![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 57
和道一文字_
自动驾驶
展开
-
判断点是否在点组成的封闭区域内c++
大致方法可以有3种:方法1:面积法判断目标点与多边形的每条边组成的三角形面积和是否等于该多边形,相等则在多边形内部。方法2:角度法判断目标点与所有边的夹角和是否为360度,为360度则在多边形内部。方法3:射线法从目标点出发引一条射线,看这条射线和多边形所有边的交点数目:如果有奇数个交点,则说明在内部如果有偶数个交点,则说明在外部...原创 2022-08-26 15:44:42 · 1597 阅读 · 0 评论 -
矩阵求导的通用法则,标量、向量和矩阵的所有情况相互求导
标量通俗的说就是一个数,向量可以看成行或列为1的矩阵。3者两两结合有9中方式。1 标量与标量标量与标量就是正常的以为函数求导。2 标量与向量2.1 向量对标量求导向量的每个分量对标量求导:2.2 标量对向量求导结果为一个与向量同阶的向量,每个元素为标量对对应位置向量元素的倒数:因为是对向量求导,这里采用分子布局(即分母不变,分子转置。分子和分母布局求出来的结果互为转置):3 标量与矩阵标量的结合比较特殊,也很简单 。3.1 矩阵对标量求导...原创 2022-04-10 20:58:26 · 871 阅读 · 0 评论 -
李群李代数的相互映射、倒数与扰动模型,推导细节和说明
前言:李群李代数的引入,可以方便slam问题中对变换矩阵的求导,解决优化问题。1 李群李代数介绍由于空间中旋转和变换矩阵可以相乘构成物理意义上的闭环,正好对应了群的概念。群的性质如下:此处需要注意幺元并不是单位矩阵,只要符合幺元性质的代数结构,都是。李群是具有连续(光滑性质的群),由物体可在空间中连续变化的物理意义可知,正交群和欧式群都是李群。由于李群的性质中只有乘法没有加法,对旋转和变换的取极限和求导就很困难,因此引入李代数的概念。李代数的性质如下:正交群和欧.原创 2022-04-09 22:54:44 · 1435 阅读 · 1 评论 -
高斯牛顿法求非线性最小二乘的步骤和c++代码实现
slam图优化的本质是一个非线性优化问题.Gauss-Newton求解步骤:1 线性化误差函数:2 构建线性系统:3 求解线性系统:4 更新解,并不断迭代直至收敛:一个简单的代码实现:一维参数xy,高维变为对应的矩阵即可.#include <iostream>#include <opencv2/opencv.hpp>#include <Eigen/Core>#include <Eigen/Dense>u.原创 2022-03-25 18:06:33 · 5296 阅读 · 0 评论 -
slam中线和面特征的参数化表示方法
1 线特征的参数化表示:1.1 Plucker坐标系表示法普吕克坐标系使用两个向量表示直线为:其中:n为直线的方向向量,模长为1。d为线与原点组成的平面的法线。可以用原点到线上一点的向量与n叉乘得出。d与n的模的比值为原点到直线的距离。1.2 正交表示法使用Plucker坐标系表示在优化时不方便进行数据处理,所以要将其形式转化一下。Plucker坐标系表示:可以写成一个3×2的矩阵,对矩阵做QR分解得到:分解得到的第一项是正交矩阵U ,是一个旋转矩原创 2022-01-11 22:07:05 · 1908 阅读 · 0 评论 -
经典点云配准算法:正态分布变换算法NDT(Normal Distributions Transform)
简介:正态分布变换算法,又名为 NDT(Normal Distributions Transform)算法。该算法是一个一次性初始化的工作。和 ICP 算法相比,NDT 算法的配准效果同 ICP算法相似,其改进实质等同于将 ICP 算法栅格化,是另一种传统的点云配准算法。该算法实质是通过计算点云与点云之间的姿态转换,来确定最优匹配。而判断点云与点云之间是否为最优匹配的方法是基于标准最优化技术。NDT 算法一般过程如下: 已知有两幅点云,分别为源点云 P 和目标点云 Q。 (1)将源点云原创 2021-12-03 11:24:04 · 3887 阅读 · 0 评论 -
直线特征提取算法:IEPF(iterative end point fit)
一种用于直线特征提取的递归算法 。IEPF效率高,被广泛应用于图像处理算法中。但在处理点云数据时,由于噪声点的存在,阀值的确定是一件比较困难的事情。原创 2021-12-01 11:37:54 · 2500 阅读 · 0 评论 -
经典点云配准算法:迭代最近点算法ICP(Iterative Closest Point)
迭代最近点算法,又名为 ICP(Iterative Closest Point)算法。(1)ICP算法对初始值的依赖比较大,具体的配准过程中,如何选择初始值是一个问题,可以使用轮式里程计、imu预积分或其它先验的配准结果。(2)ICP迭代次数过多,实际工程中需要考虑到其实时性的优化问题。(3)迭代终止的阀值的设置也是需要考虑的点,可以考虑自适应阀值的方法。(4)关于寻找最近点可以使用kdtree进行临近搜索。原创 2021-12-03 11:17:14 · 8603 阅读 · 3 评论