自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

知行合一

厚积薄发,格物致知。简单点,做事的动机简单点。

  • 博客(4)
  • 资源 (4)
  • 收藏
  • 关注

原创 Particle Filter Tutorial 粒子滤波:从推导到应用(四)

六、Sampling Importance Resampling Filter (SIR)       SIR滤波器很容易由前面的基本粒子滤波推导出来,只要对粒子的重要性概率密度函数做出特定的选择即可。在SIR中,选取:       p( x(k)|x(k-1) )这是先验概率,在第一章贝叶斯滤波预测部分已经说过怎么用状态方程来得到它。将这个式子代入到第二章SIS推导出的权重公式中:...

2014-11-15 11:58:20 36056 140

原创 Particle Filter Tutorial 粒子滤波:从推导到应用(三)

五、重采样 在应用SIS 滤波的过程中,存在一个退化的问题。就是经过几次迭代以后,很多粒子的权重都变得很小,可以忽略了,只有少数粒子的权重比较大。并且粒子权值的方差随着时间增大,状态空间中的有效粒子数较少。随着无效采样粒子数目的增加,使得大量的计算浪费在对估计后验滤波概率分布几乎不起作用的粒子上,使得估计性能下降,如图所示。

2014-11-14 22:50:04 44079 24

原创 Particle Filter Tutorial 粒子滤波:从推导到应用(二)

二、蒙特卡洛采样假设我们能从一个目标概率分布p(x)中采样到一系列的样本(粒子),(至于怎么生成服从p(x)分布的样本,这个问题先放一放),那么就能利用这些样本去估计这个分布的某些函数的期望值。譬如:

2014-11-14 17:50:00 45811 61

原创 Particle Filter Tutorial 粒子滤波:从推导到应用(一)

前言:      博主在自主学习粒子滤波的过程中,看了很多文献或博客,不知道是看文献时粗心大意还是悟性太低,看着那么多公式,总是无法把握住粒子滤波的思路,也无法将理论和实践对应起来。比如:理论推导过程中那么多概率公式,为什么计算出后验概率就能估计出系统状态呢,概率怎么和系统的状态变量对应上了?实际编程中,状态粒子是怎么一步步采样出来的,为什么程序里面都是直接用状态方程来计算,不是说采样嘛?经过

2014-11-08 22:24:25 111561 115

粒子滤波推导pdf

粒子滤波推导的博客的pdf版,详细推导了粒子滤波的由来,并且有例程代码。

2017-12-28

svo depth filter 推导补充材料

2016-07-25

李代数与计算机视觉

计算机多视角几何中经常看到李代数,指数映射之类的,和我们经常使用的旋转矩阵R不一样,这两个文档很好的说明了他们之间的关系,也可以翻看我的博文讲解http://blog.csdn.net/heyijia0327/article/details/50446140谢谢。

2016-01-03

粒子滤波代码

压缩包中有三个粒子滤波的演示程序,一个滤波,一个目标跟踪,一个机器人定位。关于效果,大家可以先看看http://blog.csdn.net/heyijia0327/article/details/41142679。再决定是否下载。

2014-11-15

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除