会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
忠厚老实的陈同学
博客园
首页
新随笔
联系
订阅
管理
2023年9月5日
视觉SLAM十四讲 3.6.2实际的坐标转换的例子
摘要: 在这一讲中,作者没有给出详细的过程,作为初学者还是有点懵。 这道题是有两种解法的 - 四元数解法 - 欧拉矩阵解法 ### 四元数解法 假设一个目标点 $p$在世界坐标系下的坐标是 $$ P_W $$ 利用四元数表示旋转,两个小萝卜坐标系下 $p$ 点坐标有如下公式: $$ p_1 = q_1 *
阅读全文
posted @ 2023-09-05 10:37 忠厚老实的陈同学
阅读(253)
评论(0)
推荐(0)
2023年8月24日
《流畅的python》— 列表推导与生成器表达式
摘要: 列表推导是构建列表(list)的快捷方式,而生成器表达式则可以用来创建其他任何类型的序列。如果你的代码里并不经常使用它们,那么很可能你错过了许多写出可读性更好且更高效的代码的机会。 > 很多Python 程序员都把列表推导(list comprehension)简称为listcomps,生成器表达式
阅读全文
posted @ 2023-08-24 10:27 忠厚老实的陈同学
阅读(539)
评论(0)
推荐(0)
2023年8月23日
python的重载
摘要: python是没有重载概念的,同名的函数,最后一次的定义会覆盖原有的定义。但是通过python强大的魔法函数,实现出与C++类似的重载效果。 ### 1、参数个数不同的情况 这种情况下的重载, 如果直接按照C++的形式编写,是不会生效的,结果会是最后一个三参数的实现覆盖了前两个实现。 ```pyth
阅读全文
posted @ 2023-08-23 17:22 忠厚老实的陈同学
阅读(454)
评论(0)
推荐(0)
2023年2月21日
贝叶斯与卡尔曼滤波(4)--卡尔曼滤波
摘要: 贝叶斯滤波预测方程与观测方程: $$ \begin{cases} X_k=f(X_{k-1})+Q_k\ Y_k = h(X_k)+R_k \end{cases} $$ 其中:$X_k, X_{k-1}, Y_k, Q_k, R_k$都是随机变量 推出了贝叶斯滤波的三个公式 预测步 $$ f_k^{
阅读全文
posted @ 2023-02-21 21:21 忠厚老实的陈同学
阅读(222)
评论(0)
推荐(0)
贝叶斯与卡尔曼滤波(3)--随机过程
摘要: 贝叶斯与卡尔曼滤波(3)--随机过程 前面的内容中,一般都是先验概率X和一个观测概率Y,求它的后验概率 而在实际中,我们更多的面对的是一个随机过程,它有不止一个随机变量$X_0, X_1,X_2, ..., X_n$,以及不止一个观测值 有一个初值$X_0$,同时又$K$个观测值$y_1, y_2,
阅读全文
posted @ 2023-02-21 21:16 忠厚老实的陈同学
阅读(290)
评论(0)
推荐(0)
贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式
摘要: 贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式 离散型变量的贝叶斯公式: $$ P(X=x|Y=y)=\frac {P(Y=y|X=x)P(X=x)}{P(Y=y)} $$ 如果将其用于连续型的变量中: $$ P(X=<x|Y=y)=\frac {P(Y=y|X<x)P(X<x)}{P(Y=y
阅读全文
posted @ 2023-02-21 21:09 忠厚老实的陈同学
阅读(1183)
评论(0)
推荐(0)
贝叶斯与卡尔曼滤波(1)--三大概率
摘要: 贝叶斯与卡尔曼滤波(1)--三大概率 贝叶斯滤波主要是通过概率统计的方法,主要是贝叶斯公式,对随机信号进行处理,减小不确定度 贝叶斯滤波处理的随机变量主要是一个随机过程。$x_1, x_2, x_3 ...$,互不独立 与之对应的就是一个确定过程,比如:自由落体$v = g*t$,就是一个确定的过程
阅读全文
posted @ 2023-02-21 21:03 忠厚老实的陈同学
阅读(474)
评论(0)
推荐(0)
ransac拟合
摘要: 链接:https://zhuanlan.zhihu.com/p/62238520 RANSAC简介 RANSAC(Random Sample Consensus,随机采样一致)算法是从一组含有“外点”(outliers)的数据中正确估计数学模型参数的迭代算法。“外点”一般指的的数据中的噪声,比如说匹
阅读全文
posted @ 2023-02-21 20:55 忠厚老实的陈同学
阅读(79)
评论(0)
推荐(0)
kmeans聚类
摘要: K-means 的算法步骤为: 选择初始化的 $k$个样本作为初始聚类中心: $a=a_1,a_2, a_3,...,a_k$ 针对数据集中每个样本$x_i$,计算它到 $k$ 个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中; 针对每个聚类类别$a_j$,重新计算它的聚类中心,$a_j=\
阅读全文
posted @ 2023-02-21 20:53 忠厚老实的陈同学
阅读(56)
评论(0)
推荐(0)
2023年2月16日
C++梳理
摘要: 1、基础篇 1、C++ 中的四种智能指针 为什么要使⽤智能指针:智能指针其作⽤是管理⼀个指针,避免程序员申请的空间在函数结束时忘记释放,造成内存泄漏这种情况的发⽣。使⽤智能指针可以很⼤程度上的避免这个问题,因为智能指针就是⼀个类,当超出了类的作⽤域是,类会⾃动调⽤析构函数,析构函数会⾃动释放资源。所
阅读全文
posted @ 2023-02-16 16:29 忠厚老实的陈同学
阅读(128)
评论(0)
推荐(0)
下一页
公告