上一页 1 2 3 4 5 6 7 ··· 10 下一页
摘要: 上回说到从场景中提取特征点,并且对不同角度中的特征点进行匹配。这次要先介绍一个工具 —— 拟合。拟合本质上是一个优化问题,对于优化问题,最基本的是线性最小二乘法。换言之,我们需要保证拟合误差最小。 1、最小二乘法拟合 基本的最小二乘法拟合解决的是 点 模型 的拟合问题。以点到直线的拟合为例,按照拟合 阅读全文
posted @ 2016-05-06 21:39 IronStark 阅读(1639) 评论(0) 推荐(0) 编辑
摘要: 上回说到机器人视觉的核心任务是estimation,理论框架是射影几何理论。在之前的作业中展现了单应变换的巨大威力。然而,整个estimation 的首要条件是已知像素点坐标,尤其是多幅图中对应点的像素坐标。 单幅图像的处理方法都是大路货了,不赘述。这篇博客想讲讲不变点检测与不变特征。由于机器人在不 阅读全文
posted @ 2016-05-03 22:32 IronStark 阅读(1520) 评论(0) 推荐(0) 编辑
摘要: 机器人视觉是一种处理问题的研究手段。经过长时间的发展,机器人视觉在定位,识别,检测等多个方面发展出来各种方法。其以常见的相机作为工具,以图像作为处理媒介,获取环境信息。 1、相机模型 相机是机器人视觉的主要武器,也是机器人视觉和环境进行通信的媒介。相机的数学模型为小孔模型,其核心在于相似三角形的求解 阅读全文
posted @ 2016-04-29 22:10 IronStark 阅读(6295) 评论(0) 推荐(0) 编辑
摘要: 除了精确推理之外,我们还有非精确推理的手段来对概率图单个变量的分布进行求解。在很多情况下,概率图无法简化成团树,或者简化成团树后单个团中随机变量数目较多,会导致团树标定的效率低下。以图像分割为例,如果每个像素的label都是随机变量,则图中会有30W个随机变量(30W像素的小型相机)。且这30W个随 阅读全文
posted @ 2016-04-24 20:33 IronStark 阅读(2006) 评论(0) 推荐(0) 编辑
摘要: 轨迹规划属于机器人学中的上层问题,其主要目标是计划机器人从A移动到B并避开所有障碍的路线。 1、轨迹计划的对象 轨迹规划的对象是map,机器人通过SLAM获得地map后,则可在地图中选定任意两点进行轨迹规划。暂时不考虑三维地图,以平面二维图为例,map主要有以下几种: 如上所示,二维图可以分为有权重 阅读全文
posted @ 2016-04-17 14:27 IronStark 阅读(8590) 评论(0) 推荐(1) 编辑
摘要: UPNN课程 aerial robotics 教授: VJ Kummer 1、四旋翼飞行器的控制对象是各个旋翼对应的电机 2、飞行器的能源主要消耗于hovering。 3、飞行器在设计时需要考虑各个部件的重量与飞行器尺寸并对造选型表 4、飞行器惯量和质量越小,控制的ts和超调量则越小 5、飞行器的控 阅读全文
posted @ 2016-04-17 13:28 IronStark 阅读(783) 评论(2) 推荐(0) 编辑
摘要: 在前三周的作业中,我构造了概率图模型并调用第三方的求解器对器进行了求解,最终获得了每个随机变量的分布(有向图),最大后验分布(双向图)。本周作业的主要内容就是自行编写概率图模型的求解器。实际上,从根本上来说求解器并不是必要的。其作用只是求取边缘分布或者MAP,在得到联合CPD后,寻找联合CPD的最大 阅读全文
posted @ 2016-04-15 20:21 IronStark 阅读(2223) 评论(0) 推荐(0) 编辑
摘要: 前两周的作业主要是关于Factor以及有向图的构造,但是概率图模型中还有一种更强大的武器——双向图(无向图、Markov Network)。与有向图不同,双向图可以描述两个var之间相互作用以及联系。描述的方式依旧是factor.本周的作业非常有实际意义——基于马尔科夫模型的图像文字识别系统(OCR 阅读全文
posted @ 2016-04-09 17:44 IronStark 阅读(1415) 评论(1) 推荐(2) 编辑
摘要: 经过了一段时间的学习,我终于完成了PGM的所有视频课程,但是编程作业并没有结束。最大的体验是手里有了武器和手段,碰见问题不再束手无策或者需要根据自己的直觉经验来设计解决方法。其实按照目前的科技树而言,三种手段在手基本上就不需要担心任何综合型问题了:1、优化理论及方法; 2、深度学习理论;3、概率图模 阅读全文
posted @ 2016-03-31 21:09 IronStark 阅读(1608) 评论(6) 推荐(1) 编辑
摘要: 1、综述 PGM的学习问题实际上是对参数进行推断。对于给定的数据,需要求出系统参数,从而完善系统的CPD。但是某些情况下,PGM的数据集可能是不完整的。数据集不完整可以分为两种情况:1、数据采集受到了影响;2、使用了隐变量。数据采集受到影响可能出于两种情况,第一种是影响与被采集数据是无关的,例如投硬 阅读全文
posted @ 2016-03-29 22:07 IronStark 阅读(1647) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 10 下一页