为了方便查找，将 ROS 学习的文章总结放到这里，之后也会陆续添加一些文章，由于水平有限，不足之处在所难免，欢迎交流指正。
重拾十大经典排序算法
最近在工作中偶然间涉及到数据库的存储和访问，数据库里存放着员工的指纹、年龄以及姓名等信息，当然指纹是通过md5加密存储的。目前需要对员工的年龄、学历、工作年限等进行排序，如果只有几十个上百个样本，应该不会那么麻烦；关键这是几万名员工的数据，这个量很大，马虎不得。悄悄的告诉你，别惹我，我懂得删库跑路哦。
脑海中对排序的记忆有点模糊，只对「归并排序」印象较为深刻，为了加深理解，重拾「数据结构与算法」，并总结了一下常用的十大经典排序算法，由于平台为linux，因此代码全部用C++实现，全部源码均在linux下编译通过并测试成功，可以作为参考。
排序算法在程序猿的编程生涯中虽然用的不多，但是作为基本功，还是要掌握一下。排序算法是「数据结构与算法」中最基本的算法，它分为「内部排序」和「外部排序」；「内部排序」一般在内存中实现；当数据量很大时，内存有限，不能将所有的数据都放到内存中来，这个时候必须使用「外部排序」。
先看一张图，对常用算法的时间复杂度做个比较：
| 排序算法 | 平均时间复杂度 | 最佳情况 | 最坏情况 | 空间复杂度 | 排序方式 | 稳定性 |
|---|---|---|---|---|---|---|
| 冒泡排序 | $O(n^2)$ | $O(n)$ | $O(n^2)$ | $O(1)$ | In-place | 稳定 |
| 选择排序 | $O(n^2)$ | $O(n^2)$ | $O(n^2)$ | $O(1)$ | In-place | 不稳定 |
| 插入排序 | $O(n^2)$ | $O(n)$ | $O(n^2)$ | $O(1)$ | In-place | 稳定 |
| 希尔排序 | $O(n \log n)$ | $O(n \log^2 n)$ | $O(n \log^2 n)$ | $O(1)$ | In-place | 不稳定 |
| 归并排序 | $O(n \log n)$ | $O(n \log n)$ | $O(n \log n)$ | $O(n)$ | Out-place | 稳定 |
| 快速排序 | $O(n \log n)$ | $O(n \log n)$ | $O(n^2)$ | $O(\log n)$ | In-place | 不稳定 |
| 堆排序 | $O(n \log n)$ | $O(n \log n)$ | $O(n \log n)$ | $O(1)$ | In-place | 不稳定 |
| 计数排序 | $O(n+k)$ | $O(n+k)$ | $O(n+k)$ | $O(k)$ | Out-place | 稳定 |
| 桶排序 | $O(n+k)$ | $O(n+k)$ | $O(n^2)$ | $O(n+k)$ | Out-place | 稳定 |
| 基数排序 | $O(n \times k)$ | $O(n \times k)$ | $O(n \times k)$ | $O(n+k)$ | Out-place | 稳定 |
ROS下使用wii游戏手柄控制移动机器人
wii游戏手柄基于蓝牙技术，可以与带蓝牙模块的ARM主板或PC连接。得益于ROS系统强大的生态圈，wii的驱动已经有现成的可以使用。挑选手柄时认准「原版」「不带加密」「没有陀螺仪」的「右手柄」。
卡尔曼滤波中关键参数的调整
写在前面
对于卡尔曼滤波，大多数人仅限于会用，很少有人能透彻的理解，而关于卡尔曼滤波中那几个关键参数的调整更是一头雾水。自从写完「深度解析卡尔曼滤波在IMU中的应用」一文，很多朋友咨询卡尔曼滤波的参数到底怎么调整，工作之余总结一下，由于水平有限，错误之处在所难免，欢迎交流指正。
SLAM 技术基础
机器人想实现自主移动和导航必须知道自己在哪，周围什么情况等；
SLAM就是帮助机器人实现定位与地图构建功能的一种方案或技术。SLAM的全称为Simultaneous Localization And Mapping即「同时定位与地图构建」，最早用于军事核潜艇中的海底定位。
SLAM学习资源汇总
书籍
Linear Algebra Done Right线性代数Sparse Matrix稀疏矩阵 参考 TIM DAVIS 的个人课程 CSCE689:Sparse Matrix Algorithms「Probabilistic robotics」作者Sebastian THRUN「Principles of Robot Motion Theory，Algorithms and Implementation」作者Sebastian THRUN「SLAM for Dummies」「STATE ESTIMATION FOR ROBOTICS」「Course on SLAM」「Loop Closure Transformation Estimation and Verification Using 2D LiDAR Scanners」「Multiple View Geometry in Computer Vision」「视觉SLAM十四讲 从理论到实践」高翔 张涛
保持持续竞争力 不要让自己成为企业的不良资产
企业不是福利院，它是要盈利的，老板雇佣员工的目的就是让自己的盈利最大化，不排除有的老板很高尚，自己一分钱不拿，就是为了造福员工，造福百姓。说实话还没遇见过这么好的老板，要是有，你们赶紧介绍给我。
深度解析卡尔曼滤波在IMU中的使用
卡尔曼滤波主要分两个步骤，预测加校正。预测是基于上一时刻的状态对当前状态进行估计，校正是根据当前状态的观测与上一时刻的估计进行综合分析，估计出系统的最优状态值，然后下一时刻接着重复这个过程；卡尔曼不断的进行迭代，它不需要大量的粒子状态输入，只需要过程量，因此它的速度很快，非常适合线性系统的状态估计。