数学基础
FranticPJ
这个作者很懒,什么都没留下…
展开
-
协方差的意义
协方差其意义:度量各个维度偏离其均值的程度。协方差的值如果为正值,则说明两者是正相关的(从协方差可以引出“相关系数”的定义),结果为负值就说明负相关的,如果为0,也是就是统计上说的“相互独立”。如果正相关,这个计算公式,每个样本对(Xi, Yi), 每个求和项大部分都是正数,即两个同方向偏离各自均值,而不同时偏离的也有,但是少,这样当样本多时,总和结果为正。下面这个图就很直观。在概率论中,两...转载 2019-04-12 15:25:47 · 1636 阅读 · 0 评论 -
IMU误差模型与校准
IMU误差模型与校准从零开始的 IMU 状态模型推导IMU姿态融合(MPU9250从校正到滤波步骤)MEMS IMU 校准算法IMU校正以及姿态融合code原创 2019-08-06 22:33:37 · 3013 阅读 · 0 评论 -
IMU学习系列(一)---IMU噪声模型
1.参考资料<1>Kalibr IMU Noise Modelhttps://github.com/ethz-asl/kalibr/wiki/IMU-Noise-Model<2>高斯白噪声: http://blog.csdn.net/ZSZ_shsf/article/details/46914853<3>随机游走: http://blog.sina.co...转载 2019-08-07 15:15:49 · 11580 阅读 · 3 评论 -
IMU学习系列(二)---四元数旋转的表示
1.参考资料Quaternion kinematics for the error-state KFbarfoot《state estimation forrobotics》袁信、郑锷《捷联式惯性导航原理》2.旋转矩阵的性质2.1旋转矩阵定义frame1到frame2的旋转矩阵为,旋转矩阵是单位正交矩阵。对于旋转矩阵的下标可以这样理解,等式右边是旋转矩阵转化后的新位置...转载 2019-08-07 15:30:18 · 4853 阅读 · 0 评论 -
IMU学习系列(三)---旋转向量、旋转矩阵和四元数的关系
引言: 刚体在空间中的一次旋转可以用旋转矩阵,四元数和旋转向量三种方式表示,以下总结三者的数学转化关系文章目录1.向量旋转公式2.旋转矩阵和旋转向量2.1旋转矩阵微分和旋转向量的推导2.2罗德里格旋转公式3.四元数和旋转向量3.1 由欧拉参数推导四元数3.2旋转向量表示四元数4.旋转矩阵和四元数5.欧拉角和旋转向量角1.向量旋转公式旋转向量的定义:方向是旋转轴,大小是旋转角的向量,表示刚体...转载 2019-08-07 15:39:09 · 3819 阅读 · 0 评论 -
IMU学习系列(四)---四元数和旋转相关的约定表述
文章目录1.四元数的约定表述1.1 四元数表述的差异1.2 Hamilton vs JPL1.2.1元素的顺序1.2.2 左手系和右手系1.2.3 旋转操作的对象1.2.4 旋转操作的方向1.3 文章采用的表述1.4扰动和时间导数1.4.1右扰动和左扰动1.4.2 Hamilton表示下的(L-G)的四元数时间导数1.4.3 其他有用的表述方式2.旋转角速率表示旋转积分2.1零阶积分2.2一阶积分...转载 2019-08-07 15:42:09 · 2755 阅读 · 0 评论 -
IMU学习系列(五)---旋转的雅克比矩阵
1.相对于旋转向量的雅克比这里在全局系下利用左扰动进行推导:∂a′∂θ=∂Ra∂θ{\frac{\partial a^{'}}{\partial \theta}=\frac{\partial Ra}{\partial \theta}}∂θ∂a′=∂θ∂Ra2.相对于四元数的雅克比2.1相关公式三叉积公式:纯实部的四元数和四元数相乘,这里是实数[qω...转载 2019-08-07 15:55:35 · 1633 阅读 · 0 评论 -
IMU学习系列(六)---IMU驱动的运动误差方程
文章目录1.扩展卡尔曼滤波EKF1.1线性化卡尔曼滤波1.2偏差微分方程的推导1.3线性化卡尔曼滤波的流程1.4 离散EKF2.误差状态的运动方程2.1连续时间的IMU系统动态方程2.1.1相关变量2.1.2真实状态运动方程(true-state kinematics equations )2.1.3标称状态运动方程(normal-state kinematics equations )2.1.4...转载 2019-08-07 16:08:19 · 4030 阅读 · 2 评论 -
加权最小二乘法
原理简介最小二乘估计算法是 Gauss 于 1795 年为研究行星轨道问题而提出来的。这种算法的优点就是简单、易实现。但是常规的最小二乘算法估计精度并不高,原因主要在于没有考虑量测信息统计特性的优劣就直接使用了量测信息。如果采用加权的方法区分各量测信息的优劣,就可以大幅度的提高估计精度。加权最小二乘估计算法的思想是:对于精度较高的传感器,权重取的大些,而对于精度较低的传感器,权重就取的小些。...原创 2019-09-16 16:30:25 · 29492 阅读 · 0 评论 -
概率分布之Beta分布与Dirichlet分布
概率分布之Beta分布与Dirichlet分布转载 2019-09-19 22:24:04 · 296 阅读 · 0 评论 -
SLAM中的EKF,UKF,PF原理简介
原文在这转载 2019-07-28 19:56:22 · 1321 阅读 · 0 评论 -
最小二乘估计(Least Squares Estimator)的公式的推导
建议看原文转载 2019-07-28 19:54:58 · 11111 阅读 · 0 评论 -
帮你快速入门MATLAB(绘图篇) | 附软件教程
我是一个帮运工,原文在此。转载 2019-07-30 09:56:21 · 351 阅读 · 0 评论 -
常用数学符号的 LaTeX 表示方法
1、指数和下标可以用^和_后加相应字符来实现。比如:a_{1} \quad x^2 \quad e^{- \alpha t} \quad b^{3}_{ij} \quad e^{2}\neq {e^x}^2a1x2e−αtbij3e2≠ex2a_{1} \quad x^2 \quad e^{- \alpha t} \quad b^{3}_{ij} \quad e^{2}\neq {...原创 2019-04-12 18:23:37 · 1012 阅读 · 0 评论 -
Ceres-Solver学习---(1)
示例:单像空间后方交会通过上面两个示例大致应该熟悉了Ceres库的使用方式,下面我们编写一个求解摄影测量学里面最基础的一个问题,也就是单张像片的空间后方交会程序。学过《摄影测量学》的人肯定知道,后方交会的求解过程,是非常的麻烦,需要将共线方程求偏导数线性化,然后迭代计算外方位元素。首先给出共线方程:式中:x0、y0和f为内方位元素,一般为已知量,abc为旋转矩阵,使用φωk{\varphi...原创 2019-04-28 20:01:59 · 600 阅读 · 0 评论 -
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...转载 2019-06-13 10:30:48 · 821 阅读 · 0 评论 -
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...转载 2019-06-13 18:36:26 · 6913 阅读 · 2 评论 -
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...转载 2019-06-26 14:30:19 · 1517 阅读 · 1 评论 -
卡尔曼滤波实现C++(1D和3D)
卡尔曼滤波原理参考:轻松理解卡尔曼滤波卡尔曼滤波的理解以及参数调整C++源码:#ifndef KALMAN_H#define KALMAN_H#include <eigen3/Eigen/Dense>using Eigen::MatrixXd;using Eigen::VectorXd;using namespace std;using std::vector;...原创 2019-07-08 11:03:55 · 2411 阅读 · 0 评论 -
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...原创 2019-06-28 12:41:20 · 750 阅读 · 0 评论 -
三维旋转:旋转矩阵,欧拉角,四元数
如何描述三维空间中刚体的旋转,是个有趣的问题。具体地说,就是刚体上的任意一个点P(x, y, z)围绕过原点的轴(i, j, k)旋转θ,求旋转后的点P’(x’, y’, z’)。旋转矩阵旋转矩阵乘以点P的齐次坐标,得到旋转后的点P’,因此旋转矩阵可以描述旋转,[x′y′z′1]=R⋅[xyz1]\begin{bmatrix}x'\\ y'\\ z&...转载 2019-07-20 10:29:47 · 568 阅读 · 0 评论 -
Dirichlet分布
LDA-math - 认识 Beta/Dirichlet 分布原创 2019-09-19 22:44:07 · 638 阅读 · 0 评论