- 博客(13)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 BA问题理论及仿真验证
BA问题：已知n个相机位姿（估计值），m个特征点世界坐标系坐标（估计值）和第j个特征点在第i个相机中像的像素坐标（观测值）；目标是求解使重投影误差最小化的相机位姿和特征点坐标。【符号约定】待估计状态：X=[ξ1,ξ2,⋯ ,ξn,P1w,P2w,⋯ ,Pmw]\Chi=[\xi_1,\xi_2,\cdots,\xi_n,P^w_1,P...
2019-07-31 23:44:01
610
1
原创 边际概率的信息矩阵
【符号约定】随机变量X=[XmT,XrT]T\Chi=[\Chi^T_m,\Chi^T_r]^TX=[XmT,XrT]T；下标m,rm,rm,r：分别表示margin, reserve；Σ,Λ\Sigma,\LambdaΣ,Λ：分别表示协方差矩阵、信息矩阵；p(X)=p(Xm,Xr)p(\Chi)=p(\Chi_m,\Chi_r)p(X)=p(Xm,Xr)，表示联合概率；p(Xr...
2019-07-28 23:01:46
561
原创 贝叶斯公式与最小二乘
【定义】随机变量：X,r\Chi,rX,r（均为矢量）概率密度函数：p(X)p(\Chi)p(X)表示随机变量X\ChiX的PDF，它表征了X\ChiX在所有状态上的可能性（likelihood）；条件概率密度函数：p(r∣X)p(r|\Chi)p(r∣X)表示给定X\ChiX下随机变量rrr的PDF。【实例化】随机变量X\ChiX表示系统的状态（含系统噪声），随机变量rrr表示量测（...
2019-07-27 20:02:39
939
原创 LM算法参数优化实例——残差函数、雅可比矩阵
【目标】：使用LM算法估计y=exp(at2+bt+c)y=exp(at^2+bt+c)y=exp(at2+bt+c)参数a, b, c。已知量：ttt及与之对应的含有噪声的量测值y^\hat{y}y^；同时，模型已知（仅未知参数）。仿真数据生成取参数为a=1.0, b=2.0, c=1.0 double a=1.0, b=2.0, c=1.0; // 真实参数值 ...
2019-07-26 20:18:54
6484
2
原创 VINS后端优化损失函数
状态向量VINS后端优化的状态向量X=[x0,x1,⋯ ,xn,xcb,λ0,λ1,⋯ ,λm]\Chi = \begin{bmatrix}x_0, x_1,\cdots,x_n,x^b_c,\lambda_0,\lambda_1,\cdots,\lambda_m\end{bmatrix} X=[x0,x1,⋯,xn,xcb,λ...
2019-07-25 17:39:16
547
原创 IMU残差函数及雅可比公式推导（一）
第一部分：残差函数约定符号：IMU的真实值：ωb,ab\omega^b,a^bωb,abIMU的测量值：ω~b,a~b\tilde{\omega}^b,\tilde{a}^bω~b,a~b某个时刻ttt，二者的关系：ω~tbt=ωtbt+btg+ntga~tbt=atbt+bta+nta=qbtw(atw+gw)+bta+nta\begin{aligned}\tilde{\omega}...
2019-07-18 09:39:10
2400
1
原创 视觉残差函数及雅可比公式推导
约定：特征点在相机坐标系下的坐标为[x,y,z]T[x,y,z]^T[x,y,z]T；特征点在归一化相机坐标系下的坐标为[μ,ν,1]T[\mu,\nu,1]^T[μ,ν,1]T或[μ,ν]T[\mu,\nu]^T[μ,ν]T特征点的这两种坐标之间的关系：[xyz]=1λ[μν1]\begin{bmatrix} x\\ y\\ z \end{bmatrix}=\frac{1}{\lamb...
2019-07-17 11:39:51
2627
1
原创 小觅相机运行VINS-Fusion（三）——IMU的标定
两个IMU标定工具需要在Ubuntu下安装Matlab，【关于Matlab工具箱的选择！】https://blog.csdn.net/wzt_gjt/article/details/81185731https://blog.csdn.net/qq_33614902/article/details/81775184https://blog.csdn.net/littlehaes/articl...
2019-07-10 21:37:16
1739
原创 重温数学基础——矩阵求逆
给定任意一个矩阵A，求它的逆矩阵。方案一：直接求逆【例1】：简单的二维矩阵设A=[abcd]A=\begin{bmatrix} a & b \\ c & d\end{bmatrix}A=[acbd]，则A−1=1det(A)[d−b−ca]A^{-1}=\frac{1}{det(A)} \begin{bmatrix} d & -b \\ -...
2019-07-09 17:30:03
5456
原创 VIO理论——李代数求导中最核心的两个公式！
约定：李代数ϕ\phiϕ的指数映射：exp(ϕ∧)exp(\phi^\wedge)exp(ϕ∧)旋转矩阵RRR的对数映射：ln(R)∨ln(R)^\veeln(R)∨
2019-07-06 17:09:45
1830
5
原创 张正友——一种灵活的新颖的相机标定技术（1998年）
翻译约定：calibration technique 标定技术calibration object 标定物体Photogrammetric calibration 摄影测量标定Self-calibration 自标定自标定——使用这种策略的技术不使用任何标定物体。仅通过在静态场景中移动相机，只使用图像信息，一次相机位移，场景的刚度通常可以对相机的内部参数提供两个约束。因此，如果图像由同一...
2019-07-05 17:24:46
474
inertialAlign.rar
2020-07-06
数据结构代码.docx
2019-10-31
裘宗燕（北大）+数据结构与算法python描述（高清扫描）+（各章PPT）+源代码
2018-11-18
matlab程序源码--基于Lorenz63模型测试SCKF滤波算法
2018-08-12
matlab程序源码--基于Lorenz63模型测试CKF滤波算法
2018-08-12
matlab程序源码及报告word版--基于小波包分析和神经网络的滚动轴承故障诊断
2018-08-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人