SLAM
文章平均质量分 81
Ansel_Lee
Standing on the Shoulders of Giants
展开
-
SVD求解线性方程组
SVD分解对于任一给定的矩阵A(m∗n)\boldsymbol{A}(m*n)A(m∗n),都存在这样的分解:A=UDVT\boldsymbol{A}=\boldsymbol{U}\boldsymbol{D}\boldsymbol{V}^TA=UDVT这里:U\boldsymbol{U}U是一个(m∗m)(m*m)(m∗m)的正交矩阵,D\boldsymbol{D}D是一个(m∗n)(m*n)(m∗n)的对角矩阵,V\boldsymbol{V}V是一个(n∗n)(n*n)(n∗n)的正交矩阵。原创 2020-07-28 20:33:55 · 2830 阅读 · 2 评论 -
SLAM系统评估公式
已知SLAM系统估计的相机位姿为P1,...,Pn∈SE(3)\boldsymbol{P}_1,...,\boldsymbol{P}_n\in{SE(3)}P1,...,Pn∈SE(3);相机位姿真实值(ground truth)为Q1,...,Qn∈SE(3)\boldsymbol{Q}_1,...,\boldsymbol{Q}_n\in{SE(3)}Q1,...,Qn∈SE(3).相对位姿误差Relative pose error (RPE)相对位姿误差通常用于评估视觉里程计。Ei:=原创 2020-07-28 14:56:31 · 934 阅读 · 0 评论 -
详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解
声明:本文为原创文章,发表于nebulaf91的csdn博客。欢迎转载,但请务必保留本信息,注明文章出处。 本文作者: nebulaf91 本文原始地址:http://blog.csdn.net/u011508640/article/details/72815981最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a...转载 2018-10-24 10:36:06 · 342 阅读 · 0 评论