Math
文章平均质量分 81
大江东去浪淘尽千古风流人物
主要研究方向:XR SLAM 三维重建 欢迎讨论&&交流
展开
-
【Book And Paper 】
论文与book 等电子内容梳理原创 2023-10-01 15:25:43 · 146 阅读 · 0 评论 -
【不共视的天敌】手眼标定AX = XB
手眼标定行业内分为两种形式,根据相机固定的地方不同,如果相机和机器人末端固定在一起,就称之为“眼在手”(eye in hand),如果相机固定在机器人外面的底座上,则称之为“眼在外”(eye to hand)。简单来说手眼标定的目的就是获取机器人坐标系和相机坐标系的关系,最后将视觉识别的结果转移到机器人坐标系下。eye to hand,这种关系下,两次运动,机器人末端和标定板的位姿关系始终不变。eye in hand,这种关系下,两次运动,机器人底座和标定板的关系始终不变。原创 2022-12-29 16:33:12 · 749 阅读 · 0 评论 -
【math】大规模对称正定稀疏线性方程组的求解与代数多重网格
很多问题都可以抽象为求解下列优化的问题:对于图像问题,一方面由于绝大多数模型都只会建立某个像素与它局部之间的关系,因此线性方程组的系数矩阵AAA通常满足某种特定的稀疏性;另一方面,由于图像分辨率较高,因此线性方程组维度实际上极大,导致快速计算难度较大。因此,这个问题的****最终核心如何快速求解一个稀疏大规模的对称正定的线性方程组。原创 2022-12-29 11:45:32 · 934 阅读 · 0 评论 -
多传感器融合之滤波(一)——卡尔曼滤波(KF)推导
卡尔曼滤波本质上是一个数据融合算法,将具有同样测量目的、来自不同传感器、(可能) 具有不同单位 (unit) 的数据融合在一起,得到一个更精确的目的测量值。卡尔曼滤波的局限性在于其只能拟合线性高斯系统。但其最大的优点在于计算量小,能够利用前一时刻的状态(和可能的测量值)来得到当前时刻下的状态的最优估计。...原创 2020-01-18 22:01:56 · 2043 阅读 · 0 评论 -
贝叶斯定理——数学之美
贝叶斯定理1.1 定义:描述在已知一些条件下,某事件的发生概率贝叶斯定理是关于随机事件A和B的条件概率的一则定理。1.2 公式理解P(x∣y)=P(x)P(y∣x)P(y) P(x|y) =\frac{ P(x)P(y|x)}{P(y)}P(x∣y)=P(y)P(x)P(y∣x)其中x以及y为随机事件,且P(y)P(y)P(y)不为零。P(x∣y)P(x|y)P(x∣y)是指在y事件发生的情况下,x事件发生的概率。其中:P(x∣y)P(x|y)P(x∣y)是已知y发生后,x的条件概率。也称作原创 2021-07-09 00:25:37 · 1538 阅读 · 0 评论 -
【Smooth】非线性优化
由于噪声的存在,当我们把估计的轨迹与地图代入SLAM的运动、观测方程时,并不会很完美,可以对状态进行微调,使得整体的误差下降到一个极小值。由第一幅图像中的特征点的三维坐标、第二幅图像中特征点的2D像素坐标,以及相机内参K作为优化函数的输入,分别采用如下方法进行优化。这里参考高翔博士的代码,举个栗子。通过depth,获得第一幅图像匹配的特征点的深度,由相机内参K恢复这些特征点的三维坐标(相机坐标系)。(1)扩展卡尔曼滤波器(EKF)求解,关心的是当前时刻的状态估计,而对之前的状态没有多加考虑。原创 2021-01-12 23:18:06 · 913 阅读 · 0 评论 -
【Math】P=NP问题
文章目录**P vs NP****0 P=NP基本定义**0.1 Definition of NP-Completeness0.2 NP-Complete Problems0.3 NP-Hard Problems0.4 TSP is NP-Complete0.5 Proof**1 P=NP问题****2 千禧年世纪难题****3 P类和NP类问题特征****4 多项式时间****5 现实中的NP类问题****6 大突破之NPC问题****7 NP-Hard问题**P vs NP0 P=NP基本定义A原创 2021-01-14 23:06:37 · 843 阅读 · 0 评论