机器视觉
w317672256
这个作者很懒,什么都没留下…
展开
-
Automotive Vision_6 SLAM
EKF-SLAM增量计算更新在机器人位置和标志的知识增量的通过每一个新的观测以一个卡尔曼滤波的形式展示系统状态:标记点的先验知识,机器人的姿势状态传递:机器人从一个点到两一个点观察:相关的标记点位置到么一个机器人位置未知的变量机器人位置和方向标记的位置状态空间状态传递观察点用EKF去估计SLAM matlab代码load('data_lecture.mat...原创 2019-08-03 03:03:55 · 107 阅读 · 0 评论 -
Automotive Vision_3 Feature Point Methods 特征点方法(SIFT)
https://www.zybuluo.com/lutingting/note/555007首先这篇文章很好的解释了SIFT的来龙去脉首先尺度的问题,在不同尺度下观测到的东西是不同的,不同的尺度下对比相似事物也是不可能的。SIFT特征提取,分为4个步骤:尺度空间极值检验关键点位置和尺度确定关键点方向确定特征向量生成尺度空间极值检验SIFT特征点就是尺度空间中稳定的点/极值点,...原创 2019-08-01 03:45:35 · 653 阅读 · 0 评论 -
Automotive Vision_5 Tracking Moving Objects(追踪移动物体)I ( with Regression and Kalman Filter)
Motion estimation by regression静止的点根据已知点,最小二乘法x^=1n∑i=1nxi,Var(x)=∑i=1n(x−xi)2\hat{x}=\frac{1}{n}\sum_{i=1}^{n}x_i,Var(x)=\sum_{i=1}^n(x-x_i)^2x^=n1∑i=1nxi,Var(x)=∑i=1n(x−xi)2固定速度x=x0+v∗t(+...原创 2019-08-01 18:31:16 · 247 阅读 · 0 评论 -
Automotive Vision_5 II Particle Filter(粒子滤波)
Kalman Filter is limited to linear gaussian modelsParticle Filter has no model limitations but is more computational expensive粒子滤波更加通用却更加耗算力下面的图很好的解释了过程,通过几次过程就可以判断更为准确的位置...原创 2019-08-01 23:13:47 · 158 阅读 · 0 评论