changshen_xu-CSDN博客

首先，明确在系统初始化阶段可以利用的已知量，以及待求解的未知量。已知：1.各帧相对于第0帧的位姿Rc0ci,tc0ciR_{c_0c_i},t_{c_0c_i}Rc0ci,tc0ci；（根据SfM求得）2.各相邻帧之间的位姿变化Rbkbk+1,tbkbk+1R_{b_kb_{k+1}},t_{b_kb_{k+1}}Rbkbk+1,tbkbk+1；（根据IMU的预积分求...

2019-08-18 16:28:58 718 1

原创经常使用的Matlab命令汇总

Make it work还不够，读成型的工具箱的代码会发现，代码简洁且容错性好。有必要了解语言的更恰当的使用方式。

2019-08-15 11:46:22 336

原创小题目

1.已知两个相机视角V1,V2V_1,V_2V1,V2，其内外参数分别为[K1,R1,T1][K_1,R_1,T_1][K1,R1,T1]，[K2,R2,T2][K_2,R_2,T_2][K2,R2,T2]。又已知P1=R1P+T1P_1=R_1P+T_1P1=R1P+T1为世界坐标系下某三维点的坐标PPP投影到相机视角V1V_1V1下的结果（相机坐标系坐标）。问在V...

2019-08-15 09:33:09 462

每个矩阵AAA都可以表示为一系列秩为1的“小”矩阵的和，而奇异值则是“小”矩阵前的权重，衡量了某个“小”矩阵对于AAA的权重。特征值分解和奇异值分解的区别所有的矩阵都可以进行奇异值分解，而只有方阵才可以进行特征值分解。当所给的矩阵是对称的方阵，A(T)=A，二者的结果是相同的。也就是说对称矩阵的特征值分解是所有奇异值分解的一个特例。但是二者还是存在一些小的差异，奇异值分解需要对奇异值从大到小的...

2019-08-13 15:47:34 327

原创 On the Comparison of Gauge Freedom Handling in Optimization-based Visual-Inertial State Estimation

基于优化的视觉-惯性状态估计系统中，规范自由度处理方法的（Gauge Freedom Handling）比较？摘要众所周知，视觉-惯性状态估计系统 is possible up to a 四自由度（DoF）变换（沿重力的旋转和平移），并且额外的DoF（“规范自由度”）必须正确处理。尽管多种不同的处理规范自由度的方法已经在实践中得到了使用，但目前还没有研究来系统地分析这些方法的差异。在本文中，我...

2019-08-09 20:55:41 1053

原创边际概率的信息矩阵（二）

【符号约定】随机变量X=[XmT,XrT]T\Chi=[\Chi^T_m,\Chi^T_r]^TX=[XmT,XrT]T；下标m,rm,rm,r：分别表示margin, reserve；Σ,Λ\Sigma,\LambdaΣ,Λ：分别表示协方差矩阵、信息矩阵；p(X)=p(Xm,Xr)p(\Chi)=p(\Chi_m,\Chi_r)p(X)=p(Xm,Xr)，表示联合概率；p(Xr...

2019-08-08 20:40:23 385

原创舒尔补加速方程求解

(1)[HppHplHlpHll][ΔXpΔXl]=[bpbl][I−HplHll−10I][HppHplHlpHll][ΔXpΔXl]=[I−HplHll−10I][bpbl][Hpp−HplHll−1Hlp0HlpHll][ΔXpΔXl]=[bp−HplHll−1blbl]\begin{aligned} \begin{bmatrix} H_{pp} & H_{pl} \\ H_...

2019-08-08 20:08:08 666

原创杂记（待分类）

线外一点到直线的距离有一条直线LLL（其方向向量为s⃗\vec{s}s，MMM为直线上一点）和直线外一点M0M_0M0，求证：点M0M_0M0到直线LLL的距离为d=∣M0M⃗×s⃗∣∣s⃗∣d=\frac{|\vec{M_0M}\times \vec{s}|}{|\vec{s}|}d=∣s∣∣M0M×s∣证明：向量的叉乘的（大小的）几何含义为：∣M0M⃗×s⃗∣=∣M0M⃗∣⋅...

2019-08-03 23:52:53 136

原创 BA问题理论及仿真验证

BA问题：已知n个相机位姿（估计值），m个特征点世界坐标系坐标（估计值）和第j个特征点在第i个相机中像的像素坐标（观测值）；目标是求解使重投影误差最小化的相机位姿和特征点坐标。【符号约定】待估计状态：X=[ξ1,ξ2,⋯ ,ξn,P1w,P2w,⋯ ,Pmw]\Chi=[\xi_1,\xi_2,\cdots,\xi_n,P^w_1,P...

2019-07-31 23:44:01 571 1

原创边际概率的信息矩阵

2019-07-28 23:01:46 519

原创贝叶斯公式与最小二乘

【定义】随机变量：X,r\Chi,rX,r（均为矢量）概率密度函数：p(X)p(\Chi)p(X)表示随机变量X\ChiX的PDF，它表征了X\ChiX在所有状态上的可能性（likelihood）；条件概率密度函数：p(r∣X)p(r|\Chi)p(r∣X)表示给定X\ChiX下随机变量rrr的PDF。【实例化】随机变量X\ChiX表示系统的状态（含系统噪声），随机变量rrr表示量测（...

2019-07-27 20:02:39 882

原创 LM算法参数优化实例——残差函数、雅可比矩阵

【目标】：使用LM算法估计y=exp(at2+bt+c)y=exp(at^2+bt+c)y=exp(at2+bt+c)参数a, b, c。已知量：ttt及与之对应的含有噪声的量测值y^\hat{y}y^；同时，模型已知（仅未知参数）。仿真数据生成取参数为a=1.0, b=2.0, c=1.0 double a=1.0, b=2.0, c=1.0; // 真实参数值 ...

2019-07-26 20:18:54 5797 2

原创 VINS后端优化损失函数

状态向量VINS后端优化的状态向量X=[x0,x1,⋯ ,xn,xcb,λ0,λ1,⋯ ,λm]\Chi = \begin{bmatrix}x_0, x_1,\cdots,x_n,x^b_c,\lambda_0,\lambda_1,\cdots,\lambda_m\end{bmatrix} X=[x0,x1,⋯,xn,xcb,λ...

2019-07-25 17:39:16 515

原创 IMU残差函数及雅可比公式推导（二）

IMU残差函数及雅可比公式推导（一）

2019-07-18 16:58:30 761

原创 IMU残差函数及雅可比公式推导（一）

第一部分：残差函数约定符号：IMU的真实值：ωb,ab\omega^b,a^bωb,abIMU的测量值：ω~b,a~b\tilde{\omega}^b,\tilde{a}^bω~b,a~b某个时刻ttt，二者的关系：ω~tbt=ωtbt+btg+ntga~tbt=atbt+bta+nta=qbtw(atw+gw)+bta+nta\begin{aligned}\tilde{\omega}...

2019-07-18 09:39:10 2144 1

原创视觉残差函数及雅可比公式推导

约定：特征点在相机坐标系下的坐标为[x,y,z]T[x,y,z]^T[x,y,z]T；特征点在归一化相机坐标系下的坐标为[μ,ν,1]T[\mu,\nu,1]^T[μ,ν,1]T或[μ,ν]T[\mu,\nu]^T[μ,ν]T特征点的这两种坐标之间的关系：[xyz]=1λ[μν1]\begin{bmatrix} x\\ y\\ z \end{bmatrix}=\frac{1}{\lamb...

2019-07-17 11:39:51 2420 1

inertialAlign.rar

该程序资源为3种惯导系统的初始对准方法C语言实现。 aligni0.c和aligni0.h文件用于实现惯性系双矢量粗对准算法；alignsb.c和alignsb.h文件用于实现传统解析粗对准算法；alginWahba.c和alignWahba.h文件用于实现惯性系优化粗对准算法。程序中编写的核心函数、功能子函数的作用、输入输出参数等信息均已展示在所在的.h文件中。 glv.h中定义的程序所使用的全局变量。 inertialAlign.c中编写了main函数，执行了读入数据、调用算法、显示结果的流程。

2020-07-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

inertialAlign.rar

数据结构代码.docx

数据结构代码.pdf

裘宗燕（北大）+数据结构与算法python描述（高清扫描）+（各章PPT）+源代码

matlab程序源码--基于Lorenz63模型测试SCKF滤波算法

matlab程序源码--基于Lorenz63模型测试CKF滤波算法

matlab程序源码及报告word版--基于小波包分析和神经网络的滚动轴承故障诊断

自适应控制算法-matlab编程实现

空空如也