《机器人学中的状态估计》第二讲(第三章)课后习题作业

目录

1.考虑离散时间系统:

2.使用第1题的系统,令Q=R=1,证明:

6.证明:


1.考虑离散时间系统:

解:

(1)推导   H,W,z,\hat{^}x 的详式。

考察教材3.1.2小节,同为线性系统,不同之处是简化了转移矩阵A_{k}和观测矩阵C_{k}为单位阵I ,(I\in \mathbb{R}^{N\times N}),同时初始状态未知。

.....,教材把通式都给了,这里由教材式(3.12),去掉含有初始状态的行(列)得:

z=[v_{1},...,v_{K}|y_{0},...,y_{K}]^{T}

由教材式(3.13)得:

H=\begin{bmatrix} -1 & 1 & & \\ & \ddots & \ddots & \\ & & -1&1 \\ -&--&-&-\\ 1& & & \\ & 1& & \\ & & \ddots & \\ & & &1 \end{bmatrix}

W=\begin{bmatrix} Q& & & |& & & & \\ & \ddots & & |& & & & \\ & & Q& |& & & & \\ -&-&-&-&-&-&-&\\ & & & |&R& & & \\ & & & |& & \ddots & & \\ & & & |& & & R& \\ \end{bmatrix}

由教材式(3.16)得:

\hat{x}=(H^{T}W^{-1}H)^{-1}H^{T}W^{-1}z

(2)当K=5时,所有噪声互相无关,\hat{^}x是否存在唯一解?考察教材3.1.4小节

由题意得:符合情况二,没有先验知识,由教材式(3.43)得:

rank(I_{0},I_{1},I_{2},I_{3},I_{4},I_{5})=N , (I\in \mathbb{R}^{N\times N})         

2.使用第1题的系统,令Q=R=1,证明:

解:

由于W为单位阵,则:

                        

由教材式(3.60)知,可设 L为:

LL^{T}=H^{T}W^{-1}H,即:

LL^{T}=\begin{bmatrix} l_{0} & & & & & \\ l_{10} & l_{1} & & & & \\ & l_{21} & l_{2} & & & \\ & & l_{32} & l_{3} & & \\ & & & l_{43} & l_{4} & \\ & & & & l_{54} & l_{5} \end{bmatrix} \begin{bmatrix} l_{0} & l_{10} & & & & \\ & l_{1} & l_{21} & & & \\ & & l_{2} & l_{32} & & \\ & & & l_{3} & l_{43} & \\ & & & &l_{4} &l_{54} \\ & & & & &l_{5} \end{bmatrix}

         = \begin{bmatrix} l_{0} l_{0} & l_{0} l_{10} & & & & \\ l_{0}l_{10} & l_{10}l_{10}+l_{1} l_{1} & & & & \\ & & \ddots& & & \\ & & \ddots & & & \\ & & \ddots& &l_{43} l_{43}+l_{4} l_{4} &l_{4}l_{54} \\ & & & &l_{54}l_{4} &l_{54} l_{54} +l_{5} l_{5} \end{bmatrix}   

        

  对应项相等得:

 

 

6.证明:

分析:下三角,对角线都为1,则行列式为对角线元素之积为1,再观察其每一项的伴随矩阵也为下三角,那么其行列式的计算都非常简单,那么用定义求逆想必是可以的

则:B^{-1}=\frac{1}{\left | B \right |}B^{*}=B^{*}

令   B^{*}=\begin{bmatrix} M_{11} & -M_{21}&\cdots &M_{K+1,1} \\ -M_{12}&M_{22} &\cdots &-M_{K+1,2} \\ \vdots & \vdots & \ddots & \vdots \\ M_{1,K+1}&-M_{2,K+1}&\cdots&M_{K+1,K+1} \end{bmatrix}

每一项代数余子式M都是下三角的形式,求其行列式都一目了然

易知:B^{*}=\begin{bmatrix} M_{11} & -M_{21}&\cdots &M_{K+1,1} \\ -M_{12}&M_{22} &\cdots &-M_{K+1,2} \\ \vdots & \vdots & \ddots & \vdots \\ M_{1,K+1}&-M_{2,K+1}&\cdots&M_{K+1,K+1} \end{bmatrix}=

 

我写的太Low,知乎大神的机器人学中的状态估计/State Estimation for Robotics—第三章习题答案

 

作者:Timothy D. Barfoot ,最新2018高清资源,完整395页,持续更新。 版权归作者所有,任何形式转载请联系作者。 State Estimation for Robotics早已在SLAM领域广为流传,几乎是SLAM入门必读的经典书籍之一。本书深入解了状态估计的机理、三维几何学基础、矩阵李群以及位姿和点的估计方法等,尤其对基于滤波器的状态估计方法的介绍全面深刻。现在在高翔、颜沁睿、刘富强等十多位SLAM专家、爱好者的共同努力下,文译本《机器人学状态估计》也终于得以面世。这对于国内广大SLAM爱好者来说,可谓一大福音,值得隆重推荐。 ——浙江大学教授,CAD & CG国家重点实验室计算机视觉团队带头人,章国锋 State Estimation for Robotics是加拿大多伦多大学Barfoot教授的名著,也是机器人方向的经典教材之一。该书侧重数学基础,先花了三分之二的篇幅来介绍概率、几何方面的基础知识,最后又回到应用问题,详细介绍了基于点云和图像的姿态估计。 这是一本难得的既注重基础又顾及前沿研究问题的教材。书的译者是一群对机器人技术富有激情的年轻人,他们的许多人在计算机视觉、机器人等科研领域开始崭露头角。这本译作倾注了他们的满腔热忱和对国内技术发展的期望。 ——加拿大西蒙弗雷泽大学终身教授,谭平 本书介绍了机器人领域的重要核心技术——状态估计。这本书不只介绍了一些传统的经典算法,也涉及了最新的行业进展和应用,同时还传授了一些基础的数学工具。本书使用严谨的数学语言,同时又深入浅出,是初学者不可多得的良师益友。 ——自动驾驶公司AutoX创始人,原美国普林斯顿大学计算机视觉与机器人实验室主任,麻省理工学院博士 肖健雄
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值