摘要: Expectation-Maximization: 最大似然估计法,根据已知样本分布的模型和观测的样本,最终得出模型的参数。 也就是:已知:(1)样本服从分布的模型(2)观测到的样本 求解:模型的参数 第一种情况:样本服从的模型都一样,只需要一种参数即可;如:样本的男生身高服从正态分布。 第二种情况 阅读全文
posted @ 2019-04-16 14:30 丁赢川 阅读(295) 评论(0) 推荐(0) 编辑
摘要: 1 base_local planner_params yaml 下面列举了导航包下config/目录下的 base_local_planner_params. yaml参数以及设定的值, 机器人在这样的设定下运行得相当好 controller_ frequency:3.0每多少秒我们需要更新一次路 阅读全文
posted @ 2019-04-14 22:15 丁赢川 阅读(3251) 评论(0) 推荐(0) 编辑
摘要: 我使用ROS建图的时候,用的是Kinect的深度信息转换成laser scan,Rviz仿真环境调用出laser scan信息的时候显示如下错误: Transform [sender=unknown_publisher] For frame [camera_depth_frame]: No tran 阅读全文
posted @ 2019-04-11 17:06 丁赢川 阅读(1183) 评论(0) 推荐(0) 编辑
摘要: 概念: 1、没有颜色的光称为单色光或无色光,单色光的唯一属性是其强度或大小。感知单色光的强度从黑色到灰色,最后到白色,所以用灰度级来表示单色光的强度,单色图通常称为灰度图像。 2、产生一副数字图像,需要把连续的感知数据转换称为数字形式,对坐标值进行数字化称为取样,对幅值数字化称为量化。对于一幅图像取 阅读全文
posted @ 2019-04-11 14:33 丁赢川 阅读(262) 评论(0) 推荐(0) 编辑
摘要: Python在子线程无线循环的过程中,如果直接ctrl+c结束程序的话,虽然程序可以结束,但是会导致子线程资源无法回收,一般情况不会有太大影响,但是使用TCP通信的时候,子线程是占用特定的端口的,在资源没有回收的情况下,再次启动程序就会报端口占用错误可以手动回收资源如下: 所以参考https://b 阅读全文
posted @ 2019-04-10 15:29 丁赢川 阅读(795) 评论(0) 推荐(1) 编辑
摘要: #!/usr/bin/env python # -*- coding: utf-8 -*- import rospy import cv2 import numpy as np from sensor_msgs.msg import Image import cv_bridge class MotionDetector: def __init__(self): ros... 阅读全文
posted @ 2019-04-09 15:32 丁赢川 阅读(866) 评论(0) 推荐(0) 编辑
摘要: #!/usr/bin/env python # -*- coding: utf-8 -*- import rospy import cv2 import numpy as np from sensor_msgs.msg import Image import cv_bridge class FaceDetector: def __init__(self): rospy... 阅读全文
posted @ 2019-04-09 15:28 丁赢川 阅读(1689) 评论(0) 推荐(0) 编辑
摘要: 安装opencv功能包: 检测指示线: 使用opencv的cvtColor()函数将RGB图像转换成HSV图像,使用numpy在HSV颜色空间中创建一个所需的色调范围,然后用inRange()函数根据色调范围生成一个二值图像。 跟踪指示线的策略:只考虑图像1/3高处的20行宽的部分,在检测的图像中心 阅读全文
posted @ 2019-04-09 15:12 丁赢川 阅读(1390) 评论(0) 推荐(0) 编辑
摘要: 1、安装的一些包 kinect用的freenect: 驱动安装好后,首先在终端输入“roscore”,启动节点,然后在新的终端输入“roslaunch freenect_launch freenect.launch”。 显示RGB图像: 方法一:rosrun image_view image_vie 阅读全文
posted @ 2019-04-09 15:04 丁赢川 阅读(2518) 评论(0) 推荐(0) 编辑
摘要: amcl原理: amcl将激光传感器数据与从地图预估的传感器数据相比较,给出可能的位姿。如果传感器数据和某个候选位姿处的预测数据相同,amcl就会给这个位姿一个较高的概率,反之,就会降低这个概率。概率较低的位姿就会被删除,替换成与现存的较高概率位姿相接近的位姿。随着时间的推进,候选位姿就会聚集在真实 阅读全文
posted @ 2019-04-09 14:42 丁赢川 阅读(996) 评论(0) 推荐(0) 编辑