Category

 小孩才做选择 我全都要 

目录 - ALL

在服务器部署Wordpress    用Docker部署Pantheon    Wordpress数据库    Wordpress实用插件    Elasticsearch    LabView    Smart Sensing    域名解析和托管设置    B站视频相关API    自然语言处理    游戏制作入门    机器人学中的状态估计    计算机体系结构    Safety for Automated Driving    唤醒 矩阵运算      

机器人学中的状态估计

机器人学中的状态估计-06

K5 - 偏差,匹配和外点

Estimation Machinery K5 Biases, Correspondences and Outliers 1 偏差 假设一个带有偏差的系统: BLUE 无偏:多次取样后,the mean of the estimator will converge to the true value that we want to estimate. 一致:...

机器人学中的状态估计-05

K4 - NLNG系统下Batch

Estimation Machinery K4 Nonlinear Non-Gaussian Estimation-2 上回总结 Recursive Discrete-Time Estimation 上回的滤波算法是由贝叶斯滤波推导而来,推导的过程中使⽤了马尔可夫假设来实现其递归形式。马尔可夫假设的问题在于,⼀旦估计器建⽴在该假设上,我们就⽆法摆脱它。这是⼀个不能克服的,根...

机器人学中的状态估计-04

K4 - NLNG系统下Recursive Filter

Estimation Machinery K4 Nonlinear Non-Gaussian Estimation-1 上回总结 定义问题 LG系统下 批量方法Smoother -> 批量处理方法的 MAP & 贝叶斯 得到同一个方程 (MAP是模,贝叶斯是均值) -> Cholesky分解解方程HWH=LL 前向后向 得到一些关于L的迭代方...

机器人学中的状态估计-03

K3 - LG系统下Recursive Filter

Estimation Machinery K3 Linear-Gaussian Estimation - 2 上回小结 K3主要分析 线性高斯系统(LG) 首先将LG系统抽象为运动方程和观测方程 So 目的是求解: 系统状态 x, 即 $\hat{x}$ 后验的协方差和均值。 首先从两种角度入手 分别是 最大后验概率估计MAP 和 贝叶斯推断Bayesian inferenc...

机器人学中的状态估计-02

K3 - LG系统下Batch/Smoother

Estimation Machinery 分成了 线性高斯系统(LG) 和 非线性非高斯(NLNG) 系统 分别在K3 K4分析。 这一页主要涉及LG系统下,通过MAP和贝叶斯推断,以及Cholesky smoother和RTS smoother 详细求解运动方程及观测方程的过程。 K3 Linear-Gaussian Estimation - 1 3.1 Batch...

机器人学中的状态估计-01

K2 - 基础概率论

Robotics inherently deals with things that move in the world. Introduction Common Issues in applications: State estimation State: a set of quantities (position, orientation, ve...