml文件来用，否则会报错。yaml其中各项可依照前续1.2.2imu标定结果中填入avg-axes的对应值。注意rostopic和频率update_rate
rostopic: /imu0
update_rate: 100.0 #Hzaccelerometer_noise_density: 6.2662678044191102e-03 #continous
accelerometer_random_walk: 2.8805164533371702e-04
gyroscope_noise_density: 4.9437760129591220e-04 #continous
gyroscope_random_walk: 3.0009989457718918e-05
注意：
查看 IMU内参yaml、相机内外参yaml里面的rostopic是否与录制的bag话题一致
3.5 联合标定
在kalibr_workspace文件夹下打开终端，输入如下命令
source ~/kalibr_workspace/devel/setup.bash
kalibr_calibrate_imu_camera \--target /home/lzy/kalibr_workspace/camera_imu/april_6x6.yaml \--cam /home/lzy/kalibr_workspace/camera_imu/camchain.yaml \--imu /home/lzy/kalibr_workspace/camera_imu/imu_sbg.yaml \--bag /home/lzy/kalibr_workspace/camera_imu/kalibr.bag --bag-from-to 15 45
–target 后面是标定板yaml的绝对路径；
–cam 后面相机内外参yaml（camchain-xxx.yaml）的绝对路径；
–imu 后面是对应格式的imu内参yaml的绝对路径；
–bag 后面是录制的数据包的绝对路径；
–bag-from-to 后面是想要使用数据时间段的起始时间和结束时间，单位：秒(s)
–show-extraction 是在标定过程中的一个显示界面，可以看到图片提取的过程，可以不要。
注意：实际应用时需要将命令里面的参数改为相应的参数，比如路径和yaml
2）标定完成后，会生成下面4个文件。其中比较关注的IMU和相机变换矩阵和timeshift都在以camchain命名的.yaml文件中，在results的txt文件中也可以看到。
实践kalibr参考：
http://t.csdn.cn/mUfC1 【kalibr标定realsenseD435i（二）–多相机标定】
https://guyuehome.com/34592 【Kalibr使用：imu+camera联合标定过程详解】
http://t.csdn.cn/PfkKl 【VIO测试准备——使用imu_utils和kalibr进行相机与IMU标定】，个人感觉比较好
http://t.csdn.cn/ALqjU 【Kalibr 之 Camera-IMU 标定 (总结)】
http://t.csdn.cn/ine8X【kalibr使用笔记】 bug总结
配套安装包
https://download.csdn.net/download/a_happy_bird/85721502
【Linux配置五】 Ubuntu18.04+kalibr标定工具箱安装编译相关推荐
- Ubuntu18.04+ROS+kalibr标定工具箱安装编译
目录 前言 一.安装ROS 1.设置镜像源 2. 更新软件包索引 3. 安装ROS 4.测试ROS是否安装成功 二.安装kalibr-melodic 1.kalibr简介 2.安装kalibr 3.测 ...
- cadence virtuoso为什么只能在linux下运行,ubuntu18.04安装cadence virtuoso
最近需要做一些集成电路设计相关的工作,研究了一下,还挺复杂.不过千里之行,始于足下,再复杂的东西也是一步步由简单的东西构建而成的.根据工作需要 ,安装了全定制集成电路设计软件IC617,下面记录一下过 ...
- OpenCV环境配置：Ubuntu18.04编译OpenCV4.2.0和contrib模块记录
OpenCV环境配置:Ubuntu18.04编译OpenCV4.2.0和contrib模块记录 1.下载源码和安装依赖包 2.解压源码文件和配置路径 3.配置Cmake并编译OpenCV 4.导入Op ...
- ubuntu18.04 64位+GTX1070max-q安装CUDA10.0+CUDNN7.4.2+安装Anaconda3.5.2+PyTorch1.4+torchvision0.5
文章目录 安装Ubuntu18.04系统 安装nvidia显卡驱动 Ubuntu18.04系统更换国内软件源.显示亮度条.解决ubuntu与win10系统时间差8小时.安装intelligent pi ...
- Ubuntu18.04系统下，gcc编译过程分析、命令参数介绍及ELF文件格式学习
GCC编译器背后的故事及常用命令.了解ELF文件格式 文章目录 GCC编译器背后的故事及常用命令.了解ELF文件格式 前言 一.GCC简介 二.GCC背后的战友 1.Binutils 2.C运行库 三 ...
- Ubuntu18.04下的PCL安装（摸爬滚打）
目录 Ubuntu18.04下的PCL安装 1.先安装Qt5,X11,OpenGL 1)安装Qt5 2)安装x11 3)安装OpenGL 4)安装libglut-dev 2.安装VTK(直接把pcl依 ...
- 关于在Ubuntu18.04 kernel4.8中安装rtl8192fu驱动的一些问题
关于在Ubuntu18.04 kernel4.8中安装rtl8192fu驱动的一些问题 一开始我并不知道这个网卡型号,只是随便在淘宝买了一款免驱网卡,到手后才发现没法用,折腾了两天,解决了问题,特此记 ...
- Ubuntu18.04对应的ROS安装步骤教程
Ubuntu18.04对应的ROS安装教程 一.ROS配置 1 配置Ubuntu18.04 软件仓库 2 开始安装 3 测试 二.遇到的问题 1 ROS无法下载问题 2 sudo: rosdep: c ...
- Ubuntu18.04.1 64位 安装ns2.35全过程--水逆选手必看！！高版本Ubuntu必看！！
Ubuntu18.04.1 64位 安装ns2.35全过程--水逆选手必看!!高版本Ubuntu必看!! ...前言 Step1: 更新系统 Step2:安装ns2需要的几个包 Step3:下载安装包 ...
最新文章
- 吴恩达老师深度学习视频课笔记：深度卷积网络
- IOS后台运行机制详解（二）
- 以太网迎新增长 专家眼中的车载以太网及AVB技术
- Repository模式
- [Jarvis OJ - PWN]——[XMAN]level1
- 集成学习原理小结(转载)
- 吉林推出百项政策扩开放
- Machine Vision Pixel Calibration~ ~ ~ ~ ~ ~ ~ ~ ~ ~
- php基础教程 第四步 学习运算符
- phoenix的元数据一般存在哪里_Phoenix的一些问题
- 将你一张表的值覆盖_精准度可达亚米级，山东“北斗一张网”向社会免费开放...
- 信贷ABS资产静态池与动态池里的数据分析内容都有啥
- 图像处理、分析与机器视觉(基于labview)_基于3D技术的机器视觉解决方案
- 从出生年月中获取相对准确的年龄
- 关于 QueryDSL 配置和使用（详细）
- 2018年12月份计算机,CPU天梯图2018年12月最新版 十二月台式电脑CPU性能排行
- CentOS上如何顺利地安装MySQL？
- linux gtx驱动程序,NVIDIA 430.09 Linux 驱动发布：支持 GTX 1650
- 数据分析面试题--SQL面试题
- 5G时代下的室内定位方案越来越精准-室内定位方案-新导智能