![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
文章平均质量分 71
惊鸿一博
毕业于中国科学院大学/中科院自动化研究所;专注于SLAM,三维重建,图像处理,视觉定位等;曾就职于鸿海集团,大陆集团,现在某自动驾驶独角兽企业;热爱分享,热爱生活;欢迎一起交流,学习,进步。
展开
-
数学_两个/三个高斯分布的乘积和性质
两个/三个高斯分布的乘积和性质原创 2024-01-31 23:15:00 · 1872 阅读 · 1 评论 -
状态估计_卡尔曼滤波器_简洁秒懂/示例代码
卡尔曼滤波器又叫做最佳线性滤波器,它的好处有很多,比如说(1)实现简单, (2)是一个纯时域的滤波器,(3)不需要进行频率变换,所以在工程上有很多应用。%观测值,第一秒观测到的是一米,第二秒观测到的是两米,这是一个匀速运动的一个状态%方差为1的高斯噪声,汽车每秒只走了一米,而这个噪声就有一米,这个噪声非常大X = [0;0];% 初始状态P = [1 0;0 1] % 初始状态的协方差矩阵F = [1 1;0 1] % 状态转移矩阵。原创 2024-01-28 17:56:49 · 1163 阅读 · 0 评论 -
几何_两条直线的交点表示/点在直线上的投影点公式
根据射影几何的相关内容,两直线的交点。原创 2024-01-17 21:45:00 · 417 阅读 · 0 评论 -
几何_直线方程 Ax + By + C = 0 的系数A,B,C几何含义是?
所以当V2与V1垂直时,V2在V1上的投影长度为0,V2与V1的内积为0。投影长度具有方向性,即投影与V1同向,投影长度为正,投影与V1反向,投影长度为负。两个向量的内积是0,根据内积的几何意义,这两个向量必然垂直。系数A,B组成的向量是一个垂直于直线的向量。值为负:> 90度 && < 180度。值为正:> 0度 && < 90度。我们先来看A和B有什么含义。时,原点到该直线的距离为-C。原创 2024-01-17 22:45:00 · 882 阅读 · 0 评论 -
线特征_LSD直线检测算法和LBD直线描述子
线特征在于具有天然的光照及视角不变性,同时更高级的特征也使追踪的鲁棒性和准确性有所提高。特别是在特定的人造场景(室内,走廊)等场景,能够克服无纹理或者不可靠纹理带来的干扰。线段的检测及匹配耗时相对特征点更大。同时在后端也没有一个标准且通用的SLAM优化及回环模块。线特征匹配也是较为困难的,如线段易断裂,不具备强有力的几何约束(如极线几何约束),在纹理缺失处不具有较强的辨识度等。同一条直线在不同视角下的观测不稳定,由于遮挡、直线特征提取算法等因素的影响,直线的端点不具有重复性,同一直线特征可能断裂。原创 2024-01-05 23:30:00 · 1025 阅读 · 0 评论 -
线特征_普鲁克直线的几何投影(表示/变换/直线估计)
普鲁克直线表示方法1.1 平行1.2 相交1.3 非共面2. 普鲁克直线的空间变换2.1刚体变换2.2相似变换3.普鲁克直线的空间投影原创 2024-01-04 22:00:00 · 480 阅读 · 0 评论 -
矩阵运算_矩阵的协方差矩阵/两个矩阵的协方差矩阵_求解详细步骤示例
在统计学中,方差是用来度量单个随机变量的离散程度,而协方差则一般用来刻画两个随机变量的相似程度。原创 2023-11-19 20:22:31 · 3987 阅读 · 5 评论 -
统计学_蒙特卡罗方法
这时可以用一个比较容易算得面积的矩型罩在函数的积分区间上(假设其面积为Area),然后随机地向这个矩形框里面投点,其中落在函数f(x)下方的点为绿色,其它点为红色,然后统计绿色点的数量占所有点(红色+绿色)数量的比例为r,那么就可以据此估算出函数f(x)从 a 到 b 的定积分为 Area × r。比如下面这张黑底图片,想要计算图中白色图形的面积,其中图形都是不规则图形,我们没办法通过边长公式等进行计算,其中一种方法就是可以通过蒙特卡罗方法,向图上随机打点,然后获取像素点所在的颜色,原创 2023-11-12 17:50:13 · 317 阅读 · 0 评论 -
统计学_置信椭圆理论
在统计学中,置信度椭圆是描述的一种图形表示方法。椭圆的长轴和短轴表示方差,而椭圆的旋转角度则表示协方差。通过椭圆的大小和方向,我们可以获得对数据分布的一些基本信息,比如数据的可靠性和精度。在金融、医学、物理、工程等:在口金融领域,置信度椭圆可以用来表示不同投资组合的风险和收益。在医学领域,置信度椭圆可以用来表示不同药物对于疾病的疗效。在物理领域,置信度椭圆可以用来表示实验数据的误差范围。在工程领域,置信度椭圆可以用来表示不同材料的强度和耐久性。置信度椭圆的计算方法涉及到等统计学知识。原创 2023-11-12 17:30:27 · 964 阅读 · 0 评论 -
概率论_概率公式中的逗号( , ) 竖线( | ) 分号( ; )及其优先级
设A,B是随机试验E的两个随机试验,且P(B)>0,称为在事件B发生的条件下,事件A发生的条件概率。图示如下。原创 2023-10-22 09:51:09 · 6413 阅读 · 0 评论 -
常见的数值积分方法_欧拉积分/中值积分/龙格-库塔积分
如果解的光滑性差,那么,使用四阶龙格-库塔方法求得的数值解,其精度可能反而不如改进的欧拉方法。欧拉积分与中值积分都是一阶近似并没有本质不同,二者只是一阶导数所取位置不同,他们的性能也有差别,如下图所示,作为一阶积分近似方法来讲,中点积分有时会稍好一些(带来更快的收敛速度)。龙格-库塔法的示意图如下,它也是一种更高阶的逼近方法,通常也具有更好的逼近效果,总累计误差为 Δt4 阶。欧拉方法假设导数在区间内是恒定的,作为一般的RK方法,这对应于单阶段方法,计算初始点的导数,并用它来计算终点的积分值。转载 2023-03-15 11:37:14 · 2372 阅读 · 0 评论 -
线性代数_矩阵零空间的维度与奇异值的关系
从上面的推导可以看出,得到的零空间矩阵的每一列就是我们前面的特解(注意要变换顺序!因此,我们可以从通过消元法得到最简式R,然后就可以直接得到零空间矩阵,则 零空间就是零空间矩阵各列向量的线性组合,而不需要像前面那样先给x2,x4赋值,然后回代到方程中得到两个特解,从而得到矩阵的零空间。上面我们经过消元( 行变换,不改变行空间和零空间,只改变列空间)得到了最简形式R。注:最简矩阵R和零空间矩阵x在MATLAB中可以分别用命令rref(A),null(A,'r')得到。矩阵A的零空间就Ax=0的解的集合。转载 2022-12-13 22:25:23 · 4218 阅读 · 0 评论 -
数学_SVD(Singular Value Decomposition)奇异值分解的理解
由公式可以看出如果原始矩阵A是m行n列,那么分解成的三个矩阵U,Σ,V依次是m行m列,m行n列,n行n列。矩阵sigma(即图1 U和V中间的矩阵)除了对角元素,其他元素都为0,并且对角元素是从大到小排列的,前面的元素比较大,后面的很多元素接近0。当然在实际应用中,我们仅需保留着三个比较小的矩阵,就能表示A,不仅节省存储量,在计算的时候更是减少了计算量。携带了数据集中的大部分信息,而其他信息要么是噪声,要么就是毫不相关的信息。矩阵分解可将原始矩阵表示成新的易于处理的形式,新形式是两个或多个矩阵的乘积。转载 2022-12-11 22:37:19 · 608 阅读 · 0 评论 -
BA_重投影误差e对于相机的位姿ξ和对空间点的坐标P的雅可比矩阵的推导
重投影误差表示为, 相机的位姿表示为(或者表示为T=(R,t)), 空间点表示为, 则空间点投影到相机坐标系下的空间坐标点的相机坐标表示为, 则重投影误差e对于相机的位姿ξ的雅克比矩阵表示为分别求等式右侧的两半部分(误差对空间点的相机坐标的导数,和 空间点的相机坐标对相机位姿的导数),然后相乘即可。同理, 重投影误差e对于空间点的坐标P的雅可比矩阵,可以表示为分别求等式右侧的两半部分(误差对空间点的相机坐标的导数,和 空间点的相机坐标对空间点视觉坐标的导数),然后相乘即可。最终结果。原创 2022-12-11 21:57:49 · 1060 阅读 · 0 评论 -
数学_使用舒尔补简化矩阵求逆
使用舒尔补简化矩阵求逆,1.将待求逆矩阵M,拆分成2x2的分块矩阵。2.将2x2的分块矩阵,利用舒尔补,拆成3个对角矩阵。3.求解矩阵M的逆,就等于3个对角矩阵的逆的乘积。原创 2022-11-22 08:23:24 · 3257 阅读 · 0 评论 -
二维随机向量的数学期望E与协方差σ
二维随机向量的数学期望E与方差σ原创 2022-11-19 19:27:47 · 10058 阅读 · 0 评论 -
期望E与高斯分布的期望
目录1. 期望定义2. 期望性质2.1 用期望定义方差 / 标准差方差定义标准差定义 方差的表示——离散型:方差的表示——连续型:方差的性质3. (一元)高斯分布定义4. (一元)高斯分布的性质参考 其中,第2条性质: E(EX) = EX:对变量X的期望再求期望,等于X的期望;同理,对 的期望再求期望,依然还是X的期望。期望有时还用 表示,即 或表示为 。设X为随机变量,若 (变量X减去自己的期望后的平方,再求期望)存在, 则称为随机变量X的方差,记作DX 或Var(X),即: 或者 或者表示为 ,原创 2022-11-19 12:42:13 · 1648 阅读 · 0 评论 -
数学_四元数的求导详细推导
设设单位时间内,四元数发生了一个微小的变化,记作 . 因为采用单位四元数可表达任意三维旋转,且无奇异性;另外,四元数还可以用角轴两个变量进行表示,设角轴为 ω 和 θ,四元数和角轴的转换关系为: (6)所以,设初始旋转为 q = [s, v],那么 q 相对该旋转的导数为:TODO向量的点积, 向量的叉积,三角求导lim 近似公式原创 2022-10-02 09:24:12 · 2835 阅读 · 0 评论 -
SLAM算法-因子图建模
SLAM或者计算机视觉的问题目标是利用观察到的数据(图像,点云)来推理现实世界中的某些事情(全局状态),比如通过连续的视频帧推理相机的运动,比如通过3D点云数据推理机器人的移动状态(位置和姿态)。SLAM和计算机视觉都尝试描述一个用来解决此类问题的数学框架模型。解决此类问题需要三个要素:模型: 在数学上将数据和全局状态关联起来推理:根据数据,利用模型计算全局状态的后验概率学习:利用成对样本和状态,来学习模型参数。转载 2022-09-20 08:13:38 · 1969 阅读 · 0 评论 -
概率图模型_马尔可夫随机场
马尔可夫随机场(MRF)是典型的马尔可夫网,不同于隐马尔可夫模型,MRF是一种无向图模型。图中每个结点表示一个或一组变量,结点之间的边表示两个变量的依赖关系。MRF有一组势函数,也可称为“因子”,这是定义在变量子集上的非负实函数,主要用于定义概率分布函数。原创 2022-09-17 15:23:28 · 5737 阅读 · 5 评论 -
数学_矩阵向量求导公式相关
数学_矩阵向量求导公式相关原创 2022-09-12 11:50:53 · 9994 阅读 · 2 评论 -
数学_矩阵的泰勒展开公式
从一元函数 到 矩阵的泰勒展开公式转载 2022-09-12 07:06:16 · 5993 阅读 · 0 评论 -
向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等)
向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等)转载 2022-09-08 18:03:13 · 20674 阅读 · 2 评论 -
多边形或轮廓等距离外扩或收缩
给定一个简单多边形,多边形按照顺时针或者逆时针的数许排列内部等距离缩小或者外部放大的多边形,实际上是由距离一系列平行已知多边形的边,并且距离为L的线段所构成的。原创 2022-08-17 23:11:12 · 4128 阅读 · 11 评论 -
SLAM_旋转运动学_两个坐标系速度v和加速度a的关系
惯性系(静止的那个)与body坐标系(运动的那个)之间的旋转矩阵记为 R_IB,则,两个坐标系下的速度,不是相差一个矩阵R_IB,而是还要加一个项 w x r_I, r_I为惯性系下的运动快的坐标。两个坐标系下的加速度,也不是相差一个矩阵R_IB,还有科氏力、欧拉力、离心力的影响。其中科氏力是制造加速度计的理论基础。...原创 2022-07-13 21:17:14 · 2101 阅读 · 0 评论 -
SLAM中常用的雅克比矩阵J
1. 知识背景1.1 李群SE(3) 与 李代 SO(3)的转换关系2.常用的雅克比矩阵J2.1 旋转点的左扰动雅可比2.2旋转点的右扰动雅可比2.3旋转连乘的雅可比2.4旋转连乘的雅可比原创 2022-06-25 22:45:39 · 1285 阅读 · 0 评论 -
三角变换公式
三角变换公式原创 2022-06-25 14:00:05 · 315 阅读 · 1 评论 -
线代_超定线性方程组最小二乘解推导
1. 超定线性方程组超定方程组,是指方程个数大于未知量个数的方程组。对于方程组A为m×n的矩阵,如果A列满秩,且m > n,则方程组没有精确解,此时称方程组为超定方程组。即任意x1 , x2 , … , xn 都不可能使2. 超定线性方程组的解例如,如果给定的三点不在一条直线上, 我们将无法得到这样一条直线,使得这条直线同时经过给定这三个点。 也就是说给定的条件(限制)过于严格, 导致解不存在。在实验数据处理和曲线拟合问题中,求解超定方程组非常普遍。比较常用的方法是最小二乘..原创 2022-05-02 18:29:34 · 2296 阅读 · 0 评论 -
SLAM_BA中重投影误差e 关于相机位姿扰动量δξ 的雅克比矩阵J 公式推导
1. 问题定义在SLAM中,为了使用重投影误差 e 对相机的位姿 ξ (李代表示形式)进行优化,需要求重投影误差e关于相机位姿扰动量δξ (本文使用左乘扰动,参考SLAM十四讲7.7.3节)的雅克比矩阵J=。该公式在代码中(如G2O中)进行使用进行相机位姿的优化计算。结果如下,其中 表示相机坐标系下的三维坐标点。2. 推导过程当我们知道了一个3D空间点坐标和其对应的2D图像坐标时,重投影误差e,表示...原创 2022-04-28 16:45:47 · 2806 阅读 · 0 评论 -
SLAM_信息矩阵&协方差矩阵
信息矩阵是协方差矩阵的一个逆矩阵,这个怎么理解呢?没什么意义,香农形式,这里是推导出来的,只是换了一种数学表达形式,那为什么需要信息矩阵呢?原创 2022-03-02 14:25:10 · 5139 阅读 · 1 评论 -
矩阵运算_SLAM中用到的矩阵计算_基本公式及知识汇总
1. 矩阵转置相关设A和B为两个mxn的矩阵,为一个常数,则: 2. TODO参考6.5 矩阵的运算及其运算规则原创 2022-03-02 10:49:07 · 1614 阅读 · 0 评论 -
矩阵运算_迹的相关性质
0. 矩阵迹的定义在线性代数中,一个n×n的对角矩阵A的主对角线(从左上方至右下方的对角线)上各个元素的总和被称为矩阵A的迹(或迹数),一般记作tr(A)。例子如下:1. 性质[1] 矩阵的迹等于其转置的迹,定义可以看出来。[2] 连乘的矩阵的迹,循环交换位置后,迹不变。即一直将第一个矩阵放到最后一个;当然反着不断把最后一个放到第一个也可以。[3] 迹等于特征根之和,这是最常见的性质了[4] x, y 都是 n 维列向量, x乘以y转置的迹 等于 y的转置直接...原创 2022-01-12 12:36:26 · 25405 阅读 · 1 评论 -
矩阵运算_反对称矩阵性质_axb = [a]xb
1. 反对称矩阵定义设A为n维方阵,若有,则称矩阵A为反对称矩阵。对于反对称矩阵,它的主对角线上的元素全为0,而位于主对角线两侧对称的元素反号。2. 反对称矩阵性质3. 向量的反对称矩阵有的地方a的反对称矩阵 也记作 a^即 a^ b = a x b (向量a 叉乘 向量b = a的反对称矩阵 乘以 b)4. 叉乘 与 点乘点乘对应元素相乘相加,比如 A=(a1, a2, a3), B=(b1, b2, b3) 则 A·B = a1b1 + a2b2 + a3 +原创 2021-12-17 17:50:07 · 29088 阅读 · 2 评论 -
非线性优化_曲线拟合_g2o图优化_最小二乘优化示例
目录1. g2o介绍2. g2o库结构2.1 g2o图优化库的组成结构2.2 常用的类结构a. 块求解器BlockSolverb. 块求解器特性BlockSolverTraitsc.块求解器特性中的线性求解器 Traits::LinearSolverTyped. 优化算法OptimizationAlgorithme.稀疏优化器 SparseOptimizerf. 表示优化项的顶点—Vertexg. 表示误差项的边—Edge...原创 2021-12-13 21:46:59 · 2143 阅读 · 0 评论 -
非线性优化_曲线拟合_Ceres_最小二乘法示例
高翔 slam 14 讲 chapter 61. 求参数 abc, 优化 y = exp(a* x^2 + b*x + c)#include <iostream>#include <opencv2/core/core.hpp>#include <ceres/ceres.h>#include <chrono>using namespace std;// 代价函数的计算模型struct CURVE_FITTING_COST{ ..原创 2021-12-11 23:27:57 · 461 阅读 · 0 评论 -
矩阵运算_如何理解矩阵对矩阵求导?
目录1、向量的“倒数”2、标量对向量求导3、向量对向量求导4、向量对标量求导5、分子布局与分母布局给一种不严密但有用的理解方式:1、向量的“倒数”记向量,其倒数记为:,不难得出它们的内积为:对应地,它们的外积可以写为:由向量“倒数”不难得到向量“除法”的定义,此处记特别地,标量除以向量即可定义为:2、标量对向量求导不难注意到,此时该导数即是多元函数的梯度。3、向量对向量求导该矩...原创 2021-12-06 11:58:54 · 2136 阅读 · 0 评论