记录在 Ubuntu 22.04 上安装 Wireshark、配置免 sudo 抓包权限，以及用它诊断设备网络流量的过程。安装走官方 PPA 取最新稳定版，权限通过给 dumpcap 设置 capability 让普通用户也能抓，使用上关键是分清两套过滤器。最后以发现一台相机的 IP 作为实战场景。 环境：Ubuntu 22.04 (jammy) / x86_64；24.04 步骤基本一致。

DINOv2（Meta AI，2023）是个自监督视觉基础模型——无标签训出对视角/光照/域鲁棒性强的通用 patch 特征；AnyLoc（2023）把它和经典 VLAD 加按域适配组装起来，零 VPR 专属训练就拿到 SOTA 级的视觉位置检索。这篇拆解 DINOv2 怎么"自己教自己"（自蒸馏 DINO + 掩码 iBOT + 防塌缩）、AnyLoc 怎么零训练用上它，是

NetVLAD（CVPR 2016）把经典 VLAD 聚合改造成一个可微的 CNN 层，接在卷积主干后面，把整张图端到端映射成紧凑的全局描述子，专门为位置检索/回环训练。这篇梳理它的原理、核心的重参数化推导、训练如何端到端优化、相比 BoW 的利弊，以及一个关键反直觉点——全局描述子为什么位置无关。它是 词袋模型 BoW 的学习型后继。

回环检测是 SLAM 区别于纯里程计的关键——只有识别出"我以前来过这里"，才能消除累积漂移、得到全局一致的地图。词袋（Bag-of-Words, BoW）是它事实上的标配前端。这篇梳理 BoW 的算法原理、核心推导与几个常见误区。

SLAM（Simultaneous Localization And Mapping，同时定位与建图）要求移动平台在未知环境、无先验地图的前提下，一边估计自身位姿、一边构建环境地图。这篇梳理 SLAM 的整体框架、数学本质与关键脉络，把前端跟踪、后端优化、回环检测、建图四个模块拧成一个整体来看。

FoundationPose（CVPR 2024 Highlight，NVIDIA）用一个模型实现零样本泛化到新物体——给定 CAD 模型或几张参考照片即可，不重新训练。它的核心是 render-and-compare（渲染对比），把位姿估计从端到端回归转成带监督的图像判别问题。这篇记录它的算法原理和源码架构要点（不含具体代码）。

词袋模型（DBoW2）给出了回环的"候选"——当前帧可能和某个历史关键帧拍的是同一个地方。但候选只是开始：单帧命中不可靠，真假回环必须经过几何验证、尺度校正、全局优化三步才能确认并消除漂移。这篇接在词袋模型之后，记录"候选之后"的完整流程。

PnP（Perspective-n-Point）是已知 3D 点位置、它们的 2D 像素投影、相机内参，反推相机位姿的问题。它是相机定位、SLAM 重定位、AR 追踪的核心。这篇不重复 DLT/P3P 的力学推导和 OpenCV 接口（另见 PnP 算法），而是讲 PnP 的本质——射线交汇——以及最常用方法 EPnP 的完整推导。

视觉测量系统（相机 + PnP + 手眼 + 机械臂）落地提精，难点往往不在算法——PnP、ICP、BA 的数学是标准的——而在于系统化地拆解误差、逐级量化验证、定位瓶颈、迭代逼近极限。这篇记录一套"误差预算驱动"的工程方法论，以一个 1m 工作距离、10cm 工件、目标 2mm 精度的场景为线索展开。

焦距、传感器尺寸、像素、视场角这些概念经常被串在一起：标定输出的 fx 是什么单位、物理焦距怎么反推、工作距离下每像素代表多少毫米。这篇把它们串成一条从物理到数字的关系链。相机成像几何（投影矩阵）和相机模型（畸变）另文记录，这里专讲物理成像面。