1、角度和弧度之间的转换公式？ 设角度为 angle，弧度为 radian radian = angle * pi / 180; angle = radian * 180 / pi; 所以在matlab中经常设置一个参数，用于角度与弧度之间的转换：deg_rad=0.01745329252e0; 2 ...
分类：
其他好文 时间：
2018-06-08 14:08:17
阅读次数：
272
根据我们的当前的估计和他的方差（mean1,bar1），以及运动及其不确定性(mean2,var2)，然后计算更新后的预测、平均数和方差 ...
分类：
其他好文 时间：
2018-05-02 19:18:38
阅读次数：
155
回顾一下之前的内容，我们知道有一个测量更新和一个运动更新（预测）。 运动更新通过全概率或者一个加法来完成，我们已经解决了比较复杂的情况。 我把它解决了 ，并得出了公式。 并且也用代码实现了这一步。 运动部分不想深入，这是非常简单的一步，让我们写下来。假设你活在这样一个世界里，中心点，这是你对自己所在 ...
分类：
移动开发 时间：
2018-05-02 18:10:12
阅读次数：
232
假设我们有一个先验概率在坐标的起始处，然后有一个测量概率离他比较远，然后他们有同样的方差。 请问新的平均值在哪？ 答案是在正中间，因为这两个方差是一样的. 下面的问题比较难。 上面蓝色 红色 绿色 那个是更新后的方差？ 答案是更加陡峭的绿色心线 ...
分类：
其他好文 时间：
2018-05-02 17:31:02
阅读次数：
142
https://blog.csdn.net/baidu_21807307/article/details/51843079 这位博主关于卡尔曼滤波器的描述非常生动而详细，讲解很到位，这里我再加一些个人的理解。 文章中关于卡尔曼滤波器模型的描述比较少，我说说我的理解。其中的两条公式，第一条对应了温度估 ...
分类：
其他好文 时间：
2018-04-17 22:21:46
阅读次数：
167
摘要——本文提出了一种单目视觉惯性测距算法，该算法直接利用图像块的像素灰度误差，实现了精确的跟踪性能，同时具有很高的鲁棒性。在检测后，对多层图像块特性进行跟踪与底层扩展卡尔曼滤波(EKF)紧密耦合，通过在更新步骤中直接使用灰度误差作为更新项。我们遵循一种纯粹的测量方法，，3D地标的位置总是以当前摄像 ...
分类：
其他好文 时间：
2018-04-09 23:19:52
阅读次数：
322
这一章将介绍卡尔曼滤波、扩展卡尔曼滤波以及无迹卡尔曼滤波，并从贝叶斯滤波的角度来进行分析并完成数学推导。 ...
分类：
其他好文 时间：
2018-03-26 20:50:50
阅读次数：
193
版权声明：本文为博主原创文章，未经博主允许不得转载。 本系列文章旨在总结主流视觉SLAM算法的框架，对比各个算法在子模块的差异，最终提炼出融合各个算法优点的架构。 PTAM[1]是视觉SLAM领域里程碑式的项目。在此之前，MonoSLAM[2]为代表的基于卡尔曼滤波的算法架构是主流，它用单个线程逐帧 ...
分类：
编程语言 时间：
2018-02-11 19:47:52
阅读次数：
1111
MoNoSLAM：https://github.com/hanmekim/SceneLib2 以扩展卡尔曼滤波为后端，追踪前端非常稀疏的特征点，以相机的当前状态和所有路标点为状态量，更新其均值和协方差。 优点：在2007年，随着计算机性能的提升，以及该系统用稀疏的方式处理图像，使得该方案使得SLAM ...
分类：
其他好文 时间：
2018-01-05 12:31:45
阅读次数：
155
robot_pose_ekf是ROS Navigation stack中的一个包，通过扩展卡尔曼滤波器对imu、里程计odom、视觉里程计vo的数据进行融合，来估计平面移动机器人的真实位置姿态，输出odom_combined消息。robot_pose_ekf只适用于平面上的轮式移动机器人，因此odo ...
分类：
其他好文 时间：
2017-12-30 19:05:11
阅读次数：
1744
