
人工智能
文章平均质量分 78
盒子先生KingO
我们都在阴沟里,总有人在仰望星空
展开
-
视觉SLAM十四讲(三)——cmake编译过程
一、代码执行流程[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WZG8oUVY-1636978399172)(https://s3-us-west-2.amazonaws.com/secure.notion-static.com/0109a44d-a3af-4bf9-b3ba-0396d0aff27f/未命名文件_(1)].png)...原创 2021-11-15 20:14:27 · 427 阅读 · 0 评论 -
SLAM十四讲(二)——变换矩阵、欧拉变换、四元数
一、旋转矩阵、变换矩阵此知识点见我知乎文章:https://zhuanlan.zhihu.com/p/226132779不再赘述二、欧拉变换1. 旋转向量应用前面的知识,旋转矩阵可以描述旋转、变换矩阵可以描述一个6自由度的三位刚体运动,但是用这种矩阵表示方式至少有以下两个缺点:SO(3)的旋转矩阵有9个量,但一次旋转只有3个自由度。显然,表达方式冗余。旋转矩阵自身带有约束:它必须是个正交矩阵,且行列式为1。变换矩阵也是如此。使得估计或优化时,求解困难。任意旋转都可以用一个旋转轴和一个旋转原创 2021-11-15 20:13:03 · 2366 阅读 · 0 评论 -
视觉SLAM十四讲(一)——SLAM基础概念(笔记+个人理解+代码)
一、SLAM: Simultaneous Localization and Mapping, 同时定位与地图构建解释搭建特定传感器的主体(机器人等),在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动。本质对运动主体自身和周围环境空间不确定性的估计个人理解SLAM主要是希望机器人本体具备自主运动能力,而且不需要破坏环境,即不需要主动在环境中安装导轨、二维码等特殊标记,而只需要被动接受环境中的信息,这也意味着传感器不需要安装在环境中,而是安装在机器人本体上。主要原创 2021-11-15 20:12:05 · 2742 阅读 · 0 评论 -
机器人动力学知识点总结<二>
机器人系统与控制需求简介1、工业机器人系统组成机械本体控制柜示教盒2、核心零部件精密减速机伺服电机伺服驱动器控制系统3、本体结构分类关节型机械臂SCARA机械臂笛卡尔机械臂Delta并联机械臂Delta并联机械臂圆柱形机械臂球坐标机械臂4、符号表示机器人:关节+连杆 组成运动链关节:转动关节(Revolute)平动关节(Prismatic)符号表示:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Orj原创 2021-11-15 20:11:28 · 4681 阅读 · 0 评论 -
机器人动力学知识点总结<一>
一、机器人控制导论1、机器人广义:AGV、无人车、服务机器人、陪护机器人、宠物机器人狭义:工业机器人2、控制广义:掌握住对象不使任意活动或超出范围或使其按控制者的意愿活动狭义:系统状态或者输出对期望的镇定或跟踪镇定控制跟踪控制接触控制3、机器人控制成功完成一项任务准确执行一条运动轨迹准确定位到指定位置和姿态4、动力学与控制控制方法的特色强调基于模型的控制5、正运动学从关节角到末端位置通过编码器获取关节角度已知关节角θ1、θ2\theta_1、\原创 2021-11-15 20:10:15 · 1558 阅读 · 0 评论 -
(笔记+代码)统计学习方法第四章 朴素贝叶斯法
一、相关术语监督学习方法可以分成生成方法和判别方法,所学到的模型分别为生成模型和判别模型1、生成方法生成方法学习的是联合概率分布P(X,Y)P(X,Y)P(X,Y),然后根据条件概率公式计算P(Y∣X)P(Y|X)P(Y∣X)作为预测的模型,即生成模型。P(Y∣X)=P(X,Y)P(X)P(Y|X) = \frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)2、判别方法判别方法直接学习决策函数f(X)f(X)f(X)或者条件概率分布P(Y∣X)P(Y|X)P(Y∣X)作为预测原创 2021-11-15 20:08:56 · 455 阅读 · 0 评论 -
(笔记+代码+习题)统计学习方法第三章 KNN及其kd树实现(Python)
一、KNN总体思想给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的kkk个实例,这kkk个实例的多数属于某个类,就把该输入实例分为这个类。解决问题:分类问题输入:实例的特征向量输出:实例的类别三个基本要素:kkk值的选择、距离度量、分类决策规则最近邻算法:k=1k=1k=1时二、KNN详解1、算法输入: T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{ (x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1原创 2021-11-15 20:08:12 · 1330 阅读 · 0 评论 -
(笔记+代码+习题)统计学习方法第二章 感知机
一、机器学习的老祖宗——感知机感知机1957年由Rosenblatt提出,是神经网络与支持向量机的基础。是二类分类的线性分类模型,属于判别模型,旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。训练数据集:线性可分(必存在超平面将训练集正负实例分开)学习目标:找到一个将训练集正、负实例点完全正确分开的超平面具体学习对象:w、bw、bw、b**学习策略:**误分类点到超平面S的总距离最小**算法形式:**原始形式+对偶原创 2021-11-15 20:06:38 · 698 阅读 · 0 评论 -
人工智能领域专业术语合集
人工智能专业术语文章目录人工智能专业术语Letter ALetter BLetter CLetter DLetter ELetter FLetter GLetter HLetter ILetter JLetter kLetter LLetter MLetter NLetter OLetter PLetter QLetter RLetter SLetter TLetter ULetter VLetter WLetter XLetter YLetter ZLetter AReturn英文/缩写原创 2020-09-17 16:20:04 · 1778 阅读 · 1 评论