hjwang1的专栏

如果你初学卡尔曼滤波器，千万不要在公式推导和理解上花费太多的精力，这将会得不偿失，根据我的学习经验，想直接从卡尔曼的公式推到上去理解用法是比较难的，但是先不管原因，边应用边学习，将会是一个非常正确的做法，对于理解卡尔曼滤波器将会事半功倍！红色的GPS的测量数据，蓝色是轨迹的真值，绿色是融合之后的轨迹，可以看到融合了imu之后的轨迹，相比于只有GPS的情况提升了很多，甚至与真实值都非常接近了。在这篇博客中，我将会向你解释GPS融合IMU的扩展卡尔曼的推导过程，并且还会提供完整的源代码和数据。...

温度估计之卡尔曼KF滤波clc;clear;close all;n_iter = 100;sz = [n_iter, 1];x = 24;R = 0.1;z = x + sqrt(R)*randn(sz);X=[x;0;0];Q=[0 0 0;0 0 0;0 0 4.4];P=eye(3);dt=0.1;A=[1 dt 0.5*dt*dt;0 1 dt;0 0 1];H=[1 0 0];X_H=zeros(3,n_iter);X_H(:,1)=X;p=zeros

导航定位坐标系i-frame:ECIe-frame:ECEFn-frame:ENU frameb-frame:body frameLLF-frame:GPS measurement

ref:https://baike.baidu.com/item/%E5%8D%AF%E9%85%89%E5%9C%88/3033623?fr=aladdin卯酉圈（Prime Vertical）就是指地平坐标系中的大圆。即与子午圈相垂直的地平经圈 ，它与地平圈相交于东点和西点。过椭球面上一点的法线，可作无限个法截面，其中一个与该点子午面相垂直的法截面同椭球面相截形成的闭合的圈称为卯酉圈。在下图1中，PEE′即为过点P的卯酉圈 [1] 。图1卯酉圈示意图卯酉圈是一个非常拗口的名称，该名.

ref:https://blog.51cto.com/fengyuzaitu/1892212#include "stdafx.h"#include <math.h>#define PI 3.141592653/*该程序根据GPS.G1-X-00006.pdf文档，实现了WGS84和ECEF坐标的转换*/void LLAtoECEF(double latitude, double longitude, double height, double &X,

ref:https://blog.youkuaiyun.com/qq_34213260/article/details/109133847一、简介1.1 ECEF坐标系  也叫地心地固直角坐标系。其原点为地球的质心，x轴延伸通过本初子午线（0度经度）和赤道（0deglatitude）的交点。 z轴延伸通过的北极（即，与地球旋转轴重合）。 y轴完成右手坐标系，穿过赤道和90度经度。1.2 WGS-84坐标  也就是也叫经纬高坐标系(经度(longitude)，纬度(latitude)和高度(altit

ref:https://blog.youkuaiyun.com/u011392872/article/details/957874861.首先,安装ceres依赖项,然后下载编译安装ceresgit clone https://github.com/ceres-solver/ceres-solvercd ceresmkdir buildcd buildcmake ..makesudo make install2.下载code_utils并编译cd ~/catkin_ws/srcgit

ref:https://blog.youkuaiyun.com/moumde/article/details/111391642author: moumde本文主要介绍汇总了利用陀螺仪、加速度计和磁力计进行数据融合并由此实现姿态估算的一些方法，主要包括传感器直接结算、陀螺仪积分、互补滤波、Mahony滤波和EKF方法，每一部分的内容都是笔者moumde亲自推导并且利用MATLAB编写代码实现过的，可以保证一定的准确性。在最后面笔者也都会附上自己参考的一些比较好的文章或者博客地址供大家学习，用来对传感器姿态估计入

ref:https://blog.youkuaiyun.com/daydayup_668819/article/details/79932548手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。LeNet5的网络结构示意图如下所示：这里写图片描述LeNet5由7层CNN（不包含输入层）组成，上图中输入的原始图像大小是32

ref:https://blog.youkuaiyun.com/xiaoxie613520/article/details/78227170AHRS是自动航向基准系统(Automatic Heading Reference System)的简称。目前，使用四元数来进行AHRS姿态解算的算法被广泛采用于四轴飞行器上。该算法源自英国Bristol大学的Ph.D Sebastian Madgwick，他在2009年开发并发布了该算法。下面我们来对该算法的代码进行详细分析。我们首先来看IMU部分。IMU是惯性测量装置(

ref:http://www.engineering.org.cn/ch/10.1016/j.eng.2019.09.010雷娜 , 安东生, 郭洋, 苏科华, 刘世霞, 罗钟铉, 丘成桐, 顾险峰摘要本文从几何角度来理解深度学习，特别是提出了生成对抗网络（GAN）的最优传输（OT）观点。自然数据集具有内在的模式，该模式可被概括为流形分布原理，即同一类高维数据分布于低维流形附近。 GAN主要完成流形学习和概率分布变换两项任务。其中，后者可以用经典的OT方法来实现。从OT的角度来看，生成器用于计算

ref:https://segmentfault.com/a/1190000021595164最近项目需求中需要一个关键功能——根据字符串创建了类对象。由于C++没有类似Java、C#这类动态语言中的反射机制，所以在C++程序中一般用if...else...或者switch来将字符串或者枚举值与类对象的创建方法来进行对应的映射。这里如果我们实现一个简单的反射机制，可以根据字符串创建了类对象就可以简化这个过程，而且无论对修改还是扩展都会更加方便。 理想的使用方式就是我们需要这个功能的类统一继承于一个Ob

ref:https://blog.youkuaiyun.com/u010842019/article/details/52086103 第一幅是Y分量描述黑白图像第二幅是U(V)分量描述第三幅是V(U)分量描述第四幅是YUV三幅合成后得到的正常图像1. YUV简介YUV是一种颜色编码方法，它和我们熟知的RGB红绿蓝颜色体系相对应，它们之间能通过公式相互转换。而YUV区别于RGB的重要一点是采用YUV色彩空间亮度信号Y和色度信号U、V是分离的，这样就使得亮度Y...

ref:https://blog.youkuaiyun.com/fanbird2008/article/details/8481552const AVPixFmtDescriptor av_pix_fmt_descriptors[AV_PIX_FMT_NB] = { [AV_PIX_FMT_YUV420P] = { .name = "yuv420p", .nb_components = 3, .log2_chroma_w = 1, .log2

ref:https://blog.youkuaiyun.com/qq_41450811/article/details/99079041https://www.jianshu.com/p/e6ea653147cbhttps://blog.youkuaiyun.com/shao918516/article/details/103384095设置软件源：国外的：sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) m

ref:https://blog.youkuaiyun.com/qq_38065509/article/details/106154299http://hhoppe.com/newqem.pdf曲面细分与曲面简化摘要 1 曲面细分(Mesh Subdivision) 1.1 Loop细分(Loop Subdivision) 1.2 Catmull-Clark细分(Catmull-Clark Subdivision) 2 曲面简化(Mesh Smplication) 总结 Referen

ref:微信公众号MyWishList文章Original from Laze Sun MyWishList 2020-10-16本周三早上一点，苹果发布了 iPhone 12 系列，在发布会后，不乏有网友希望我们来详细讲解一下 iPhone 12 Pro Max 上首发的传感器位移式光学图像防抖究竟是个什么玩意儿。所以我们这次就从最基础的传统电子防抖出发，以时间为顺序一点点向各位科普手机上的防抖技术都有哪些。1.传统电子防抖实际上电子防抖在手机上的出现比我们想象中早得多。早..

ref:https://blog.youkuaiyun.com/lijil168/article/details/69395023https://blog.youkuaiyun.com/johnnyconstantine/article/details/46335763在求解最优化问题中，拉格朗日乘子法（Lagrange Multiplier）和KKT（Karush Kuhn Tucker）条件是两种最常用的方法。在有等式约束时使用拉格朗日乘子法，在有不等约束时使用KKT条件。　　我们这里提到的最优化问题通常是指对于给

ref:https://blog.youkuaiyun.com/dcrmg/article/details/51987348注： 这篇文章用的OpenCV版本是2.4.10， 3以上的OpenCV版本相关函数可能有改动Opencv中通过使用findContours函数，简单几个的步骤就可以检测出物体的轮廓，很方便。这些准备继续探讨一下findContours方法中各参数的含义及用法，比如要求只检测最外层轮廓该怎么办？contours里边的数据结构是怎样的？hierarchy到底是什么鬼？Po..

ref:https://blog.youkuaiyun.com/weixin_41770169/article/details/87345224Mat图像存储：Mat image= imread(image);Rect rect(10, 20, 100, 50);Mat image_roi = image(rect);Rect介绍：https://blog.youkuaiyun.com/kh1445291129/article/details/51149849//如果创建一个Rect对象rect(100

ref:【算法】求两个凸多边形的交集的面积http://9801.me/?p=3502【计算几何】多边形交集https://www.cnblogs.com/dwdxdy/p/3232110.html求多边形（Convex Hull）交集的 MATLAB 实现https://ridiqulous.com/find-the-intersection-of-convex-hull-using-matlab/c++ 多边形求交集代码（凸多边形与凸多边形交集）https://liumi

如果在光照下希望模型的颜色可以起作用，需要启动颜色材料模式:glEnable( GL_COLOR_MATERIAL );然后还需要设置材料属shu性：glLightModeli( GL_FRONT, GL_AMBIENT_AND_DIFFUSE );// 这个表示模型的正面接受环境光和散射光，你可以修改这两个参数void init ( void ){ GLfloat mat_specular [ ] = { 1.0, 1.0, 1.0, 1.0 }; GLfloat mat_s

ref:https://blog.youkuaiyun.com/guduruyu/article/details/72518340透视变换(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。如图1，通过透视变换ABC变换到A'B'C'。图1 透视变换示意图透视变换的通用公式为：变换后的坐标x,y分别为：。展开之后即：其中，称为透视变换矩阵：表示线性变换，如scali

ref:https://www.cnblogs.com/renhui/p/10504851.html本文中实现的一个小功能是把一个YUV原始视频数据(时间序列图像)经过h264编码为视频码流，然后在使用mp4封装格式封装。编码&封装的流程图如下：使用ffmpeg编码流程：1、首先使用av_register_all()函数注册所有的编码器和复用器(理解为格式封装器)。该步骤必须放在所有ffmpeg代码前第一个执行2、avformat_alloc_output_context2(

ref:https://blog.youkuaiyun.com/u010142437/article/details/23712507/https://blog.youkuaiyun.com/zlk961543260/article/details/70240714向量中的那些唯一的元素语法b = unique(A)b = unique(A,'rows')[b,m,n] = unique(...)描述1、b = unique(A) 返回的是和A中一样的值，但是没有重复元素。产生的结果向量按升序排序。A.

ref:https://blog.youkuaiyun.com/shuoshuge/article/details/86131557clc;clear;%obj = VideoReader('filename.mp4');obj = VideoReader('filename.avi'); %读取视频% obj.CurrentTime = 0.5;% currAxes = axes;% while hasFrame(obj)% vidFrame = readFrame(obj);%

This website host the book project Computational Optimal Transport. You will also find slides and computational resourcescode https://github.com/optimaltransport/optimaltransport.github.io/tree/master/code

ref:https://blog.youkuaiyun.com/u011092188/article/details/77430988Eigen库中各种形式的表示如下：旋转矩阵（3X3）:Eigen::Matrix3d旋转向量（3X1）:Eigen::AngleAxisd四元数（4X1）:Eigen::Quaterniond平移向量（3X1）:Eigen::Vector3d变换矩阵（4X4）:Eigen::Isometry3d以下是具体的实现代码eigen_geometry.cpp：#inc

ref:http://blog.sciencenet.cn/blog-69686-1160800.htmlREDBLUE(M)是一个M x 3的矩阵，它定义了一种颜色映射关系。REDBLUE(M), is an M-by-3 matrix that defines a colormap.颜色变化从亮蓝色开始，范围从蓝色到白色，然后从红色到亮红色。The colors begin with bright blue, range through shades of blue to whi..

ref:https://blog.youkuaiyun.com/qq_41498261/article/details/1096039861. COLORMAP_JET简介计算机视觉中最常用的颜色映射算法是Jet，它具有高的对比度可以有效突出图像中的细节。但如果仔细观察图像的梯度图会发现一系列的颜色带，在青色和黄色区域最为明显。缺点：这对于伪彩图最大的影响在于颜色变化过于剧烈，将导致人眼对于实际数据的误解。很多平滑过渡的区域会被误解为有较大的梯度。由于Jet映射对于人眼感知来说变化不是常量，所以它不具有感知

ref:https://www.cnblogs.com/eat-too-much/p/12595574.htmlhttps://computergraphics.stackexchange.com/questions/1718/what-is-the-simplest-way-to-compute-principal-curvature-for-a-mesh-triangle同学的优快云博客 https://blog.youkuaiyun.com/qq_38517015/article/details/10518

原文链接：https://events.oppo.com/cn/innoday2020/当 5G 概念刚推出时，有专家预言“5G 时代，视频先火”。伴随 5G 技术的成熟应用，促进网络视听技术往更专业化与精细化发展，人们对视频体验要求提高，因此 5G 时代不断催生众多视频新业态与场景体验。据数据统计，短视频行业市场规模极速增长，2019 年短视频行业市场规模达 1006.5 亿元，同比增长 115.5%，预计 2020 年将超 1500 亿，2021 年超 2000 亿，视频行业发展前景巨大。视

ref:https://blog.youkuaiyun.com/amusi1994/article/details/109636619author:amusi1994本文转载自：新智元 | 编辑：QJP【导读】谷歌人工智能实验室近日发布 Objectron 数据集，这是一个以3D目标为中心的视频剪辑的集合，这些视频剪辑从不同角度捕获了较大的一组公共对象。数据集包括 15K 带注释的视频剪辑，并补充了从地理多样的样本中收集的超过 4M 带注释的图像（覆盖五大洲的 10 个国家）。ObjectronO

作者：Trivial链接：https://www.zhihu.com/question/39317420/answer/82662725来源：知乎关于为什么要寻找伴随表示，我觉得和wigner定理有点关系，wigner定理说一个粒子对应于对称群的一个表示，为了在一个对称理论中加入更多的粒子，就要寻找更多的表示，如果寻找到了伴随表示，就可以将一部分的粒子放在伴随表示中，起到了一个扩充的作用，实际上量子场论就是这么干的。其它的因为我量子场的基础不好，就不多说了。这种几何的理解可以和其它理解中（例

ref:https://www.cnblogs.com/justkong/p/6570914.html一、概述颜色通常用三个独立的属性来描述，三个独立变量综合作用，自然就构成一个空间坐标，这就是颜色空间。但被描述的颜色对象本身是客观的，不同颜色空间只是从不同的角度去衡量同一个对象。颜色空间按照基本机构可以分为两大类：基色颜色空间和色、亮分离颜色空间。前者典型的是RGB，后者包括YUV和HSV等等。二、RGB颜色空间1、计算机色彩显示器和彩色电视机显示色彩的原理一样，都是采用R、G、B相加混色

为了研究一个系统内部蕴藏的数学结构，表述此系统的函数关系,改用一个新函数来表示，其变数是的导数,而,的值是如右图蓝线在 y 轴的负截距

光的反射规律： 反射光线、入射光线和法线在同一平面; (三线共面) 反射光线和入射光线分居在法线的两侧;(两线分居) 反射角等于入射角。def: unit入射光线(),反射光线、法线suppose:then:so,we get it,...

离散最优传输问题, for image color transfer, random matrices, GAN or WGAN, and deep learning.img from: 顾险峰 老顾谈几何顾老师把这个问题，讲得很通透

ref:https://blog.youkuaiyun.com/qq_15971883/article/details/88699218author: 桂哥317 直方图均衡化的介绍直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分