- 博客(7)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 ubuntu下Nao机器人平台搭建
choregraphe安装：到官方页面下载https://community.ald.softbankrobotics.com/en/resources/software/language/en-gb要下载Choregraphe 2.1.4 Linux 64 Binaries，而不是Choregraphe 2.1.4 Linux 64 Setup 进入choregraphe的解压目录 cd cho
2016-11-30 22:50:33
2730
1
原创 SLAM笔记五——EKF-SLAM
上一节主要讲解了EKF的基本原理，这一次主要关注如何将EKF算法应用在SLAM上。EKF-SLAM现在的问题就是解决下面这个概率分布的估计问题： 阴影部分为未知 这里我们需要确定均值和方差到底是什么？假设在2D平面内，状态表示为下面这个式子： 所以有均值和方差为： 这么Map有n个landmark，所以是3+2n维的高斯分布 简写为： EKF-SLAM的过程State
2016-11-30 15:27:19
18679
2
原创 SLAM笔记四——Extended Kalman Filter
这是SLAM最传统的基础，是SLAM最原始的方法，虽然现在使用较少，但是还是有必要了解。What’s Kalman Filter这是一个贝叶斯滤波器，估计线性高斯模型，是对线性模型和高斯分布的优化方法。高斯分布首先，回顾一下高斯分布： 高斯分布的一些性质： 如果原变量为高斯分布，则边缘化和条件概率仍然满足高斯分布。 边缘分布和条件分布的模型： 卡尔曼滤波器的主要参数卡尔曼滤波器假设x
2016-11-30 11:30:52
8981
原创 SLAM笔记三——贝叶斯滤波器
贝叶斯滤波器定义状态估计p(x | z, u) ,即又此时的observations和之前的控制命令，估计现在的状态。递归贝叶斯滤波器 首先定义：bel(…)代表贝叶斯模型 由此得到了上一时刻位置的贝叶斯模型。贝叶斯滤波器分为两步： 第一步很好理解，预测过程，即如何通过上一时刻位置的贝叶斯模型计算此刻的贝叶斯模型。 第二步，是校正过程，即又此刻的位置估计o
2016-11-29 17:06:25
12256
6
原创 SLAM笔记二——Homogeneous坐标系
Homogeneous坐标系定义： 例如： 第三个等式乘以w之后会等于第一个等式，并且他们都代表x。欧式坐标系到Homogeneous坐标系的变换： 在Homogeneous坐标系中，中心点的表示： 无穷远点的表示： 三维点的表示： 坐标变换这是计算机视觉的基础：详细的可以看《计算机视觉：算法与应用》有中文版也有英文版。 线性映射： 旋转映射： 注意关于
2016-11-29 16:05:01
2749
原创 SLAM笔记一——入门介绍
什么是SLAM SLAM就是Simultaneous Localization and Mapping。对于这个问题的研究已经有三十年了，因为传感器的误差和机器人运行中会出现误差，如何解决这个问题，建议一个长期稳定的SLAM系统是研究的重点。 推荐一篇论文：Past, Present, and Future of Simultaneous Localization And Mapping: To
2016-11-29 15:36:53
4952
2
原创 ubuntu下用git进行代码管理
1. 首先到 https://github.com/这里创建一个帐号。2. 创建Repository，到个人首页以后，点击 New repository，添加该代码库名称（该名称在提交代码时会用到）3.点击 Create repository，完成创建然后会看到下面的命令表格： 这张图是上传代码到github仓库的关键。4. 安装Git客户端 打开终端，输入如下指令： sudo apt
2016-11-04 14:24:30
1327
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人