FangLai

摘要： 定义： 2D单应：给定图像$\mathbb{P}^{2}$中的特征点集$\mathbf{x}_i$和另一幅图像在$\mathbb{P}^{2}$ 中对应的特征点集$\mathbf{x}_{i}^{'}$， 将$\mathbf{x}_i$映射到$\mathbf{x}^{'}_{i}$的射影变换。在实际 阅读全文

摘要： 定义：slam中的三角测量指通过不同位置观测一个三维空间中特征点的夹角，从而测得点的深度值；同理亦可通过三角化恢复二维特征点的三维坐标，单目情况下由于平移t尺度的不确定性只能恢复相对三维坐标。 考虑图像 I1 和 I2，以左图为参考，右图的变换矩阵为 T。相机光心为 O1 和 O2。在 I1 中有特 阅读全文

摘要： 简述 在计算H 或者 F矩阵的时候需要对特征点进行坐标变换，称之为归一化。 原因 前辈发现计算单应矩阵时变换特征点的坐标会得到更好的效果，包括坐标的平移和尺度缩放，并且这一步骤必须放在DLT之前。DLT之后再还原到原坐标系。 书本指出归一化与条件数确切的说是DTL矩阵A的第一个和倒数第二个奇异值的比 阅读全文

摘要： 定义：信息熵是用来描述某个事情发生概率所带来的信息量（影响） 描述： 我们倾向于认为加法比乘法友好，简单 独立事件x,y 发生的概率 P(x,y)=P(x)P(y) 两边取对数-> lnP(x,y)=lnP(x) + lnP(y) 我们认为可能性小的事情发生带来的信息量会更大，比如中国男足取得世界冠 阅读全文

摘要： 贝叶斯滤波器是一种比较简单的滤波方法，分为预测和修正两部分。 推导 xt 为当前机器人状态变量，zt为当前传感器对状态的观测变量，ut为当前对机器人状态的控制变量。 利用条件概率公式(conditional probability)，将当前机器人状态 由原来的整个样本空间缩小到了给定的z1:t , 阅读全文

摘要： 麦克纳姆轮运动学分析 是最常见的安装方式 麦轮底盘的正逆运动学模型 以O-长方形的安装方式为例，四个轮子的着地点形成一个矩形。正运动学模型（forward kinematic model）将得到一系列公式，让我们可以通过四个轮子的速度，计算出底盘的运动状态；而逆运动学模型（inverse kinem 阅读全文

摘要： 早期SLAM的优化方式一般用滤波器,计算资源少,适合小场景,计算资源不足的场合. 状态估计 将路标和位姿写在一起 $\boldsymbol{x}_{k} \triangleq\left\{\boldsymbol{x}_{k}, \boldsymbol{y}_{1}, \ldots, \boldsym 阅读全文

摘要： 定义 本质矩阵是归一化图像坐标下的基本矩阵的特殊形式 E=t^R 性质 一个 3X3 矩阵是本质矩阵的充要条件是它的奇异值中有两个相等而第三个是 0 证明： 正交矩阵$W=\begin{bmatrix}1&-1&0\\1&0&0\\0&0&1\end{bmatrix}$ 反对称矩阵$Z=\begin 阅读全文