ZLW_学习空间_博客

目录引入非线性最小二乘问题一阶/ 二阶梯度法一阶（最速下降法，Steepest Method）二阶（牛顿法）方法分析（优缺点）Gauss-NewtonLevenberg_MarquadtG-N 和 L-M的对比引入一个经典的SLAM模型由一个运动方程和一个观测方程构成，如下式所示：xk=f(xk−1,uk)+wkzk,j=h(yj,xk)+vk,j\pmb{x}_k=f(\pmb{x}_{k-1},\pmb{u}_k)+\pmb{w}_k\\\pmb{z}_{k,j}=h(\pmb{y}_j,\pmb{

前一篇大概介绍了李群李代数的相关性质，这里主要介绍李代数在SLAM中的作用。这里写目录标题BCH公式及其近似形式SO(3)上的李代数的求导李代数求导扰动模型（左乘）SE(3)上的李代数求导BCH公式及其近似形式李代数在SLAM中的作用主要是进行优化，优化过程就不可避免地需要涉及到求导的过程。与标量不同，在矩阵中指数的运算法则并不适用，即是说在矩阵中：ln(exp(A)exp(B))≠A+Bln(exp(A)exp(B))\ne A+Bln(exp(A)exp(B))​=A+B取而代之的时BCH公

用四元数表示三维旋转1.四元数的基本知识：与复数类似，四元数也由实部和虚部组成，但四元数有三个虚部，通常表示为：q=q0+q1i+q2j+q3kq=q_{0} + q_{1}i + q_{2}j + q_{3}kq=q0​+q1​i+q2​j+q3​k或: q=[s,v]T,其中:s=q0∈R,v=[q1,q2,q3]T∈R3q=[s, v]^{T}, 其中: s=q_{0} \in R, v=[q_{1},q_{2},q_{3}]^{T} \in R^{3}q=[s,v]T,其中:s=q