xyz599的博客

PowerBA新颖点在于提高上式（12）中dX_p= S_{-1}*(-b)的计算效率。提高原理：如下所示：将矩阵的求逆计算转换为矩阵的乘加计算。

1、标定系列一 | 机器人手眼标定的基础理论分析https://zhuanlan.zhihu.com/p/931837882、标定系列二 | 实践之Camera-Odometry标定https://zhuanlan.zhihu.com/p/1017271513、Camera-2dLidar标定https://blog.csdn.net/heyijia0327/article/details/850009434、2d Laser 和 Odomter 内外参数标定工具原理及使用方法h

1、同一数据集，多次训练出的结果存在差异；2、voc.size（）返回的结果时父节点数量，而不是 子节点（单词）数量；3、没有提供子节点（单词）的结果、词典层数的接口；4、单词的ID ，存在单词Id 大于总单词数的问题5、fBow a=transform（cv::Mat）; 与 tranform（cv::Mat,int,fBow a,fBow2 b）; 运行出的 a 中 单词权重不一致；修复：https://github.com/xyz599/fbow-mod...

DWA算法主要原理是结合移动机器人的运动模型，在速度窗口集合中（v,w）遍历线速度、角速度，模拟计算这些速度在一定时间内的运动轨迹，在通过评价函数对轨迹进行评分，评分最高的为当前下发给扫地机运行的线速度和角速度。运动模型如下：...

我们遇到的大多数是一些实际的问题，这门课是我们学校数学学院开的，原教材里讲了很多原理推导，我这儿就不再累述了，直接讲算法的框架和运用。(1)优化算法的目的是：min f(xk+p)，pk为下降方向。 f(xk+p)可以用泰勒公式展开为 （2）其中tao 的求法    if p_u'*p_u > pars

amcl运用在地图地位中的算法（见Probabilistic Robotics ）再熟悉源码的时候需要弄清楚几个结构体所包含

转载自点击打开链接1. graph_slam 学习      关于graph-slam的学习详细参照教材> 2005版     第11章       图优化实际上是解一种非线性最小二乘问题，主要用于离线的slam优化，也有用在在线的方式的。 最小二乘解决的就是偏差全局最小的问题，再在原基础量上叠加最小偏差量即为最优量。 图优化将问题全部抽象成 node(点)与edge（边）

梯度下降法博客分类：数学与计算 一、基本概念梯度下降法，就是利用负梯度方向来决定每次迭代的新的搜索方向，使得每次迭代能使待优化的目标函数逐步减小。梯度下降法是2范数下的最速下降法。最速下降法的一种简单形式是：x(k+1)=x(k)-a*g(k),其中a称为学习速率，可以是较小的常数。g（k）是x(k)的梯度。二、导数(1)定义 设有定义域和取值都在实数域

平时经常看到牛顿法怎样怎样，一直不得要领，今天下午查了一下维基百科，写写我的认识，很多地方是直观理解，并没有严谨的证明。在我看来，牛顿法至少有两个应用方向，1、求方程的根，2、最优化。牛顿法涉及到方程求导，下面的讨论均是在连续可微的前提下讨论。 1、求解方程。并不是所有的方程都有求根公式，或者求根公式很复杂，导致求解困难。利用牛顿法，可以迭代求解。原理是利用泰勒公式，在x0处展开，

转自点击打开链接什么是最优化，可分为几大类？答：Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析、最优设计、机械或电子设计等等。根据求导数的方法，可分为2大类。第一类，若f具有解析函数形式，知道x后求导数速度快。第二类，使用数值差分来求导数。根据 使用模型不同，分为非约

协方差的意义和计算公式（http://www.cnblogs.com/ywl925/archive/2013/07/24/3210822.html）如何通俗易懂地解释「协方差」与「相关系数」的概念？（https://www.zhihu.com/question/20852004）