编者著：井老板是我11年入行加入百度时的团队大老板，骨灰级老炮，逮着这个机会不容易，把业内常见问题都问了个遍，以飨读者。井老板生性洒脱，嬉笑怒骂皆成文章，道理自在其中。这里是接地气、有高度的《运维百家讲坛》第1期，开讲！嘉宾介绍井源，左一，前百度运维架构师，前小米运维负责人，前美菜CIO有些运维人员反映公司对运维的价值所知甚少，您当年是怎么给公司讲清楚运维的价值的呢？首先需要和公司讲清楚运维的岗位职责（运维是干什么、产出什么）和关键指标（度量产出成果），比如工作围绕稳定、安全、高效等方向展开，开展了哪些运维项目，如何主动推进关键指标的达成。关键指标，不仅仅包含服务可用性，还有比如服务器资源达标
编者著：井老板是我11年入行加入百度时的团队大老板，骨灰级老炮，逮着这个机会不容易，把业内常见问题都问了个遍，以飨读者。井老板生性洒脱，嬉笑怒骂皆成文章，道理自在其中。这里是接地气、有高度的《运维百家讲坛》第1期，开讲！嘉宾介绍井源，左一，前百度运维架构师，前小米运维负责人，前美菜CIO有些运维人员反映公司对运维的价值所知甚少，您当年是怎么给公司讲清楚运维的价值的呢？首先需要和公司讲清楚运维的岗位职责（运维是干什么、产出什么）和关键指标（度量产出成果），比如工作围绕稳定、安全、高效等方向展开，开展了哪些运维项目，如何主动推进关键指标的达成。关键指标，不仅仅包含服务可用性，还有比如服务器资源达标
机器人在工业领域和日常生活中起到重要的作用，要完成的任务也越来越复杂，这就需要机器人动作执行时足够精准。机器人的绝对精度是评价机器人性能的一项重要指标。要提高机器人的绝对精度，需要进行高精度标定。标定可以分为三级：一级未驱动器与关节传感器的标定，即确定关节位移传感器产生的信号与实际关节位移之间的关系；二级在一级基础上，加入机器人几何参数的标定，针对各组成连杆的运动变量误差和各连杆结构参数误差引起的位姿误差；三级为非几何标定，针对由关节柔度、摩擦、间隙以及连杆柔度等因素引起的误差。在标定过程中，测量是进行参数辨识和补偿之前的重要环节，包括关节位移测量和机器位姿测量。位姿测量方法又包括接触式和非接
机器人在工业领域和日常生活中起到重要的作用，要完成的任务也越来越复杂，这就需要机器人动作执行时足够精准。机器人的绝对精度是评价机器人性能的一项重要指标。要提高机器人的绝对精度，需要进行高精度标定。标定可以分为三级：一级未驱动器与关节传感器的标定，即确定关节位移传感器产生的信号与实际关节位移之间的关系；二级在一级基础上，加入机器人几何参数的标定，针对各组成连杆的运动变量误差和各连杆结构参数误差引起的位姿误差；三级为非几何标定，针对由关节柔度、摩擦、间隙以及连杆柔度等因素引起的误差。在标定过程中，测量是进行参数辨识和补偿之前的重要环节，包括关节位移测量和机器位姿测量。位姿测量方法又包括接触式和非接
实际游戏开发中，无论是游戏物理的计算，还是游戏逻辑开发，常常会用到平面、射线、球体、包围盒等几何图元，我们实现了几个常用的几何图元类。 第一个我们要介绍的是射线，射线包含了顶点和方向，与数学上的射线不同，我们用到的射线可以有距离限制，射线的参数化表示为p=o+td，p为射线上的点，o为射线的起始位置，d是射线的方向，t是表示射线长度的标量。射线类Ray代码如下：1template2classRay3{4public:5Ray();6Ray(constVector3&origin,constVector3&direction);78inlineconstVector3&Origin()co
实际游戏开发中，无论是游戏物理的计算，还是游戏逻辑开发，常常会用到平面、射线、球体、包围盒等几何图元，我们实现了几个常用的几何图元类。 第一个我们要介绍的是射线，射线包含了顶点和方向，与数学上的射线不同，我们用到的射线可以有距离限制，射线的参数化表示为p=o+td，p为射线上的点，o为射线的起始位置，d是射线的方向，t是表示射线长度的标量。射线类Ray代码如下：1template2classRay3{4public:5Ray();6Ray(constVector3&origin,constVector3&direction);78inlineconstVector3&Origin()co
1.3古典概型与几何概型古典概型特点基本事件有限等可能性计算\[P(A)=\frac{A中元素个数}{\Omega中元素个数}=\frac{使A发生的基本事件数}{\Omega中样本点总数}\]计算古典概型的概率的重点在于计算基本事件数，相关知识点是排列组合。加法原理：多个方案乘法原理：分步骤排列不重复排列从\(n\)个不同元素中有顺序的取出\(m\)个（取出某元素后不能再取该元素）：\[P_n^m=\frac{n!}{(n-m)!}\]排列的字母可以用\(A\)也可以用\(P\)重复排列从\(n\)个不同元素中有顺序的取出\(m\)个（取出某元素后可以再取该元素，比如箱子取球，取完又放回去）
1.3古典概型与几何概型古典概型特点基本事件有限等可能性计算\[P(A)=\frac{A中元素个数}{\Omega中元素个数}=\frac{使A发生的基本事件数}{\Omega中样本点总数}\]计算古典概型的概率的重点在于计算基本事件数，相关知识点是排列组合。加法原理：多个方案乘法原理：分步骤排列不重复排列从\(n\)个不同元素中有顺序的取出\(m\)个（取出某元素后不能再取该元素）：\[P_n^m=\frac{n!}{(n-m)!}\]排列的字母可以用\(A\)也可以用\(P\)重复排列从\(n\)个不同元素中有顺序的取出\(m\)个（取出某元素后可以再取该元素，比如箱子取球，取完又放回去）
特征点法前端目录特征点法前端1.0特征点与特征点匹配1.1特征点1.2ORB1.3特征匹配2.0对极几何2.1对极约束2.2本质矩阵2.3单应矩阵3.0补充3.1尺度不确定性3.2纯旋转3.3多余匹配 \(\quad\)前端又称为视觉里程计(VO)，它根据相邻图像间的信息来估计出相机的运动。估计值既可作为结果输出，也可以作为初始值提供给后端来进行优化。VO的实现，按照是否提取图像特征，分为特征点法前端和直接法前端。1.0特征点与特征点匹配 \(\quad\)如前所述，VO的主要问题是根据图像信息来估计相机的运动。一般来说，我们首先从图像中选取出比较有代表性的点，然后根据这些点来估计相机的位
特征点法前端目录特征点法前端1.0特征点与特征点匹配1.1特征点1.2ORB1.3特征匹配2.0对极几何2.1对极约束2.2本质矩阵2.3单应矩阵3.0补充3.1尺度不确定性3.2纯旋转3.3多余匹配 \(\quad\)前端又称为视觉里程计(VO)，它根据相邻图像间的信息来估计出相机的运动。估计值既可作为结果输出，也可以作为初始值提供给后端来进行优化。VO的实现，按照是否提取图像特征，分为特征点法前端和直接法前端。1.0特征点与特征点匹配 \(\quad\)如前所述，VO的主要问题是根据图像信息来估计相机的运动。一般来说，我们首先从图像中选取出比较有代表性的点，然后根据这些点来估计相机的位
