机器人运动估计系列（番外篇）——从贝叶斯滤波到卡尔曼（中）上一篇文章里介绍了贝叶斯滤波的理论框架，知道了贝叶斯滤波假设了机器人的状态服从某个概率分布，并且知道了如何利用Bayes公式对其概率分布更新。然而，前面的内容仅仅是介绍了其完美的数学原理，实际计算起来却并不适用。在这篇文章中，就将介绍如何通过一系列假设去简化贝叶斯滤波的计算过程。我们将介绍卡尔曼滤波器、扩展卡尔曼滤波器以及无迹卡尔曼滤波

# 机器人运动估计系列（番外篇）——从贝叶斯滤波到卡尔曼（下）前面两篇文章里首先介绍了贝叶斯滤波的理论框架，之后对机器人模型做了线性高斯假设，推出了卡尔曼滤波的迭代方程组。在这篇文章中，就将进一步介绍当机器人模型为非线性时该如何使用贝叶斯滤波。我们将介绍扩展卡尔曼滤波器以及无迹卡尔曼滤波器的由来。《贝叶斯滤波与平滑》，作者：希莫·萨日伽，译者：程建华等。英文原版：《Bayesian

机器人运动估计系列（一）——基础介绍作为航空航天类专业毕业，马上要入机器人坑、直博坑的小本科生，要来写这样一个系列的文章，我感到诚惶诚恐。不过，人还是得有一些追求的，写这样一系列文章很难，但是相信对我自己的提升也会不少。当然，作为一名资深小白，出点错误、理解得不透彻的情况很有可能会在这个系列的文章中屡屡出现，到时候还望各位看官不吝赐教。当然，我也将会在未来的学习过程不断勘误。什么是机器人的运动估计

一阶贝塞尔曲线（包含两个控制点）假设控制点为P0P_0P0​和P1P_1P1​，曲线方程为：B(t)=(1−t)P0+tP1=P0+(P1−P0)t\begin{aligned}B(t)&=(1-t)P_0+tP_1\\&=P_0+(P_1-P_0)t\end{aligned}B(t)​=(1−t)P0​+tP1​=P0​+(P1​−P0​)t​其中t∈[0,1]t...

惯性张量是什么？惯性张量是用于描述刚体转动惯性的一个量，并且它是一个矩阵。它通常表示为：I=[IxxIxyIxzIyxIyyIyzIzxIzyIzz]I=\left[\begin{array}{lll}I_{x x} & I_{x y} & I_{x z} \\I_{y x} & I_{y y} & I_{y z} \\I_{z x} & I_{...

Hello，欢迎来到我的博客这篇博客是关于ROS下使用OpenCV遇到的问题的解决方法，而今天这个问题更为特殊，是在ROS下使用OpenCV的detect功能（如HOG-SVM）时会遇到的。1 问题描述本文的操作环境系统：Ubuntu 18.04ROS版本：melodicOpenCV版本：3.4.3Python版本：3.6IssueOpenCV Error: Bad argument (Unkno

Hello，欢迎来到我的博客我们在ROS工作空间下编程时，可能会出现这一种情况：我们在一个package下写了一个库，而在另一个package要引用这个库这个时候该怎么处理呢？这篇文章就会告诉你。ROS工作空间编译库文件的方法这个相信大家都不陌生，只要在CMakeLists.txt文件中，加入如下命令即可：add_library(${library_name} ${library_source_f

ROS中订阅（Subscribe）最新消息以及对消息队列的浅谈机器人应用中难免会遇到运算起来很费时间的操作，比如图像的特征提取、点云的匹配等等。有时候，不可避免地，我们需要在ROS的Subscriber的Callback回调函数中进行这些费时的操作。Subscriber所订阅的消息的发布频率可能是很高的，而这些操作的运算速度肯定达不到消息发布的速度。所以，如果我们要是没有取舍的对于每个消息都调..

《Modern Robotics》阅读笔记6——前向运动学前向运动学（Forward Kinematics）是《Modern Robotics》一书的第三章，这章主要介绍的内容就是如何基于旋量理论使用PoE（Product of Exponentials）形式求解机器人的前向运动学。有了之前对于旋量理论的了解，这一章的内容非常简单。前向运动学：描述的是从关节角（关节平移）到机器人末端位姿的映射..

ROS中使用Python3的注意事项1 所有操作步骤1.1 首先，强烈建议搭建一个只包含Python3虚拟环境，这样不会有各种各样的导入包产生的报错，也可以避免把你的ROS搞挂，roscore运行不起来。这一步请参考：Python–Virtualenv简明教程1.2 其次，安装一系列ROS用到的包的Python3版本，这里包括catkin，rospkg，tf等等。这些是非常常用...