kfuzz
基于docker / qemu / kvm / trinity的linux内核模糊测试工具链。 不要使用它。 它会破裂。
要求
码头工人
qemu / kvm
用法
设置debian sid docker build box
zined@foo:~/src/kfuzz$ make docker
#-----------------------------------
#- setup docker
#-----------------------------------
docker build -t kernel .
Sending build context to Docker daemon 79.87 kB
[... blablabla ...]
Successfully built 0xABADIDEA
zined@foo:~/src/kfuzz$
从当前的torv
2021-10-25 09:44:54
3KB
1
爱德华多·里贝罗·德·坎波斯-2021年3月
项目：激光雷达障碍物检测。
传感器融合纳米学位计划。
在整个Lidar课程中，我们从 （传感器融合与本地化总监）那里学习了有关Lidar的观点，软件方法由 （高级AV软件工程师）教授。 来自 （梅赛德斯-奔驰研究与开发北美公司）的两位专业人员。
研究了开发可处理Lidar数据的管道的最佳实践。有关更多详细信息，请和。
该项目的目标可在网页上找到。
1.细分（RANSAC）。 2聚类（KD树和欧几里得聚类） 3.边界框。 4，下采样数据（体素网格-感兴趣区域）。
1.细分。
我们希望能够找到场景中的障碍物。 但是，我们场景中的某些对象并不是障碍物。 什么会出现在pcd中但不是障碍物？ 在大多数情况下，道路上的任何自由空间都不是障碍，并且如果道路平坦，则从非道路点中选择道路点是相当容易的。 为此，我们将使用一种称为“平面分割”的方法，该方
2021-10-24 16:12:48
198.31MB
1
自述文件{#mainpage}
评论员：杨光（ ）
欢迎使用OKVIS：打开基于关键帧的视觉惯性SLAM。
这是作者[1]和[3]的实现，在[2]中有更多结果。
[1] Stefan Leutenegger，Simon Lynen，Michael Bosse，Roland Siegwart和Paul Timothy Furgale。 使用非线性优化的基于关键帧的视觉惯性里程表。 国际机器人研究杂志，2015年。
[2] Stefan Leutenegger。 无人太阳能飞机：高效且鲁棒的自主运行的设计和算法。 博士学位论文，2014。
[3] Stefan Leutenegger，Paul Timothy Furgale，Vincent Rabaud，Margarita Chli，Kurt Konolige和Roland Siegwart。 使用非线性优化的基于关键帧的视觉惯
2021-10-21 19:33:12
9.67MB
1