w317672256的博客

EKF-SLAM 增量计算 更新在机器人位置和标志的知识增量的通过每一个新的观测 以一个卡尔曼滤波的形式展示 系统状态：标记点的先验知识，机器人的姿势 状态传递：机器人从一个点到两一个点 观察：相关的标记点位置到么一个机器人位置 未知的变量 机器人位置和方向 标记的位置 状态空间 状态传递 观察点 用EKF去估计 SLAM matlab代码 load('data_lecture.mat...

https://www.zybuluo.com/lutingting/note/555007 首先这篇文章很好的解释了SIFT的来龙去脉 首先尺度的问题，在不同尺度下观测到的东西是不同的，不同的尺度下对比相似事物也是不可能的。 SIFT特征提取，分为4个步骤： 尺度空间极值检验 关键点位置和尺度确定 关键点方向确定 特征向量生成 尺度空间极值检验 SIFT特征点就是尺度空间中稳定的点/极值点，...

Motion estimation by regression 静止的点 根据已知点，最小二乘法 x^=1n∑i=1nxi,Var(x)=∑i=1n(x−xi)2\hat{x}=\frac{1}{n}\sum_{i=1}^{n}x_i,Var(x)=\sum_{i=1}^n(x-x_i)^2x^=n1​∑i=1n​xi​,Var(x)=∑i=1n​(x−xi​)2 固定速度 x=x0+v∗t(+...

Kalman Filter is limited to linear gaussian models Particle Filter has no model limitations but is more computational expensive 粒子滤波更加通用却更加耗算力 下面的图很好的解释了过程，通过几次过程就可以判断更为准确的位置 ...