- 博客(300)
- 收藏
- 关注
RSS订阅原创 四大坐标系的转换13——三维变换
三维刚体变换有6个自由度：3个来自平移，3个来自旋转。旋转矩阵需满足正交性（$\mathbf R\mathbf R^T = \mathbf I$）以保持长度，且行列式为1（$\det(\mathbf R) = 1$）以排除镜像反射，确保为纯旋转。齐次坐标使平移可表示为矩阵乘法，统一变换形式。三维射影变换有15个自由度，因16个参数中仅比例不变，故减去1个。
2026-10-14 17:05:52
13
原创 四大坐标系的转换13——行列式的几何意义
矩阵变换将单位正方形变为以两列向量为邻边的平行四边形，其面积等于行列式绝对值 $|ad - bc|$。该结论源于向量叉积的几何意义：面积 = $|\mathbf u||\mathbf v|\sin\theta$，经代数推导可得 $S^2 = (ad - bc)^2$，故 $S = |ad - bc|$。行列式不仅表示面积缩放因子，还反映方向变化（正负号表示取向是否反转），因此是线性变换下有向面积的度量。
2026-10-14 15:19:46
21
原创 四大坐标系的转换12——逆矩阵和伴随矩阵
本文从坐标变换出发，自然推导逆矩阵的必要性与计算方法。通过一维、二维实例，揭示逆矩阵的本质是恢复变换前的坐标，而行列式源于消元过程中的自然出现，表示面积缩放因子。当行列式为零时，空间被压缩至低维，信息丢失，逆矩阵不存在。伴随矩阵并非人为构造，而是解线性方程组时余子式结构的体现，其与行列式共同构成逆矩阵公式。几何上，逆矩阵撤销原变换，行列式反映体积/面积变化，伴随矩阵关联法向量与代数余子式，三者统一于线性变换的可逆性中。
2026-10-14 15:19:24
382
原创 四大坐标系的转换11——平面表面流动和双线性插值
这两个问题涉及不同的数学思想。我分别从最基本的概念推导，不直接套用结论。我们先不考虑图像变换，也不考虑矩阵。先研究一个简单的数学问题。假设有一个函数：f(x)=11+xf(x)=\frac{1}{1+x}f(x)=1+x1我们想计算：f(0.01)=11.01f(0.01)=\frac{1}{1.01}f(0.01)=1.011计算器可以得到：f(0.01)≈0.990099f(0.01)\approx0.990099f(0.01)≈0.990099但如果我们不使用计算器，能不能用简单的运算
2026-10-14 13:15:30
13
原创 四大坐标系的转换9——二维变换3
二维变换的层级结构是一个嵌套的集合。我们把所有变换都统一写成3×33\times33×3矩阵，就很容易看出这种关系。最后补充三种变换。它们不像前面的五类变换那样构成整齐的嵌套层级，但在图像处理、图像变形和运动估计中仍然有用。我们可以换一个角度思考：假设我们现在有一个二维正方形。我们想通过改变它四个顶点的位置，实现不同的变换。如果二维刚体变换的矩阵包含9个数字，为什么我们说它只有3个自由度？另外6个数字受到了什么约束？
2026-10-13 15:51:00
307
原创 四大坐标系的转换8——二维变换2之旋转矩阵性质
3.2节中仅说明旋转后单位向量仍垂直且长度为1，不足以直接推出 $R^TR = I$。关键在于：矩阵列向量为单位正交向量时，必有 $R^TR = I$。这是因为 $R^TR$ 的元素正是列向量的点积，单位长度对应对角线为1，正交对应非对角线为0。该性质不依赖于旋转的具体形式，而是由正交性决定。进一步，对可逆方阵，$R^TR = I$ 可推出 $RR^T = I$。因此，旋转矩阵保持向量长度与夹角不变的本质，正是源于其列向量构成标准正交基，从而保证 $R^TR = I$ 成立。
2026-10-13 15:00:33
112
原创 四大坐标系的转换7——二维变换1
本文系统阐述了二维几何变换的五类层级关系：平移（2自由度）、刚体（3）、相似（4）、仿射（6）与投影（8）。核心在于齐次坐标如何统一表示平移等非线性变换，并通过矩阵乘法实现多变换叠加。不同变换保持的几何性质递进变化：从距离、角度到平行性，最终仅保证直线性。自由度由独立参数决定，反映变换的灵活性。
2026-10-13 14:59:41
586
原创 四大坐标系的转换6——Plücker 坐标
qx−pxqy−pyqz−pz0qx−pxqy−pyqz−pz0你发现了吗？dq−pdq−p所以矩阵最后一行的前三个元素，就是直线方向向量的三个分量。第12.5节想表达的其实是下面这条关系：pqpqdq−pdq−pmp×qmp×qL0mz−my−dx−mz0mx−dymy−mx0。
2026-10-12 17:04:10
281
原创 四大坐标系的转换5——三维几何的齐次坐标表示
本文系统阐述三维几何中的齐次坐标表示，重点解析三维点、平面与直线的数学结构。通过齐次坐标（4维）统一处理有限点与无穷远点，揭示法向量与平面方程 $ax+by+cz+d=0$ 的几何意义，并阐明单位法向量下距离计算的原理。最后引入Plücker坐标，说明三维直线的6个参数虽具冗余，却能精确描述其方向与位置，为相机几何与三维重建奠定基础。
2026-10-12 15:54:57
377
原创 四大坐标系的转换3——叉乘
叉乘是三维向量间的运算，结果为垂直于两向量的向量，其模长等于两向量构成平行四边形的面积，方向由右手定则确定。计算公式为分量交叉相减。叉乘不满足交换律，且两向量平行时结果为零向量。它在几何中用于求面积、判断方向，并可应用于计算直线交点（如齐次坐标下两直线叉积得交点）。
2026-10-10 17:02:28
337
原创 四大坐标系的转换4——二维直线的齐次坐标表示
二维直线可用齐次坐标 $(a,b,c)$ 表示，因满足 $ax+by+c=0$ 且比例不变。点 $(x,y,1)$ 与直线 $(a,b,c)$ 的点积为零时，点在直线上。利用叉乘可求两直线交点或过两点的直线：因叉乘结果垂直于两直线向量，恰为交点的齐次坐标。平行线交于无穷远点（如 $(-3,0,0)$），体现射影几何中“平行线交于无穷远”的特性。二次曲线也可用矩阵表示，因其一般式为二次多项式，可写成 $\mathbf{x}^T A \mathbf{x}=0$ 形式，便于几何变换处理。
2026-10-10 15:29:41
323
原创 四大坐标系的转换2——平行铁轨
三维物体投影到二维平面时，沿同一条相机光心射线的点会重合于同一像素，形成深度歧义。物体越远，图像尺寸越小，无穷远处趋于不可见。平行线因方向相同，在射影几何中共享无穷远点，投影后趋近于同一点，即“消失点”。二者虽不完全相同，但均源于透视投影的比例关系：前者是射线上的点共点，后者是平行线在无限远处收敛。齐次坐标下，无穷远点可映射为图像中的有限消失点，统一了欧氏与射影空间的视觉规律。
2026-10-10 15:17:24
171
原创 四大坐标系的转换1——针孔相机模型和凸透镜成像
四大坐标系转换系列主要目的在于弄清楚四大坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系的转换关系，搞明白期间产生的一些疑问。现在我们终于可以把两张图联系起来了。
2026-10-09 11:19:08
343
原创 Causal-JEPA的论文理解14——附录K、L
对象级：预算 = 被掩码对象的个数token/tube 级：预算 = 被掩码 token 的百分比作者实际上在下一句就亲自"定义"了这个 budget——它是衡量掩码力度的度量单位，而不是钱。这就锁定了义项 2：“（可掩码单元的）额度/总量指标”。先看搭配（它修饰/被谁修饰）—— masking budget 与钱无关，先排除财务义；再找句中定义——作者常在下文给出操作性定义（“预算 = 个数/百分比”）；看全文主题——这是机器学习的消融实验段落，budget 必然指"实验变量的量度"。问题2。
2026-09-29 15:02:33
160
原创 Causal-JEPA的论文理解13——附录I、J
of another object = “另一个物体的”，因为 motion/fall 是无生命名词，英语中无生命事物的所属关系用 of 连接，而不是 's。基于注意力的依赖关系代理指标。接下来我们分析预测器中的跨槽注意力模式。由于 PHYRE 中无法获得真实的局部时序因果图，这些注意力图不应被解读为已恢复的因果图。相反，它们提供了一种定性视角，展示预测器在部分可观测条件下预测目标槽时会参考哪些对象槽。
2026-09-28 17:32:12
167
原创 硬件安全注意事项
电压对吗？↓正负极对吗？↓有没有裸线？↓有没有短路可能？↓电源限流了吗？↓保险丝有吗？↓电池有没有异常？↓电机突然转会伤人吗？↓轮子需要悬空吗？↓机械结构牢固吗？↓急停在哪里？↓人离开危险区域↓上电冒烟打火明显异味异常发热电源反复限流电机疯狂抖动异常声音第一动作永远是断电，而不是继续观察。而且对你接下来要做机器人这件事，我反而建议我们不要一上来系统学《模电》《电机控制》《机械设计》。
2026-09-24 15:54:20
588
原创 自动捡球机器人4—调研4之采购
我们现在开始按“先证明“乱姿态羽毛球 → 球头统一向下 → 自动进入球筒”这个最核心、最不确定的机械问题。底盘、YOLO、RK3588、STM32、电池全部先不买。公开原型也支持这种拆解思路：已有羽毛球收集器往往经历多轮机械结构迭代，有项目从刷轮、垂直拨取一直试到水平拉入结构，说明真正需要实验的是机械接触方式，而不是算法；现有开源机器人已经把视觉、底盘、编码器、状态机等做得比较成熟，后面我们可以直接参考。
2026-09-24 14:51:08
188
原创 自动捡羽毛球机器人3—调研3
我是个AI算法工程师，对硬件组装以及电路以及CAD和控制工程一无所知，只懂代码。你认为我能够在你的指导下完成吗？我们是否应该先去找别人实现的教程或者买别人现成的来拆解研究，不过估计这方面的教程和现成品应该也很少吧但产品级可靠性、长期耐久、安规这些，后期最好还是让机械/电气专业的人参与。所以我会调整路线——先研究/复刻别人已经跑通的东西，再做我们真正有价值的“自动定向+码入球筒”。
2026-09-24 13:48:30
135
原创 自动捡羽毛球机器人2—调研2
我不建议机器人一路保持同一个导航控制器。普通目标导航距离 < 0.6 m：APPROACH 模式。羽毛球↓│ 捡球入口 │横向误差 ex距离误差 ed球在左边稍微左转。球正中央缓慢前进。进入拾球区。这里完全没必要搞神经网络控制。P 控制甚至都够。
2026-09-24 13:48:01
168
原创 自动捡羽毛球机器人1—调研
我想做个自动捡羽毛球的机器人，需要能够把球场上的球捡起来最后叠成球桶里面的球的排列。帮我调研一下完整的方案，包括别人做到了什么程度，我们该从模仿开始还是从头设计，从硬件到控制到算法，成本如何控制到极致性价比，算法需要什么样的算力驱动等，目前我们只有一台4060Ti的显卡的台式电脑，是否需要加显卡？可以做，而且这个项目真正的难点。这一整条链路已经有人分别做出来了，所以我不建议你们从零发明。真正需要额外买的是机器人上的边缘计算板。追求极致性价比可以用；
2026-09-24 11:53:40
165
原创 Causal-JEPA的论文理解9——附录B
作者说：我们提出的"影响邻域"不是要取代经典的因果概念，而是故意设计成一个更宽松、更实用的版本——因为在真实世界模型中，经典概念的强假设往往无法满足，而我们需要一个能真正用起来的工具。Deliberate 家族Tailor 家族起点动词（权衡）名词（人/职业）中间形容词（故意的）动词（定制）终点副词（故意地）形容词（定制的）演变动力动作 → 动作的性质 → 性质的方式人 → 人的动作 → 动作的结果英语这对词是同根异后缀tempus（时间）+-al→ “与时间这个维度有关的”（中性、技术化）；
2026-09-20 11:19:55
241
原创 车辆碰撞检测数据构造策略1
本文是个人自创的车辆碰撞检测数据构造策略，尽管本文的裁剪+贴图思路并不复杂，但是代码能在实际数据集跑通并不容易，且它是可扩展的，后续会成为一个庞大自动化数据构建的一部分。代码迭代由实际需求驱动，并不是凭空想象，代码也会随着开源碰撞数据集和真实业务数据集的情况进行迭代升级。代码基于目标跟踪专栏《自动标注1：本地部署Grounded-Segment-Anything》第五节代码更改而来。代码会受实际需求驱动进行版本更新，更新的原因一般是发现上个版本代码缺陷或者功能不完善或者思路有问题。1.0和2.0采用Grou
2026-09-14 17:19:16
131
原创 Causal-JEPA的论文理解8——诱导交互的归纳偏置
This subsection analyzes the inductive bias induced by predicting missing object representations from partial observations over a temporal window TTT . We show that masked history prediction forces the predictor to rely on a minimal sufficient set of cont
2026-09-10 16:45:19
297
原创 Causal-JEPA的论文理解7——理论视角之假设
假设/声明通俗解释假设 1时间方向性未来只由过去决定，无"同时发生"的因果假设 2共享机制所有 episode 遵循同一套物理规律假设 3对象对齐一个槽位 = 一个完整物体的稳定表示假设 4有限历史充分不需要无限长的历史就能预测未来注：无因果充分性允许有观测不到的隐藏因素注：非一阶马尔可夫需要多帧历史（速度要两帧才能算）注：无全局稀疏性一个物体可以和很多物体同时交互问题1回到原文问题2。
2026-09-10 13:53:05
149
原创 Causal-JEPA的论文理解6——高效世界建模
我们在 PHYRE（更复杂的物理场景）上开展（conduct）了定性（qualitative，看案例不看数字）研究：用注意力分布作为交互结构的替代指标（proxy），配合模型想象（imagined）出的轨迹，发现 C-JEPA 生成的轨迹物理上更合理（plausible），说明 object-level masking 在长时间跨度（temporally extended）环境中确实促进了交互感知的预测依赖。回到原文results insuperior掩码策略消融。
2026-09-10 10:19:38
222
原创 Causal-JEPA的论文理解5——视觉推理实验
In this section, we evaluate C-JEPA from two complementary perspectives, focusing on visual reasoning in Sec. 5.1 and predictive control in Sec. 5.2. Across experiments, we primarily adopt VideoSAUR (Zadaianchuk et al., 2023) as the object-centric encoder
2026-09-09 16:08:17
215
原创 Causal-JEPA的论文理解4——因果联合嵌入架构
我们在试图根据过去预测未来的时候，如果未来是结果，过去就是原因，但是是哪个原因导致了这个结果呢？具体而言，假设过去有很多个对象，是哪个因素导致了这个结果呢？我们在追溯原因的时候，可以用控制变量法，改变其中一个因素，其他因素控制不变，看结果是否发生了改变。这篇论文其实有类似于这种思想，它把过去的一些对象用掩码掩盖住，未来也掩盖住，然后让模型推测掩码的内容，这样模型不单要预测未来，还得搞清楚是什么因素导致了这样的未来？
2026-09-09 14:22:57
503
原创 Causal-JEPA的论文理解3——问题设定
概念一句话槽的顺序不影响语义，模型不绑定"槽1=汽车"ThT_hTh看过去多少帧来理解当前状态TpT_pTp预测未来多少帧的状态变化STS_TST过去所有对象状态的集合，作为模型输入问题2respect不是尊重的意思吗？为什么with respect to是相对于……而言？respect在学术语境中 =“方面、角度”，而非"尊重"。“从 X 这个方面来看”“相对于 X”“关于 X”这是学术写作的固定搭配，和日常"尊重"的意思已经分化了。问题3。
2026-09-09 09:03:06
114
原创 Causal-JEPA的论文理解2——预备知识
JEPA 开创了**"在语义表征空间做预测"的自监督范式；后续工作逐步扩展**：I-JEPA 在图片中做掩码表征预测，V-JEPA 在视频时空管中做动态预测，V-JEPA2 进一步整合理解、预测和规划，走向通用世界模型。这与本文（SPARTAN 或类似工作）的关系：JEPA 系列证明了"表征空间预测"的有效性，而本文可能在此基础上进一步引入因果/交互结构的学习。问题2。
2026-09-08 15:38:12
373
原创 Causal-JEPA的论文理解1——摘要和引用
世界模型需要稳健的关系理解能力，以支持预测、推理和控制。尽管以对象为中心的表征提供了一种有用的抽象，但它们不足以捕捉依赖于交互的动态特性。因此，我们提出了 C-JEPA，这是一种简单且灵活的以对象为中心的世界模型，它将掩码联合嵌入预测从图像块扩展到了以对象为中心的表征。imposesand通过掩码对象级潜在变量，并要求从周围上下文中推断每个被掩码的对象状态，CJEPA 在训练过程中施加了结构化的部分可观测性，从而创建了类似反事实的预测查询，这不仅抑制了捷径解的产生。
2026-09-08 14:09:02
582
原创 GPT 统筹、DeepSeek 执行的三级路由
不要让 GPT 通过 Reasonix TUI 逐屏监工，因为界面刷新会产生大量 ANSI 控制字符、重复历史和过程文本，反而大量消耗 GPT 上下文。不要把真实密钥写进项目的 JSON、YAML、Markdown、代码或任务单，也不要把密钥发给 GPT。环境已经存在，不要重建，直接运行下一节的环境检查。如果 GPT 仍在生成大部分代码、不断轮询 TUI 或读取完整日志，即使没有调用 xhigh，也不算真正节省。只表示候选修改通过了预设文本/语法检查，不表示算法有效，也不会自动写回原项目。
2026-09-03 21:02:11
270
原创 HMM（隐马尔可夫模型）的理解7——Baum–Welch 算法
The third, and by far the most difficult, problem of HMMs is to determine a method to adjust the model parameters ( A,B,πA, B, \piA,B,π ) to maximize the probability of the observation sequence given the model. There is no known way to analytically solve f
2026-09-02 17:23:09
411
原创 HMM（隐马尔可夫模型）的理解6——Viterbi算法
Unlike Problem 1 for which an exact solution can be given, there are several possible ways of solving Problem 2, namely finding the “optimal” state sequence associated with the given observation sequence. The difficulty lies with the definition of the opti
2026-09-02 15:32:39
452
原创 英语介词怎么理解？
你觉得恶心，是因为你在用中文的词汇边界去切割英语的关系标记。for不是多义词，它是一个单义的关联指向器；是中文太丰富，不得不派"为了/因为/对于/给"好几个词去翻译它的不同投影。真正耗时的不是匹配词义，而是你在强迫大脑做跨语言映射。读多了，这些结构会变成直接的整体感知，那时候就不会觉得慢了。问题3总结一下英语里面的介词都要怎么理解，而且最离谱的是，如果所有介词它只是个箭头，那它存在的意义是什么？
2026-09-02 13:09:59
194
原创 HMM（隐马尔可夫模型）的理解5——前向-后向算法
We wish to calculate the probability of the observation sequence, O=O1O2⋯OTO = O_1 O_2 \cdots O_TO=O1O2⋯OT , given the model λ\lambdaλ , i.e., P(O∣λ)P(O|\lambda)P(O∣λ) . The most straightforward way of doing this is through enumerating every possible
2026-08-31 17:33:07
366
原创 HMM（隐马尔可夫模型）的理解4——隐马尔可夫模型
这段话讲的是语音信号的前端处理：把连续声音切成帧、提取谱向量、再对着码本"四舍五入"成最接近的标准音编号——这样连续语音就被离散化成了符号序列，正好匹配 HMM 对离散观测的要求。这也正是为什么前面定义 HMM 时要专门引入 “MMM，每个状态的观测符号数” 这个参数。回到原文individual这样，对词表中的每个词，我们都有一条训练序列，它由该词的若干次发音（来自一个或多个说话人）的码本索引序列重复构成。第一项任务是为每个词建立模型。这项任务通过问题 3 的解。
2026-08-31 09:17:21
222
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人