- 博客(8)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 ROS学习写一个TF广播
怎么去广播坐标转换？代码#include <ros/ros.h>#include <tf/transform_broadcaster.h>#include <turtlesim/Pose.h>std::string turtle_name;void poseCallback(const turtlesim::PoseConstPtr&...
2019-06-29 21:39:29
394
原创 双线性插值
要讲清楚这个问题，就要从如何放大一张图片说起。图片放大我们想得到一张放大的图片，现在有原图像（srcImage）和目标图像（dtsImage）。那么，有一个最基本的问题摆在我们面前：是遍历 srcImage 呢，还是遍历 dstImage 呢？（咋还整出代码来了呢？）在实践的过程中，通常都是遍历 dstImage 的。因为这样可以确保 dstImage 的每一个像素都是有值的。就拿上图的...
2019-06-28 12:41:20
733
转载 卡尔曼滤波原理二：扩展卡尔曼
1、理论部分上一篇介绍了线性卡尔曼滤波器，当系统为线性高斯模型时，滤波器能给出最优的估计，但是实际系统总是存在不同程度的非线性，如平方、三角关系、开方等。对于非线性系统，可以采用的一种方法是通过线性化方法将非线性系统转换为近似的线性系统，即为EKF，核心思想是：围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上项，得到一个近似的线性化模型，然后应用卡尔曼滤波完成状态估计。系统方程各个变量...
2019-06-26 14:30:19
1449
1
转载 cartographer ros使用指南-安装
cartographer ros使用指南-安装说明：介绍cartographer_ros源码安装方法CartographerCartographer是一个跨多个平台和传感器配置提供2D和3D实时同步定位和建图（SLAM）的系统。系统要求：尽管Cartographer可以在其他系统上运行但已确认它可以在满足以下要求的系统上运行： 64-bit, modern CPU (e.g...
2019-06-17 12:38:35
1913
转载 卡尔曼滤波的理解以及参数调整
一、前言卡尔曼滤波器是一种最优线性状态估计方法（等价于“在最小均方误差准则下的最佳线性滤波器”），所谓状态估计就是通过数学方法寻求与观测数据最佳拟合的状态向量。在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓...
2019-06-13 18:36:26
6539
2
转载 轻松理解卡尔曼滤波
此前学习和实现卡尔曼滤波花费了很多时间，其实想要理解其原理并不算很复杂。只是简单套用卡尔曼滤波的公式，而没有系统理解公式里面每个变量的缘来，不去理解卡尔曼滤波器的迭代过程和原理，在实现和调试系统的时候无疑是会找不着北的。本文将指引你轻松理解卡尔曼滤波。1. 一个简单的场景假设我们开发了一台无人机（假设它的名字是Eva），想要用它来在城市中送快递，Eva身上有一些传感器，可以让我们知道它的速度v...
2019-06-13 10:30:48
784
后台开发最全书籍
2018-09-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人