事件分发机制 对于一个根ViewGroup来说,发生点击事件首先调用dispatchTouchEvent 如果这个ViewGroup的onIterceptTouchEvent返回true就表示它要拦截当前事件,接着这个ViewGroup的onTouchEvent就会被调用.如果onIterceptTouchEvent返回false,那么就会继续向下调用子View的dispatchTouchEvent方法 当一个View需要处理事件的时候,如果它没有设置onTouchListener,那么直接调用onTouchEvent.如果设置了Listenter 那么就要看Listener的onTouch ...

软工经验汇总： 保存每次的会议记录，每次开会找一个会议记录员（Q&A，ToDoList，讨论内容。目标，讨论结果，分工安排 项目初期寻找一个合适的项目管理平台，包括项目需求跟踪、任务完成进度等等 找文档的模版！ 工作量的合理预估！给一个弹性的时间！（哭了，忽略的前后端的整合让人头秃 阶段性的项目检查！（比如，前端的孩子写的是纯静态的，使用的位置都是绝对位置，后期调起来相当不方便 找相关的工具： 项目进度：ones.ai 讨论：在线腾讯文档 uml绘制：staruml 开发工具，求问有没有代码直接导出图的 数据库图：powerDesign

面试 TCP协议中第三次握手失败会怎样？ http和https区别，为什么https安全，（答了数据加密），加密过程，对称还是非对称 安卓activity生命周期 安卓跨进程通信，进程间通信机制 事务的特性，描述一下一致性是什么 除了关系型数据库，对于其他的数据库还有什么了解吗 C++的new和malloc有什么区别 多态是如何实现的 图的遍历方式，怎么遍历 排序方法，哪个最慢，哪个最费空间，哪个最不费空间 leetcode53，用了动规，问你觉得这个方法的分治思想体现在哪 to know： web： android 数据库： C++： 算法： 面试经验小结？ 明确一下自己面试的岗位需要 ...

CNN 卷积层原图像经过卷积模版之后得到的？ 池化层这里再展开叙述池化层的具体作用。 特征不变性，也就是我们在图像处理中经常提到的特征的尺度不变性，池化操作就是图像的resize，平时一张狗的图像被缩小了一倍我们还能认出这是一张狗的照片，这说明这张图像中仍保留着狗最重要的特征，我们一看就能判断图像中画的是一只狗，图像压缩时去掉的信息只是一些无关紧要的信息，而留下的信息则是具有尺度不变性的特征，是最能表达图像的特征。 特征降维，我们知道一幅图像含有的信息是很大的，特征也很多，但是有些信息对于我们做图像任务时没有太多用途或者有重复，我们可以把这类冗余信息去除，把最重要的特征抽取出来，这也是池化 ...

R-CNNR-CNN论文解析

SLAM漫谈SLAM技术（上） 漫谈SLAM技术（下） SLAM技术在国内的发展现状 SLAM介绍（算法基本流程） 详细分析SLAM的实现和应用 特征点的匹配 列举几个目前比较有名的SLAM算法：PTAM,MonoSLAM, ORB-SLAM,RGBD-SLAM,RTAB-SLAM,LSD-SLAM。 SLAM的两大类别： 根据传感器类别（激光雷达和摄像头）分为激光SLAM和视觉SLAM 传感器： 激光雷达：单线多线 摄像头：单目、双目、单目结构光、双目结构光、ToF 不同相机的区别？ 基于单目、双目、全景相机的算法？ IMU 名词介绍：1、视觉SLAM方法：（1）图像信息使用 视觉SLAM方 ...

SLAM_0 SLAM for dummiesConcept: SLAM is concerned with the problem of building a map of an unknown environmentby a mobile robot while at the same time navigating the environment using the map. SLAM consists of: Landmark extraction Data association State estimation state update landmark update

SLAM_2_矩阵相关知识参考： 矩阵分析，Roger A.Horn，Charles R.Johnson 矩阵分析与应用，张贤达 单应矩阵及其分解 SVD分解 本质矩阵及其分解 奇异值矩阵 最小二乘和随机采样一致性（RANSAC） 三角测量 啊啊啊啊！线代令人忧伤 ​

Mask R-CNN1. Framework 2. Algorithm 首先，输入一幅你想处理的图片，然后进行对应的预处理操作，或者预处理后的图片； 然后，将其输入到一个预训练好的神经网络中（ResNeXt等）获得对应的feature map； 接着，对这个feature map中的每一点设定预定个的ROI，从而获得多个候选ROI； 接着，将这些候选的ROI送入RPN网络进行二值分类（前景或背景）和BB回归，过滤掉一部分候选的ROI； 接着，对这些剩下的ROI进行ROIAlign操作（即先将原图和feature map的pixel对应起来，然后将feature map和固定的feature对应 ...

SLAM_3_进度汇报ppt汇报内容： 符号定义：$t = 0 ,… ,N$ 时间内，机器人的位姿为：$x_0 , \dots , x_N$ ，同时有路标 $y_1, \dots , y_M$运动和观测方程记为： \begin{matrix}x_k = f(x_{k-1},u_k) + w_k \\ z_{k,j} = h(y_j,x_k) + v_{k,j} \end{matrix} \space \space k = 1,\dots ,N, j = 1,\dots,M去除噪声的理想情况下： \begin{matrix}x_k = f(x_{k-1},u_k) \\ z_{ ...