logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

SLAM基础——滑动窗口中的三角测量

前言:简单的三角化  理想情况下,两张图像中关联的同一个三维特征点 P\ P P 满足下述方程:{s2x2=Ps1R21x1+t21=Ps2x2=s1R1x1+t1 \left\{\begin{aligned}s_2x_2 =P \\s_1R_{21}x_1 + t_{21}=P\\\end{aligned}\right.\\s_2x_2 =s_1R_1x_1 + t_1\\{

#线性代数
SLAM基础——卡尔曼滤波(一)

  虽然如今的SLAM/VIO已经不太可能再使用卡尔曼滤波作整体的紧耦合优化,但其分析问题的思想却深深影响着现如今基于优化的方法,同时读完《State Estimation for Robotics》后发现之前早期的理解很不到位,导致在之前做扫地机器人时Kalman模块对精度并没有什么影响。所以写下这篇文章加以总结。文章将先从理论推导说起,然后实现基于卡尔曼滤波的鼠标跟踪(c++)。贺博之前实现了

#人工智能#算法
SLAM基础——卡尔曼滤波(二)

Kalman滤波实现鼠标跟踪 首先根据opencv库定义好kalmanTrack的使用类xk=Ak−1xk−1+Bvk+wkyk=Ckxk+nkx_{k} = A_{k-1}x_{k-1} + Bv_{k} +w_{k}\\y_{k} = C_{k} x_k + n_{k}\\xk​=Ak−1​xk−1​+Bvk​+wk​yk​=Ck​xk​+nk​x0∼N(x0ˇ,P0ˇ)wk∼N(0,Qk)n

#c++
到底了