![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
定位导航
文章平均质量分 69
鸿哲闲居
关注 嵌入式软件开发、人工智能、机器学习、粗糙集,主要研究移动机器人视觉SLAM,三维重建,回环控制,object跟踪
展开
-
IMU陀螺仪更新姿态的两种表示方式
0. 前言在使用IMU的场景中,陀螺仪测量的是t+1时刻body坐标系相较于t时刻body坐标系的旋转速度,则姿态增量计算为:delta_t * w^T= delta_t * [w_x, w_y, w_z]^T .则已知t时刻body坐标系在全局坐标系(有可能就是开机第一帧IMU坐标系)下的旋转姿态的情况下,我们可以计算t+1时刻的body坐标系在全局坐标系下的旋转姿态。这里根据姿态采样旋转矩阵表示还是采用四元数表示有所不同。1. 用角速度更新旋转矩阵获取姿态增量的反对称矩阵:W = .原创 2021-12-21 20:17:31 · 1296 阅读 · 1 评论 -
卡尔曼滤波、粒子滤波、马尔科夫滤波的区别和联系
综述之前一直在做移动机器人定位算法。查来查去,发觉粒子滤波算法(又叫MC算法)应该算是最流行的了。因此开始学习使用之。入手的是本英文书叫“probalistic robotic” 很不错,我所见到的讲得最好的一本书。花了大量时间去研读。在这里我想谈谈我对粒子滤波的一点认识。因为在这一领域算是个新手。希望有前辈或者达人来指正我的想法。也希望我的这篇文章对新手有理解他有所帮助(当初我就很是苦于它难于理解)在这里我不想谈粒子滤波的理论基础和推到,这点大家可以去自己翻书。我只谈下我的体会。粒子滤波算法。他源于转载 2021-01-25 14:12:28 · 3296 阅读 · 2 评论