摘要：
Susan边缘检测，方法简单，效率高，具体参照 The SUSAN Edge Detector in Detail， 修改dThreshold值，可以改变检测效果，用参照提供的重心法、力矩法可得到边缘方向； 并行的方法： 示例下载（除Susan 方法之外的代码来自https://softwareby
阅读全文
posted @ 2016-10-18 18:11
Sam-Hsueh(薛瑞雷)
阅读(868)
推荐(0)
编辑
摘要：
1 /// 2 /// 六关节机器人雅可比矩阵 3 /// 4 /// 每个关节的a,d值构成的数组列表，如GSK RB8：{{150,0},{560,0},{155,0},{0,630},{0,0},{0,155}} 5 /// 每个关节的角度值数组 6 /// 6X6矩...
阅读全文
posted @ 2016-10-12 15:21
Sam-Hsueh(薛瑞雷)
阅读(2264)
推荐(1)
编辑
摘要：
1 /// 2 /// 六关节机器人逆运算 3 /// 4 /// 末端姿态及位置 5 /// 每个关节的a,d值构成的数组列表，如GSK RB8：{{150,0},{560,0},{155,0},{0,630},{0,0},{0,155}} 6 /// 第5轴是否为负值 ...
阅读全文
posted @ 2016-10-12 13:44
Sam-Hsueh(薛瑞雷)
阅读(1145)
推荐(0)
编辑
摘要：
网上关于六关节机器人运动学的资料很多，部分资料在坐标系法则上或是计算数据上存在错误，下面整理的程序已通过验证。 根据Denavit-Hartenberg方法：（Rot(z,θ)Trans(a,0,d)Rot(x,α) 另一种计算形式： 由第一种方式得到的六关节矩阵： 则：
阅读全文
posted @ 2016-10-12 12:43
Sam-Hsueh(薛瑞雷)
阅读(2600)
推荐(1)
编辑
摘要：
机器人末端的微分运动，可以通过雅可比矩阵(导数矩阵)投射到每个关节的角度上，即： [D] = [J][Dθ] [D]:末端的位置、转角微分矩阵；[J]：雅可比矩阵；[Dθ]为各关节的角度微分矩阵；如果两端除以时间微分(扫描周期)，就可以由末端速度计算出关节角速度；对于三关节及以下的情况，[D]只需要
阅读全文
posted @ 2016-10-09 15:54
Sam-Hsueh(薛瑞雷)
阅读(950)
推荐(0)
编辑
摘要：
(Windows) 用 pip install --Upgrade pip进行自升级不成功，执行至卸载完再安装时出错，最后还是用get_pip.py解决了！
阅读全文
posted @ 2016-10-08 17:11
Sam-Hsueh(薛瑞雷)
阅读(222)
推荐(0)
编辑
摘要：
对于一般多项式： K为多项式最高项次，a为不确定的常数项，共k+1个; 有离散数据集对应,其方差： β为,方差函数S对β自变量第j个参数的梯度(偏导数): 当以上梯度为零时，S函数值最小，即： 中的每个每个偏导数构成一个等式： ... 则： ... 变为矩阵形式： 这样就变成线性方程求解形式，可用高
阅读全文
posted @ 2016-10-08 16:27
Sam-Hsueh(薛瑞雷)
阅读(2005)
推荐(0)
编辑
摘要：
http://bilgin.esme.org/BitsAndBytes/KalmanFilterforDummies C#代码: 经多次迭代，p值得到很好收敛，是不是很简单，但实际使用还需要完善模型，调整速度、加速度、测量噪声等参数！
阅读全文
posted @ 2016-10-05 11:39
Sam-Hsueh(薛瑞雷)
阅读(761)
推荐(0)
编辑
摘要：
三、高斯牛顿法(Gauss-Newton)，列文伯格-马奎尔特法(Levenberg-Marquardt) 下面是离散数据样本集的最小化函数，高斯牛顿算法就是通过迭代发现以下此函数的最小值: 依据高斯牛顿算法，对于直线函数，β为自变量参数矩阵[a,b]： δ为自变量a,b梯度矩阵, Jf为f(Xi,
阅读全文
posted @ 2016-10-03 15:46
Sam-Hsueh(薛瑞雷)
阅读(3110)
推荐(1)
编辑
摘要：
一、最小二乘法(Least Squares)： 假设样本集单个样本的线性函数为： 为解二元一次方程中的a,b，给上式两边乘以xi得到(也可以两边乘yi)： 方程组： 解样本集方程组： 矩阵形式： 对矩阵 求逆： 则： 1 public static void LeastSquare(List<Poi
阅读全文
posted @ 2016-09-29 19:19
Sam-Hsueh(薛瑞雷)
阅读(1693)
推荐(0)
编辑
