耀礼士多德

摘要： 关于：(38条消息) 千万不能错过的Android NDK下载安装及配置_石子君的博客-CSDN博客_android ndk下载 (38条消息) Android扩展知识 - so文件生成及其使用_L-FHy的博客-CSDN博客_android 生成so文件 步骤： （一）安装JDK （二）安装NDK 阅读全文

摘要： 数学期望 设离散随机变量X的概率质量函数为： 如果： 则称： 为随机变量X的数学期望（expected value，或，expectation），简称期望或均值（mean），也有很多文档会用μX来表示（如果不强调随机变量的话，也可以直接用μ来表示）： 若级数不收敛，则称X的数学期望不存在。 如果p( 阅读全文

摘要： 二项分布 P( true ) = p P( false ) = 1 - P( true ) = 1 - p X = true X ~ b( n , p) 例子： n个独立测试中，有k个为true的概率： X = true 记作：X ~ b( n , p) P = Ckn * pk( 1 - p)n 阅读全文

摘要： 在你面前站着一个陌生人，看他的样子要对你开口说话 那他开口会不会是中文？我们完全不知道。按照古典派，说中文的概率和说任何一门语言的概率是一样的，比如英文： 但如果知道他是中国人，那说中文的概率会大大增加； 而如果是英国人，概率就会大大减少; 即： P( 中文 | 中国人) > P(英文 | 英国人 阅读全文

摘要： 集合&概率 概率论，使用集合的方式表示： 理解： P(A) + P(B) ，相当于把 A∩B加了两次，要减去一次 乘法原理&枚举 理解： 不需要将所有结果都列出来，只要 P(b) = 1 / 3， P(3) = 1 / 5， P( b ∩ 3) = 1 / 3 * 1 / 5 = 1 / 15 P( 阅读全文

摘要： xνk 为第k时刻的【先验】 x^k 为第k时刻的【后验】 uk理解为【常数项】、wk~N(0,R)理解为模【型误差项】、vk~N(0,Q)，理解为【观测值误差项】 p(wk) = N(0,R)， p(vk) = N(0,Q) 【先验】：就是【状态的猜测】，根据之前的状态，猜测当前的状态。 【后验】 阅读全文

摘要： 有观测值的协方差矩阵—— 使用高斯分布 先参考：(3 封私信 / 72 条消息) 多维高斯分布是如何由一维发展而来的？ - 知乎 (zhihu.com) 假设有已经线性化的观测方程： L + V = f(X) = BX + d ，L是观测值向量，v是误差，z服从高斯分布， L ~ N ( μ , ∑ 阅读全文

摘要： 旋转的表示： 1. 使用坐标基的形式。 几种特殊矩阵和用途（二） - 耀礼士多德 - 博客园 (cnblogs.com) 2. 使用欧拉角。连接同上。 3. 使用旋转向量。几种特殊矩阵和用途（三） - 耀礼士多德 - 博客园 (cnblogs.com) 4. 使用四元素。 5. 李群与李代数。李群与 阅读全文

摘要： 对极几何——单目相机 假设，能在相片1、相片2中，都找到同名点P1、P2、...Pn 说明： 1. 相机中心为O1，O2 2. 相机从I1到I2之间，有旋转R，位移t 3. P点在照片I1，I2的上的点，为p1，p2，并且有很多这样的P点。(p1对应p2 通过图像算法的特征匹配来获得一个匹配索引，I 阅读全文

摘要： 参考： 卡尔曼滤波（一） - 耀礼士多德 - 博客园 (cnblogs.com) 参考：相机模型 - 耀礼士多德 - 博客园 (cnblogs.com) 卡尔曼滤波模型有两条方程： 1. 运动方程：xk = f(xk-1,uk) + wk 。 uk是系统控制量，有可能是常数、wk 是过程噪声服从高斯 阅读全文