会员
周边
新闻
博问
融资
云市场
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
耀礼士多德
上一页
1
2
3
4
5
6
7
8
···
18
下一页
相机模型
摘要: 坐标系定义: 1. 以相机光心为原点 2. 垂直于像素平面方向为Z轴 3. 平行于像素水平排列方向为X轴 4. Z x X 为Y轴,叉积 P点的坐标: 1. 像面 [X', Y', Z']T 2. 实物 [X , Y, Z ]T (注意:Z不是垂直方向的,并且注意到坐标系的定义方式) 因为相机会自动
阅读全文
posted @ 2022-11-28 17:21 耀礼士多德
阅读(38)
评论(0)
推荐(0)
编辑
矩阵函数
摘要: 普通函数 f(x) = x + 2 要点:不要将F(x) 当成是 Fx F是函数,或是多个函数,多个函数就可以写成矩阵的形式: 而X可能是向量,也可能是矩阵 F(X),就是每个函数,都要作用到每个X,每个X的各个元素,都要,若 fm*n ,那么输出也是m*n的矩阵 例如: 例如: x = (x1,x
阅读全文
posted @ 2022-10-31 11:23 耀礼士多德
阅读(208)
评论(0)
推荐(0)
编辑
几种特殊的矩阵和用途(一)
摘要: (一)协方差矩阵——过渡矩阵 已知协方差矩阵: 这里是 1 / n,属于有偏估计 过渡矩阵: (二)二次型 用处1:基变换,P是其他坐标基 (P是单位正交矩阵,在世界坐标系下的向量,相当于XYZ轴旋转后,在【自然坐标系】下的单位向量) (单位正交矩阵的逆矩阵,就是其转置,P-1 = PT) 所以:
阅读全文
posted @ 2022-09-13 10:11 耀礼士多德
阅读(53)
评论(0)
推荐(0)
编辑
积分学习笔记
摘要: 极限的数学表达 ∀:任意,Any ∃:存在,总是可以找到,Exist 极限的定义: 理解: 1. 在Y轴上,任意的ε 范围内 2. 总是可以找到能找到 X > 0 3. 满足1、2条件时,对于所有的 x , x大于 X 时 4. 如果有 | f(x) - L | < ε 5. 那么 lim f(x)
阅读全文
posted @ 2022-08-04 15:43 耀礼士多德
阅读(8)
评论(0)
推荐(0)
编辑
卡尔曼滤波(七)——非线性系统
摘要: 非线性系统卡尔曼滤波,又叫“扩展卡尔曼滤波” 模型公式: Xk=AXk-1+BUk+Wk-1 Zk = HXk + Vk p(w) ~ N(0,Q) p(v) ~ N(0,R) 预测: 先验值:X-k = AX^k-1 + BUk-1 先验协方差:P-k = A Pk-1 AT + Qk-1 校正:
阅读全文
posted @ 2022-07-06 15:17 耀礼士多德
阅读(39)
评论(0)
推荐(0)
编辑
卡尔曼滤波(六)——二维例子
摘要: 一维例子 使用尺子测量一段距离: Z1 = 6.5mm,σ1 = 0.2mm Z2 = 7.3mm,σ2 = 0.4mm 如何求最优估计? 根据模型: Xk=AXk-1+BUk+Wk-1 Zk = HXk + Vk Q =E(WWT)= E( [w1,w2]T [w1,w2] )。 理解办法: 1.
阅读全文
posted @ 2022-07-05 17:31 耀礼士多德
阅读(20)
评论(0)
推荐(0)
编辑
卡尔曼滤波(五)——协方差矩阵
摘要: 模型公式: Xk=AXk-1+BUk+Wk-1 Zk = HXk + Vk 卡尔曼增益:Kk = P-kHT / (HP-kHT + R) 观测值协方差阵: R = E(VVT) = E( [v1,v2]T [v1,v2] ) 模型协方差阵:Q =E(WWT)= E( [w1,w2]T [w1,w2
阅读全文
posted @ 2022-07-05 15:36 耀礼士多德
阅读(64)
评论(0)
推荐(0)
编辑
卡尔曼滤波(三)—— 主体公式推导
摘要: 公式推导 Xk=AXk-1+BUk+Wk-1 Zk = HXk + Vk 对于Wk-1 ,其概率分布 P(W) 服从(0,Q),Q是协方差矩阵。 假设 X = [x1,x2]T,那么其中误差为w = [w1,w2]T, 其协方差为 Q =E(WWT)= E( [w1,w2]T [w1,w2] )。
阅读全文
posted @ 2022-06-27 11:34 耀礼士多德
阅读(143)
评论(0)
推荐(0)
编辑
卡尔曼滤波(二)
摘要: 数据融合 有两个测量设备,分别有: 测量值:Z1 = 30 ,测量误差 σ1 = 2 测量值:Z2 = 32,测量误差 σ2 = 4 服从正态分布: 如果将设备编号1、2视为测量次数,那么: 按照卡尔曼滤波的算法: 估计值 Z^ = Z1 + K(Z2 - Z1),K:卡尔曼增益 K∈ [ 0, 1
阅读全文
posted @ 2022-06-24 10:47 耀礼士多德
阅读(12)
评论(0)
推荐(0)
编辑
卡尔曼滤波(一)
摘要: 卡尔曼滤波,又名: 最优化、递归、数字处理算法,其实是【观测器】多一点。 主要是对【不确定性】的数据,进行分析和预测。 【不确定性】: 1. 不存在完美的数学模型。(例如:小车的运动轨迹不确定) 2. 系统的扰动不可控,很难建模。 3. 测量传感器存在误差。 例如:测量硬币 测量一个硬币,共测量k次
阅读全文
posted @ 2022-06-24 09:41 耀礼士多德
阅读(20)
评论(0)
推荐(0)
编辑
上一页
1
2
3
4
5
6
7
8
···
18
下一页
导航
博客园
首页
联系
订阅
管理
公告