- 博客(11)
- 收藏
- 关注
RSS订阅转载 U-GAT-IT论文解读（飞浆）
U-GAT-IT论文主要贡献模型结构生成器判别器损失函数实验结果论文主要贡献解决了无监督的图
2020-08-06 19:27:36
1522
1
原创 基于搜索的路径规划算法
基于图搜索的方法主要包括Dijstra方法，A算法，JPS算法，A算法是Dijstra算法的拓展，JPS算法是A*算法的拓展。A*是一个比较经典的启发式寻路算法，是基于dijkstra算法，但是加入了启发函数，使路径搜索效率更高。实现起来很简单。不过要做到通用性高，比如支持各种不同类型的地图，甚至不仅仅是地图，而是个图结构如解决拼图游戏N-puzzle会用到的，就需要多花点心思。用C++实现的...
2020-05-04 23:45:02
981
原创 目录
SLAM篇：1、常见的特征点检测算法2、预积分的理解与推导3、李群与李代数的理解与推导4、针孔相机模型与相机标定原理5、牛顿法、GN与LM方法的推导6、直接法之光流法7、三角测量的理解与推导8、对极几何的理解与推导9、单应矩阵、基础矩阵与本质矩阵10、卡尔曼滤波的理解与推导11、SLAM的BA优化12、位姿图的理解13、VINS-Mono框架学习路径规划篇：1、常见的...
2020-05-04 23:39:34
162
原创 DH坐标系与机器人正运动学
DH坐标系的建立可以参考下图：需要注意的是：可见坐标系之间的转换有四个参数，我们将四个参数分解，相当于从i-1到i坐标系进行了三次变换。可以表示为：也就是：根据上述变换，可以求出机器人正运动学的变换矩阵...
2020-05-04 23:38:40
2541
原创 机器人逆运动学的推导
机器人逆运动学是求解机器臂从工作空间到关节空间的变换，一般可分为数值解法或者封闭解法（解析解）。由于解析解求解较快，目前设计的机器人多采用特定结构，可以进行解析解的求解。现在以PUMA560为例子进行说明：建立DH坐标系，确定参数表如下：最终可以得到：将下式的含有θ1的变换矩阵移到左侧：得到：将上面求得变换矩阵带入右侧，对应元素相等，便可以求解出解析解。具体求解过程暂不赘...
2020-05-04 23:38:05
4017
原创 对极几何的理解与推导
其中P是世界坐标系下的点，p1与p2是在图像平面I1、I2的特征点，e1与e2叫做极点，是基线O1O2与图像平面I1、I2的交点，此时O1O2P组成的平面叫做极平面。对于基础矩阵、本质矩阵的理解如下：除了基本矩阵和本质矩阵，我们还有一种称为单应矩阵（Homography）H 的东西，它 描述了两个平面之间的映射关系。若场景中的特征点都落在同一平面上（比如墙，地面等），则可以通过单应性...
2020-05-04 23:23:43
1265
1
原创 VINS-MONO的非线性优化
需要优化的变量如下：系统的代价函数如下：其中三个残差项依次是：边缘化的先验信息IMU测量残差视觉的观测残差1）视觉的观测残差视觉测量残差就是重投影误差，定义为一个特征点在归一化相机坐标系下的估计值与观测值的差。视觉的观测误差可表示如下：参考该博客，推导上述公式。在这里，我们使用了逆深度λ作为参数，将特征点的三维坐标的z坐标值归一化为1。使用逆深度作为参数有以下原因：...
2020-05-04 23:20:34
738
原创 预积分的理解与推导
IMU预积分的作用是计算出IMU数据的观测值（就是IMU预积分值）以及残差的协方差矩阵和雅克比矩阵，那就要清楚的明白为什么要计算这三个量，计算出这三个量为什么就可以和视觉观测值进行耦合。
2020-05-04 23:18:58
1591
原创 VINS-MONO相机初始化
VINS-MONO的初始化分为两个环节：滑动窗口(Sliding Window)纯视觉SfM视觉惯性校准1）滑动窗口(Sliding Window)纯视觉SfM按照论文，我们在滑动窗口中的最新帧和任何其他帧之间，找到稳定的特征跟踪(超过30个跟踪特征)和足够的视差(超过20个的旋转补偿像素)，使用五点法[33]恢复这两个帧之间的相对旋转和尺度平移。否则，将最新的帧保存在窗口中，并等待新...
2020-05-04 23:13:14
663
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人