<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dok22260的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dok22260</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dok22260]]></copyright><item><title><![CDATA[DLT（Direct Linear Transform）算法]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346571</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346571</guid><author>dok22260</author><pubDate>Sun, 03 Apr 2016 15:44:00 +0800</pubDate><description><![CDATA[1、DLT定义   DLT是一个 用于解决包含尺度问题的最小二乘问题 的算法。    DLT解决问题的标准形式为：       另一种表现形式为：    或者     这种模型在投影几何中会...]]></description><category></category></item><item><title><![CDATA[向量叉乘与叉乘矩阵]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346565</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346565</guid><author>dok22260</author><pubDate>Sun, 03 Apr 2016 11:36:00 +0800</pubDate><description><![CDATA[本文以三维向量来说明向量的叉乘计算原理以及叉乘矩阵如何求取  1、向量叉乘的计算原理   a、b分别为三维向量：         a叉乘b一般定义为：  ...]]></description><category></category></item><item><title><![CDATA[最小二乘与最大似然估计之间的关系]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346562</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346562</guid><author>dok22260</author><pubDate>Wed, 09 Mar 2016 11:55:00 +0800</pubDate><description><![CDATA[1、结论   测量误差（测量）服从高斯分布的情况下， 最小二乘法等价于极大似然估计。   2、最大似然估计概念       最大似然估计就是通过求解最大的（1）式得到可能性最大的作为真的估计，其中 L 函数称...]]></description><category></category></item><item><title><![CDATA[最小二乘法]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346557</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346557</guid><author>dok22260</author><pubDate>Tue, 08 Mar 2016 09:55:00 +0800</pubDate><description><![CDATA[1、前言     a、本文主性最小二乘的标准形式，非线性最小二乘求解可以参考Newton法     b、对于参数求解问题还有另外一种思路：RANSAC算法。它与最小二乘各有优缺点：     --当测量值符合高斯分布（或者说测量误差符合期望为0的高斯分布），使用最小二乘比较合适，可以获得比较...]]></description><category></category></item><item><title><![CDATA[Levenberg-Marquardt迭代（LM算法）-改进Guass-Newton法]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346552</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346552</guid><author>dok22260</author><pubDate>Mon, 07 Mar 2016 08:31:00 +0800</pubDate><description><![CDATA[1、前言     a、对于工程问题，一般描述为：从一些测量值（观测量）x 中估计参数 p？即x = f(p)，     其中，x为测量值构成的向量，参数p为待求量，为了让模型能适应一般场景，这里p也为向量。    ...]]></description><category></category></item><item><title><![CDATA[Newton法（牛顿法 Newton Method）]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346558</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346558</guid><author>dok22260</author><pubDate>Sun, 06 Mar 2016 10:24:00 +0800</pubDate><description><![CDATA[1、牛顿法应用范围     牛顿法主要有两个应用方向：1、目标函数最优化求解。例：已知 f(x)的表达形式，，求 ，及g(x)取最小值时的 x ?，即     由于||f(x)||通常为误差的二范数，...]]></description><category></category></item><item><title><![CDATA[自己所有博客汇总]]></title><link>https://blog.youkuaiyun.com/dok22260/article/details/101346549</link><guid>https://blog.youkuaiyun.com/dok22260/article/details/101346549</guid><author>dok22260</author><pubDate>Sat, 05 Mar 2016 16:26:00 +0800</pubDate><description><![CDATA[monoSLAM相关   1、Newton法（牛顿法 Newton Method）   2、Levenberg-Marquardt迭代（LM算法）-改进Newton法   3、最小二乘法   4、最小二乘与最大似然估...]]></description><category></category></item></channel></rss>