![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
一点数学
文章平均质量分 79
晓晨的博客
这个作者很懒,什么都没留下…
展开
-
FAST-LIO论文阅读
FAST-LIO是港大MaRS实验室在2021年提出的一个紧耦合迭代扩展卡尔曼滤波高计算效率、高鲁棒性的雷达里程计。影响深远,后续又陆续提出了FAST-LIO2以及Faster-LIO等框架。下面,我们简单了解一些论文中的各个模块及其处理流程。原创 2023-05-28 15:48:40 · 3105 阅读 · 2 评论 -
多激光雷达手眼标定
如上图中所示,存在一个世界坐标系G,点PPP在世界坐标系中的坐标为PGP_GPG。在t1t_1t1时刻,激光雷达A与激光雷达B分别观测到点PPPPA1P_{A1}PA1PB1P_{B1}PB1。在t2t_2t2时刻,激光雷达A与激光雷达B分别观测到点PPPPA2P_{A2}PA2PB2P_{B2}PB2。在t1t_1t1时刻,激光雷达A与激光雷达B分别到全局坐标系GGG。原创 2023-05-20 11:08:35 · 876 阅读 · 0 评论 -
箱状图理解
箱形图(英文:Box plot),又称为盒须图、盒式图、盒状图或箱线图,是一种用作显示一组数据分散情况资料的统计图。其于1977年由美国著名统计学家约翰·图基(John Tukey)发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。原创 2023-02-15 15:49:01 · 6975 阅读 · 0 评论 -
最优化方法(最速下降、牛顿法、高斯牛顿法、LM算法)
前言最优化方法应用广泛,但在实现原理上大同小异。作者在学习高翔博士的视觉SLAM十四讲的过程中对其第六章非线性最小二乘求解所涉及到的最优化方法(梯度下降、牛顿法、高斯牛顿法、LM算法)进行了简要总结如下:梯度下降(最速下降法/一阶导数法)...原创 2021-11-02 16:01:18 · 4951 阅读 · 2 评论 -
点云配准-ICP算法记录
原文链接:三维点云配准 – ICP 算法,文章中详细描述了ICP算法通过SVD分解的求解方法原创 2021-10-30 09:59:13 · 208 阅读 · 0 评论 -
RANSAC算法理解
RANSAC(RAndom SAmple Consensus,随机采样一致)算法在很多方面如图像匹配、曲线/平面拟合取得了良好的应用。这里以笔记的形式对其进行一个简要的介绍总结。RANSAC算法的一个基本的假设是:一组数据由“内点”(inliers)和“外点”(outliers)组成,其中“内点”就是组成模型参数的数据,而“外点”就是不适合模型的数据。RANSAC算法的目标就是在一组含有少量“内点”,大量“外点”的数据中,估计出一个符合“内点”数据的模型。RANSAC算法基本思想假设存在一原创 2021-10-29 10:58:08 · 1143 阅读 · 0 评论 -
扩展卡尔曼滤波理解
目录前言线性化存在问题其他改进方法前言我们在博客卡尔曼滤波详细推导中以匀速行驶的小车以及引入加速度之后的非匀速行驶小车为例,介绍了卡尔曼滤波的推导过程,总结了五条公式用于卡尔曼滤波过程中的预测和更新,并讨论了卡尔曼增益KKK在其中的作用。但是,我们实际生活中所遇到的问题并不一定都能够通过一个简单的线性模型进行描述,而更多的是非线性模型。那么此时如果我们还是想通过卡尔曼滤波算法来优化估算状态量该怎么做呢?这就引入了扩展卡尔曼滤波。扩展卡尔曼滤波能够应用于非线性高斯系统线性化现在我们考虑另外一个原创 2021-10-27 21:59:40 · 2379 阅读 · 0 评论 -
卡尔曼滤波详细推导
虽然卡尔曼滤波作为一种经典的算法在多源数据融合、slam后端优化等很多方面都取得了较好的应用,但是我们经常都会有一个疑问,卡尔曼滤波到底是什么呢?简要的说:“卡尔曼滤波是一种优化估算算法”其可以适用于线性高斯系统,如果我们考虑非线性系统则可以考虑扩展卡尔曼滤波其可以解决两个问题:状态如何在无法被直接测量的情况下,进行估算系统的状态。如何在数据源存在噪声的情况下,通过卡尔曼滤波估计系统的状态。(比如说惯导、轮式里程计、GNSS三种传感器数据均存在误差,且频率不一,如何融合三种数据源进行精确的估原创 2021-10-26 23:11:13 · 511 阅读 · 0 评论 -
最速下降法解析(理解笔记)
我们在高中或本科时期就了解到:当函数存在解析形式且容易进行求导(f(x)f(x)f(x)在最优点 x∗x^*x∗附近可微),那么 x* 是局部极小点的必要条件为: df(x∗)=0df(x^*)=0df(x∗)=0。然而,并不是所有的函数都容易求导,或者求导之后进行计算。所以引出了一系列基于最小二乘的优化算法如:“最速下降法、梯度下降法、牛顿法、高斯牛顿法、LM算法”。下面简单记录一下基本的最小二乘法步骤及实例。最速下降法简要介绍:第一步,选取一个迭代的初始值,设置迭代终止的阈值,第一次迭代k=原创 2021-09-23 20:52:20 · 23076 阅读 · 3 评论