《机器人学中的状态估计》第四讲(第五章)课后习题作业

目录

1.考虑离散时间系统

2.考虑离散时间系统

3.假设每个点为内点的概率为w=0.1,如果想选择一个内点集(n=3)的概率p=0.999,需要多少次RANSAC(随机采样一致性)迭代?


1.考虑离散时间系统

已知离散时间系统的运动方程和观测方程,求系统的状态空间表达式,同时根据系统的能观性矩阵判断系统是否能观,这里的控制变量有些含糊不清。

【参考】刘豹《现代控制理论》第三版,机械工业出版社

答:

(1)不考虑输入偏差时,由于状态变量和控制变量都是一维的(只有一个运动方程,一个观测方程)

因此由运动方程可得系统矩阵A=1,控制矩阵B=1;

由观测方程可得输出矩阵C=1;

N=rank(C)=1;

(2)考虑输入偏差时,由教材式(5.16)可得其增广矩阵:
A{}'=\begin{bmatrix} 1 &1 \\ 0& 1 \end{bmatrix}, B{}'=\begin{bmatrix} 1 \\ 0 \end{bmatrix}, C{}'=\begin{bmatrix} 1 &0 \\ \end{bmatrix}

因为偏差是一维的,所以U=1;

rank({O}')=rank\begin{bmatrix} C{}'\\ C{}'A{}' \end{bmatrix} =rank\begin{bmatrix} 1 & 0\\ 1& 1 \end{bmatrix}=2=N+U

由教材式(5.21)可知系统能观。

2.考虑离散时间系统

思路同上题,不同之处是运动方程和观测方程均有两个状态方程

答:

(1)不考虑偏差时

由运动方程可得系统矩阵A,控制矩阵B;由观测方程可知输出方程C;

A=\begin{bmatrix} 1 &1 \\ 0& 1 \end{bmatrix}, B=\begin{bmatrix} 1\\ 1 \end{bmatrix}, C=\begin{bmatrix} 1 &0 \\ 1& 0 \end{bmatrix},N=rank\begin{bmatrix} 1&0 \\ 1& 0\\ 1&1 \\ 1& 1 \end{bmatrix}=2,U=1

(2)考虑偏差时,由教材式(5.16)可得其增广矩阵:

A{}'=\begin{bmatrix} 1 & 1&1 \\ 0 &1 & 1\\ 0& 0& 1 \end{bmatrix}, B{}'=\begin{bmatrix} 1\\ 1\\ 0 \end{bmatrix}, C{}'=\begin{bmatrix} 1 & 0 &0 \\ 1& 0&1 \end{bmatrix}

rank({O}')=rank\begin{bmatrix} C{}'\\ C{}'A{}'\\ C{}'A{}'A{}' \end{bmatrix}=rank\begin{bmatrix} 1&0 &0 \\ 1& 0&1 \\ 1&1 &1 \\ 1& 1& 2\\ 1&2 &3 \\ 1 &2 & 4 \end{bmatrix}=3=N+U

由教材式(5.21)可知系统能观。

3.假设每个点为内点的概率为w=0.1,如果想选择一个内点集(n=3)的概率p=0.999,需要多少次RANSAC(随机采样一致性)迭代?

啊~这,终于发现适合我做的题了,可能是想通过一个例子感受一下RANSAC的迭代次数

答:由教材式(5.37)得迭代次数k:

k=\frac{ln(1-p)}{ln(1-w^{n})}=\frac{ln0.001}{ln0.999}\approx 6904.3

迭代次数需要向上取整,故需要迭代6905次!

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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