![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器人状态估计
文章平均质量分 87
机器人状态估计相关算法
wzf@robotics_notes
随手记记,顺带分享
展开
-
Umeyama 算法之源码阅读与测试
SLAM 轨迹的对齐和评估时, 多用 Umeyama 算法实现.该算法从给定的两个欧几里得空间的关联点集中找出最小误差平方意义下的相似变换参数 (Similarity Transformation, 旋转+平移+缩放)[1]在上一篇博文中, 我们已经详细推导了该算法的数学原理.这里我们看一下实际应用中 Umeyama 算法的源码实现, 分别是- Eigen[2]中 Umeyama 算法源码- PCL[3]中 Umeyama 算法源码- evo[4]中 Umeyama 算法源码。原创 2023-11-14 21:24:08 · 515 阅读 · 2 评论 -
相似变换 (旋转、平移、缩放) 参数的最小方差估计 —— Umeyama 算法详细推导 (II)
Title: 相似变换 (旋转、平移、缩放) 参数的最小方差估计 —— Umeyama 算法详细推导 (II)文章目录前言I. Umeyama 算法1. 引理2. 定理II. 推导1. 正则矩阵的定义与性质2. 目标函数3. 平移参数的最优估计4. 旋转参数的最优估计5. 缩放参数的最优估计6. 最小化目标函数总结参考文献相关博文介绍- 矩阵乘法可交换与可同时对角化的关系 —— Umeyama 算法推导的数学准备 (I)- 旋转矩阵约束下的朗格朗日乘子 —— Umeyama 算法推导的数学准备原创 2023-11-13 22:21:44 · 656 阅读 · 0 评论 -
旋转参数的最小方差估计 —— Umeyama 算法详细推导 (I)
SLAM 轨迹的对齐和评估时, 多用 Umeyama 算法实现.该算法要解决的问题为:给定两个mmm维空间内的点集 {xixi} 和 {yiyi} (其中i12ni12n) 找出最小误差平方意义下的相似变换参数 (包括旋转R\mathbf{R}R、平移t\mathbf{t}t、缩放ccc).原创 2023-11-11 23:13:51 · 570 阅读 · 0 评论 -
激光雷达和 IMU 标定中的运动方程
阅读论文中[1]遇到刚体运动学, 好久没用都忘了, 从新推导记录一下. 事实上, 关于自由刚体运动学和动力学有比较多的细节需要注意和留心, 不然很容易出错.这是一个关于自由刚体运动学方程的推导过程.后面的激光雷达和 IMU 的外参标定是利用得到的运动方程去做最小二乘法估计, 这是另一个有趣故事了.原创 2023-10-18 23:33:54 · 328 阅读 · 0 评论 -
流形上的投影雅可比矩阵 (Jacobian Matrix) - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (V)
题目: 流形上的投影雅可比矩阵 (Jacobian Matrix) - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (V)文章目录@[toc]前言I. Jacobian MatrixII. SO(3)SO(3)SO(3) 上的 Jk+1j\mathbf{J}_{k+1}^jJk+1jIII. SO(3)SO(3)SO(3) 上的 Lk+1\mathbf{L}_{k+1}Lk+1IV. S2(r)\mathbb{S}^2(原创 2023-09-20 20:56:51 · 335 阅读 · 0 评论 -
流形上的迭代测量更新 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (IV)
题目: 流形上的迭代测量更新 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (IV)文章目录@[toc]前言I. 预备知识1. 迭代扩展卡尔曼滤波的测量更新2. 贝叶斯定理3. 最大后验估计II. 误差融合估计1. 初始误差2. 测量残差与似然概率3. 误差投影与先验概率4. 最大后验估计与最小二乘法III. 迭代更新计算1. 状态迭代更新2. 协方差重新投影IV. 融合与更新的几何示意总结参考文献前言原创 2023-09-15 23:51:40 · 422 阅读 · 2 评论 -
流形上的状态预测及误差传播 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (III)
题目: 流形上的误差状态预测方程及误差传播 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (III)文章目录前言I. 流形上的基本运算 The ⊞\boxplus⊞ \ ⊟\boxminus⊟ \ ⊕\oplus⊕ OperationsII. 误差状态预测方程 The Equation of the Error-State Prediction1. 系统状态方程 The Equation of the System Sta原创 2023-09-08 22:47:00 · 374 阅读 · 4 评论 -
流形上的复合函数偏导数 - Notes for “Kalman Filter on Differentiable Manifolds“ - IKFoM (II)
题目: 流形上的复合函数偏导数 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM (II)文章目录前言I. 预备知识: 求导法则与链式法则II. SO(3)SO(3)SO(3) 上的复合函数求偏导一. 关于 u\mathbf{u}u 的偏导1. 第一个因子项2. 第二个因子项3. 第三个因子项4. 链式法则各项整合二. 关于 v\mathbf{v}v 的偏导1. 第一个因子项2. 第二个因子项3. 链式法则各项整合三. 小结I原创 2023-08-30 23:16:32 · 447 阅读 · 0 评论 -
流形上的运动学 - Notes for “Kalman Filter on Differentiable Manifolds“ - IKFoM (I)
流形上的运动学 - Notes for “Kalman Filter on Differentiable Manifolds” - IKFoM 的阅读记录 (I)文章目录流形上的运动学 - Notes for "Kalman Filter on Differentiable Manifolds" - IKFoM 的阅读记录 (I)前言I. About eq (12) in "Example 2: Attitude kinematics in a global reference frame"1. 姿态矩阵原创 2023-08-28 22:32:45 · 628 阅读 · 10 评论 -
Kalman 滤波最优状态估计特性的几何解读
Kalman 滤波最优状态估计特性的几何解读文章目录Kalman 滤波最优状态估计特性的几何解读I. 系统方程II. Kalman FilterIII. Hilbert SpaceIV. Orthogonal PorjectionV. Minimum Variance EstimateVI. Kalman Filter 的正交投影1. 时刻 t=0t=0t=0 的初值2. 时刻 t=n−1t=n-1t=n−1 的假设3. 时刻 t=nt=nt=n 的证明3.1. 预测推导3.2 更新推导3.3 误差协方差原创 2023-07-31 22:54:14 · 315 阅读 · 2 评论 -
IMU 误差建模 —— Notes for “Quaternion kinematics for the error-state Kalman filter“
IMU 误差建模—— Notes for “Quaternion kinematics for the error-state Kalman filter”文章目录I 误差性质1. 高斯白噪声2. 维纳过程3. 一维随机游走4. 随机游走偏差II 系统模型1. 增广状态2. 离散模型3. 积分计算4. 系统方程整理结论参考文献参考文献 “Quaternion kinematics for the error-state Kalman filter”1 完整地推导了误差状态卡尔曼滤波器 (ESKF, t原创 2023-07-13 23:17:24 · 273 阅读 · 2 评论 -
Quaternion and isoclinic rotation explaining more (四元数和等倾旋转)
Quaternion and isoclinic rotations: explaining more (四元数和等倾旋转)文章目录I 四维空间中的旋转表示II 四元数描述的三维空间中的旋转计算III. 四元数描述的三维空间中的旋转过程IV. 四元数描述的旋转矩阵的特征值V. 四元数描述的旋转矩阵的分块对角化VI. 结论参考文献借用参考文献 “Quaternion kinematics for the error-state Kalman filter” 中一小节标题 “2.8 Quaternion a原创 2023-07-03 23:22:21 · 143 阅读 · 2 评论 -
三维旋转的不同表示方法(欧拉角、旋转矩阵、四元数、指数映射、特征向量)及其等价关系(三)
三维旋转的不同表示方法 (欧拉角、旋转矩阵、四元数、指数映射、特征向量) 及其等价关系 (三)author: wzf@robotics_notes总目录⼀. 欧拉⾓相关 I. Euler angles II. 旋转矩阵 III. Euler angles 等价转换为旋转矩阵 IV. Euler angles 的⾏列式 V. 旋转矩阵等价转换为 Euler angles ⼩结⼆. 轴⾓相关 I. 向量形式的 Rodrigues’ rotation formula I原创 2023-06-26 00:02:55 · 849 阅读 · 2 评论 -
三维旋转的不同表示方法(欧拉角、旋转矩阵、四元数、指数映射、特征向量)及其等价关系(二)
三维旋转的不同表示方法 (欧拉角、旋转矩阵、四元数、指数映射、特征向量) 及其等价关系 (二)author: wzf@robotics_notes总目录⼀. 欧拉⾓相关 I. Euler angles II. 旋转矩阵 III. Euler angles 等价转换为旋转矩阵 IV. Euler angles 的⾏列式 V. 旋转矩阵等价转换为 Euler angles ⼩结⼆. 轴⾓相关 I. 向量形式的 Rodrigues’ rotation formula I原创 2023-06-25 23:58:10 · 676 阅读 · 0 评论 -
三维旋转的不同表示方法(欧拉角、旋转矩阵、四元数、指数映射、特征向量)及其等价关系(⼀)
可以发现四元数最有意识最奥妙, 李代数形式最一致, 欧拉角最直观. 最终实际应用中的编程计算都归结为旋转矩阵形式, 不管哪种表述方式最后都是一个一样的矩阵. 不同的描述可以从不同角度揭示旋转矩阵的本质特性, 给矩阵计算提供指引.旋转运动的描述还有更一般的几何代数描述的形式, 这里先不涉及.原创 2023-06-25 23:50:14 · 385 阅读 · 0 评论 -
Notes for “A micro Lie theory for state estimation in robotics“ - 公式详细推导 (IV)
### Notes for ``A micro Lie theory for state estimation in robotics’’ - (IV)[Author]: WZF@robotcis notes在下面推导笔记中,形如 =(31)\overset{(31)}==(31) 或 ⇒(31)\overset{(31)}\Rightarrow⇒(31) 意味着该步推导依据的是论文1 中 eq(31).— Let’s continue —参考"State Estimation for Robotics"原创 2023-06-06 19:33:23 · 198 阅读 · 2 评论 -
Notes for “A micro Lie theory for state estimation in robotics“ - 公式详细推导 (III)
### Notes for ``A micro Lie theory for state estimation in robotics’’ - (III)[Author]: WZF@robotcis notes文章目录IX. About eq(148) and eq(149) in "Apendix B - the 3D rotation groups S3S^3S3 and SO(3)SO(3)SO(3)"X. About "Appendix C - the 2D rigid motion grou原创 2023-06-06 19:28:22 · 317 阅读 · 1 评论 -
Notes for “A micro Lie theory for state estimation in robotics“ - 公式详细推导 (II)
Notes for “A micro Lie theory for state estimation in robotics” - (II)[Author]: WZF@robotcis notes文章目录Notes for "A micro Lie theory for state estimation in robotics" - (II)VII. About "Appendix A - the 2D rotation group S1S^1S1 and SO(2)SO(2)SO(2)"1 计算 eq原创 2023-06-06 19:22:27 · 361 阅读 · 1 评论 -
Notes for “A micro Lie theory for state estimation in robotics“ - 公式详细推导 (I)
### Notes for “A micro Lie theory for state estimation in robotics” - (I)[Author]: WZF@robotcis notes文章目录I. About "Example 6"II. About eq(46)III. About eq(68)~eq(74)IV. About eq(75)V. About eq(79)VI. About "Rodrigues rotation formula"1 对 S1S^{1}S1 的验证2 对原创 2023-06-06 19:21:20 · 542 阅读 · 3 评论