【2020-10-11】基于机器视觉的服务机器人智能抓取研究

1. 鲁棒性：抵御或者克服不利条件的能力
2. 欧式空间：n维空间
3. 笛卡尔坐标系：直角坐标系和斜坐标系的统称
4. 贝叶斯概率：在真实世界里， 我们所做的往往是把现象的经验推理， 和某种先验结合， 去估计事物的可能性，这正是贝叶斯的思路 . 没有人会对每件重要的事做无限的测量， 也不是所有事件都可以重复（分手不可以， 股灾不可以），这是我们唯一可以做的。

数学公式贝叶斯的数学公式十分简单

要有先验概率P（A）
似然性 P（B|A）
得到后验概率P（A|B）
这三者构成贝叶斯统计的三要素。似然性实用条件概率表达， 后验也用条件概率来表达， 基于此的贝叶斯定律数学方程极为简单https://www.zhihu.com/question/51448623/answer/747656479

5. 封闭面片模型：首先是封闭的，其次面片建模就是将二维图形结合起来形成三维几何体的方法。其实面片就是更加样条线边界形成模型。

6. 旋转矩阵：https://blog.csdn.net/zhang11wu4/article/details/49761121

7. 自相关矩阵：也叫相关系数矩阵，是由矩阵各列间的相关系数构成的。也就是说，相关矩阵第i行第j列的元素是原矩阵第i行和第j列的相关系数。

8. 相关系数：是研究变量之间线性相关程度的量。

9. 先验概率

9.1 定义

直观理解，所谓“先”，就是在事情之前，即在事情发生之前事情发生的概率。是根据以往经验和分析得到的概率。

9.2 例子

比如抛硬币，我们都认为正面朝上的概率是0.5，这就是一种先验概率，在抛硬币前，我们只有常识。这个时候事情还没发生，我们进行概率判断。所谓的先验概率是对事情发生可能性猜测的数学表示。

9.3后验概率

9.4 定义

事情已经发生了，事情发生可能有很多原因，判断事情发生时由哪个原因引起的概率。

9.5 例子

比如今天你没去学校，原因有两个，可能是生病了，也可能是自行车坏了。然后上课时老师发现你没来。（这里是一个结果，就就是你没来学校这件事情已经发生了）老师叫学霸计算一下概率，分别是因为生病了没来学校的概率和自行车坏了没来学校的概率。

很显然，后验概率就是在事情发生后判断由哪一个原因引起的概率。这里的事情是你上学迟到，原因有生病了和自行车坏了。