摘要: 第一部https://www.cnblogs.com/CV-life/p/10286037.html 第二部https://www.cnblogs.com/CV-life/p/10449028.html 其他资料 <https://www.jianshu.com/p/e16ffb5b265d><ht 阅读全文
posted @ 2019-08-13 16:34 Lee先森的博客 阅读(209) 评论(0) 推荐(0) 编辑
摘要: 最速下降,牛顿法: GN,LM: [Nonlinear Least Squares][https://www.youtube.com/watch?v=8evmj2L iCY] Example: [system of nonlinear equations Newton's method][https 阅读全文
posted @ 2019-08-13 15:51 Lee先森的博客 阅读(1495) 评论(0) 推荐(0) 编辑
摘要: 1. 想要理解协方差矩阵,先要理解方差。 方差的意义就是估计不确定性,所以,协方差的意义也是一样的,只不过,协方差矩阵是多维待优化变量的一个矩阵, 对角线上的为该优化变量的方差,非对角线上的为优化变量相对于其他变量的方差 。 2. 协方差矩阵 非对角线元素对称 ,如果为正数的话,即呈现正相关,反之, 阅读全文
posted @ 2019-08-13 10:39 Lee先森的博客 阅读(1447) 评论(0) 推荐(0) 编辑
摘要: 关键帧目前是一种非常常用的方法,可以减少待优化的帧数,并且可以代表其附近的帧。可以理解为一个学校里有100个班级,每个班的班长就是一个关键帧,他可以代表他班里的人,那么如何选取关键帧呢? 选取的指标主要有: (1)距离上一关键帧的帧数是否足够多(时间)。比如我每隔固定帧数选择一个关键帧,这样编程简单 阅读全文
posted @ 2019-08-13 10:26 Lee先森的博客 阅读(6115) 评论(0) 推荐(0) 编辑
摘要: 1. 首先第一个就是 马尔科夫性 ,即k时刻的状态只和k 1时刻的状态有关,就像视觉里程计中只考虑相邻两帧关系一样.而非线性优化方法更倾向于使用所有的历史记录. 2. EKF的 非线性误差 ,EKF只在x_k 1处做了一次线性优化,根据这次线性化的效果直接计算出后验概率,也就是 该点处的线性化近似在 阅读全文
posted @ 2019-08-13 09:42 Lee先森的博客 阅读(1257) 评论(0) 推荐(0) 编辑