- 博客(76)
- 收藏
- 关注
RSS订阅原创 Gymnasium Cart Pole 环境与 REINFORCE 算法 —— 强化学习入门 2
Title: Gymnasium Cart Pole 环境与 REINFORCE 算法 —— 强化学习入门 2。
2025-03-19 22:34:41
681
原创 Gymnasium Taxi‐v3 环境 与 Q-learning 算法 —— 强化学习入门 I
Title: 强化学习入门 —— Gymnasium Taxi‐v3 环境 与 Q-learning 算法。
2025-03-12 23:12:03
915
原创 利用 IMU 估计人体关节轴向和位置 —— 论文推导
Title: 利用 IMU 检测人体关节轴向和位置 —— “Joint axis and position estimation from inertial measurement data by exploiting kinematic constraints” —— 论文推导在正常段落中的是由博主真人输出的.∥g1(t)×j1∥2−∥g2(t)×j2∥2=0(1)\left\| g_{1}(t) × j_{1}\right\| _{2}-\left\| g_{2}(t) × j_{2}\right\|
2025-02-07 22:55:25
957
原创 四足机器人全身控制与非全身控制的示意 WBC and Non-WBC of the ``MIT Cheetah‘‘ Quadruped Robot
很久之前看过MITCheetah四足机器人动力学仿真与控制的开源代码.[这里的涉及的内容也只是书本上的动力学知识和开源的代码，不和任何产品有关联]这里简单回顾一下之前做的笔记，当时作为对开源代码的学习笼统地记了记.翻出来也共享一下,也为无人问津的博客加个篇数.[2]四足机器人全身控制与非全身控制的示意。四足机器人全身控制与非全身控制的示意。不过时间久远了,许多内容也忘了.这里只是一个当时做的笔记示意图.
2025-01-19 10:43:48
486
原创 MIT Cheetah 四足机器人的动力学及算法 (IV) —— 浮动基座动力学、接触动力学之算法
Title:MIT Cheetah 四足机器人的动力学及算法[1][2][3]关联博文[1]很久之前看过 MIT Cheetah 四足机器人动力学仿真的开源代码.这里简单回顾一下之前做的笔记，当时作为对开源代码的学习笼统地记了记.翻出来也共享一下, 也为无人问津的博客加个篇数.不过时间久远了, 许多内容也忘了.[这里的涉及的内容也只是书本上的动力学知识和开源的代码，不和任何产品有关联]
2025-01-04 08:56:08
790
原创 MIT Cheetah 四足机器人的动力学及算法 (III) —— 电机转子动力学、刚体逆动力学、铰接刚体动力学之算法
Title:MIT Cheetah 四足机器人的动力学及算法[1][2][3] MIT Cheetah 四足机器人的动力学及算法 (III) —— 电机转子动力学、刚体逆动力学、铰接刚体动力学之算法。
2025-01-01 08:50:47
471
原创 MIT Cheetah 四足机器人的动力学及算法 (II) —— 刚体模型与前向运动学算法
Title:MIT Cheetah 四足机器人的动力学及算法[1][2] MIT Cheetah 四足机器人的动力学及算法 (II) —— 刚体模型与前向运动学算法。
2025-01-01 08:36:40
473
原创 MIT Cheetah 四足机器人的动力学及算法 (I) —— 简化动力学模型
Title:MIT Cheetah 四足机器人的动力学及算法[1] MIT Cheetah 四足机器人的动力学及算法 (I) —— 简化动力学模型。
2024-12-31 23:46:47
845
原创 图像坐标导数的表达式 Expression for Image Coordinate Derivate
Title: 图像坐标导数的表达式 Expression for Image Coordinate Derivate。
2024-12-30 20:58:15
621
原创 相机标定中绝对二次曲线、圆环点、配极关系之详细推导
相机标定中绝对二次曲线、圆环点、配极关系等这些概念比较抽象, 不易理解. 相关概念在射影几何中不会讲太细, 但三维视觉中默认为都会的基础.为了加深理解, 记录一下自己对概念中细枝末节部分的理解和推导.
2024-12-09 20:53:13
955
原创 多视图几何中向量叉乘的矩阵转换 Matrix Transformation for Cross Product in MVG
Title: 多视图几何中向量叉乘的矩阵转换 Matrix Transformation for Cross Product in MVG。
2024-11-29 20:57:14
387
原创 [笔记] 仿射变换性质的代数证明
Title: [笔记] 仿射变换性质的代数证明文章目录I. 仿射变换的代数表示II. 仿射变换的性质III. 同素性的代数证明1. 点变换为点2. 直线变换为直线IV. 结合性的代数证明1. 直线上一点映射为直线上一点2. 直线外一点映射为直线外一点V. 保持单比的代数证明VI. 平行性的代数证明参考文献I. 仿射变换的代数表示平面上点 P(x,y)P(x,y)P(x,y) 经过仿射变换 TTT 变为点 P′(x′,y′)P'(x', y')P′(x′,y′), 则两点坐标 (x,y)(x,y )
2024-10-08 23:03:33
975
原创 对极约束及其性质 —— 公式详细推导
Title: 对极约束及其性质 —— 公式详细推导文章目录前言1. 对极约束 (Epipolar Constraint)2. 坐标转换 (Coordinate Transformations)3. 像素坐标 (Pixel Coordinates)4. 像素坐标转换 (Transformations of Pixel Coordinates)5. 本质矩阵 (Essential Matrix)6. 线坐标 (Coordinates of a Line)7. 对极线 (Epipolar Lines)8. 对极
2024-09-06 22:53:27
1847
原创 三维点云深度网络 PointNeXt 源码阅读 (IV) —— PointNeXt-B
到此我们对 PointNeXt 模型的构建和结构有了基本理解.
2024-08-16 20:52:33
1232
原创 三维点云深度网络 PointNeXt 源码阅读 (III) —— 骨干网络模型
Title: 三维点云深度网络 PointNeXt 源码阅读 (III) —— 骨干网络模型 (BaseSeg、PointNextEncoder、PointNextDecoder、SetAbstraction 和 FeaturePropogation)感谢原作者 Guocheng Qian 开源 PointNeXt 供我们学习 !完成前述博文的分析后, 我们学习和分析一下 PointNeXt 的网络模型的构建方法及实现.如果运行就会产生三维点云深度网络 族中最简单的 网络.下面我们尝试从整体到局部分析
2024-08-14 21:18:58
1288
原创 三维点云深度网络 PointNeXt 源码阅读 (II) —— 点云数据集构造与预处理
接上一篇博文, 我们继续.本篇博文我们主要关注 PointNeXt 点云数据集的构造、点云数据的预处理/数据增强.PointNeXt供我们学习!数据预处理或者数据增强后, 就可以进入模型训练了.针对深度网络模型的分析学习将是重点也是难点.
2024-08-08 23:06:46
986
原创 三维点云深度网络 PointNeXt 源码阅读 (I) —— 注册机制与参数解析
学习了部分PointNeXt源码, 先记录一下, 以备忘.本篇博文分为两部分, 注册机制和参数解析, 理解的重点是注册机制.相关注释和调试信息都是基于下面测试 session.在的main()通过调用, 进而执行BaseSeg(
2024-08-02 22:00:15
1237
原创 三维点云深度网络 PointNeXt 的安装配置与测试
PointNet (2016年) 和 PointNet++ (2017年) 实现了三维点云的部件分割、目标分类、场景语义解析, 是深度神经网络应用于三维点云理解的开山之作.PointNeXt (2022年, the neXt version PointNet) 是在前辈基础上的优化, 提出了训练策略的优化和网络结构的优化, 旨在进一步提升对三维点云理解的性能.
2024-07-25 22:42:21
1600
9
原创 RSA 加密算法的基础数论、基本原理与 Python 实现 （包含扩展欧几里得算法）
Title: RSA 加密算法的基础数论、基本原理与 Python 实现文章目录前言I. 数学原理1. 整数环2. 单位元3. 欧拉定理II. 算法原理1. 扩展欧几里得算法2. RSA 非对称加密算法III. 算法实现1. 源代码2. 测试结果总结参考文献前言1977 年美国 MIT 的三位数学家 Ronald L. Rivest、Adi Shamir 和 Leonard M. Adleman 一起提出了著名的非对称加密算法 —— RSA 算法. RSA 算法利用计算机无法快速实现大数的质因数
2024-06-20 19:28:59
1181
原创 Docker 环境下 3D Guassian Splatting 的编译和配置
很火, 也想看一下.下面简单记录一下 Docker 环境下编译和配置 3D Guassian Splatting (下面简称 GS) 的过程.GS 开源代码地址 https://github.com/graphdeco-inria/gaussian-splatting?
2024-05-31 16:22:02
1918
9
原创 iSAM2 部分状态更新算法 (II - 源码阅读 - GTSAM)
上一篇博文中, 我们尝试解读了 iSAM2 算法中的部分状态更新子算法的原理.这里我们看一下 GTSAM (https://github.com/borglab/gtsam) 中源码如何实现 “部分状态更新” 的.
2024-03-22 22:35:11
1250
原创 iSAM2 部分状态更新算法 (I - 原理解读)
Title: iSAM2 部分状态更新算法 (I-原理解读)文章目录I. 前言II. 部分状态的更新 (Partial State Update)III. 因子图的线性化 (Linearization of Factor Grahps)1. 简单实例的设定2. 一个线性化计算3. 其他线性化计算4. 状态更新量说明IV. 部分 QR 分解实现变量消元 (Eliminating Variables Using Partial QR)1. 首变量的消元2. 中间变量的消元3. 最末变量的消元V. 状态更新的
2024-03-21 20:44:36
1699
原创 贝叶斯树增量式更新的细嚼慢咽
Kaess 等人在论文 “The Bayes Tree: An Algorithmic Foundation for Probabilistic Robot Mapping”[1]中提出了一种新型的数据结构 ——贝叶斯树 (Bayes Tree)之前的博文对贝叶斯树的特性进行了介绍, 也介绍如何基于已获得的贝叶斯网络构建贝叶斯树.本篇博文应用实例介绍在获得新的因子 (如测量因子、里程计因子、GPS因子等) 后贝叶斯树的增量更新算法。
2024-03-11 21:56:52
1450
原创 贝叶斯树定义与构建的寻行数墨
之前博客写到 SLAM 问题的因子图建模以及因子图计算中通过消元获得贝叶斯网络的过程. 这里我们继续跟着原作者的研究一起看看并记录一下.Kaess 等人在论文 “The Bayes Tree: An Algorithmic Foundation for Probabilistic Robot Mapping”[1]中提出了一种新型的数据结构 ——贝叶斯树 (Bayes Tree)本篇博文中,- 先简单翻译原作者对贝叶斯树的介绍, 以了解该数据结构的特性;- 然后应用实例。
2024-03-06 21:34:47
1859
1
原创 GTSAM 中的鲁棒噪声模型与 M-估计 (GTSAM Robust Noise Model and M-Estimator)
查看GTSAM文档[1](/gtsam/doc/robust.pdf) 过程中做了一些推导, 记录一下.主要围绕对因子图优化计算中对离群点的抑制而展开.本文介绍了因子图计算中的鲁棒噪声模型、鲁棒参数估计、M-估计、非线性加权最小二乘问题、迭代重加权最小二乘法等.主要围绕因子图计算中的离群点抑制以获得不受污染的优化估计——这一关键目标进行叙述和推导.
2024-02-26 20:53:36
1642
原创 因子图、边缘化与消元算法的抽丝剥茧 —— Notes for “Factor Graphs for Robot Perception“
Title: 因子图、边缘化与消元算法的抽丝剥茧 —— Notes for “Factor Graphs for Robot Perception”文章目录I. 前言II. 因子图的基本概念1. 因子图的定义2. SLAM 中的因子图A. 因子图的图示B. 因子图的因式C. 因子图的二分图形式III. 边缘化与消元运算的基本原理1. 边缘化的定义2. SLAM 中的边缘化3. SLAM 中的变量消元算法A. 变量消元算法伪代码B. 消除第一个状态变量C. 消除第二个状态变量C. 消除第三个状态变量C.
2024-02-01 20:42:39
2020
4
原创 非线性最小二乘问题的数值方法 —— 狗腿法 Powell‘s Dog Leg Method (II, Python 简单实例)
本篇博文作为对前述 “非线性最小二乘问题的数值方法 —— 狗腿法 Powell‘s Dog Leg Method (I - 原理与算法)” 的简单实践扩展.理论部分参见前述博文, 此处不再重复. 这里只是补充一个简单的 Python 实例.
2024-01-22 22:24:16
1490
原创 非线性最小二乘问题的数值方法 —— 狗腿法 Powell‘s Dog Leg Method (I - 原理与算法)
Title: 非线性最小二乘问题的数值方法 —— 狗腿法 Powell’s Dog Leg Method (I - 原理与算法)文章目录I. 前言II. 线搜索类型和信赖域类型1. 线搜索类型 —— 最速下降法2. 信赖域类型3. 柯西点III. 狗腿法的原理1. 狗腿法的构建2. 狗腿法的优化说明3. 狗腿法的插值权重IV. 狗腿法的流程1. 狗腿法的信赖域控制2. 狗腿法的停止条件条件一. 梯度不再下降条件二. 迭代点不更新条件三. 残差足够小条件四. 达到最大迭代数3. 狗腿法的实现流程IV. 总
2024-01-18 23:14:24
1322
原创 非线性最小二乘问题的数值方法 —— 从高斯-牛顿法到列文伯格-马夸尔特法 (II, Python 简单实例)
本篇博文作为对前述 “非线性最小二乘问题的数值方法 —— 从高斯-牛顿法到列文伯格-马夸尔特法 (I)” 的简单实践扩展.理论部分参见前述博文, 此处不再重复. 这里只是补充一个简单的 Python 实例.
2024-01-11 20:34:37
1216
1
原创 非线性最小二乘问题的数值方法 —— 从高斯-牛顿法到列文伯格-马夸尔特法 (I)
关联博客非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (I)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (II)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (III)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (IV)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (实例篇 V)本篇博客从高斯-牛顿法开始, 引入阻尼高斯-牛顿法. 阻尼高斯-牛顿法视作为 “初级/原始” 的列文伯格-马夸尔特法.
2024-01-09 19:54:23
1582
5
原创 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (实例篇 V)
本篇博文作为对前述 “非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法” 的实践扩展, 理论部分参见前述博文, 此处不再重复.
2024-01-02 19:52:32
1453
原创 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (IV)
本篇博客按照如下先后顺序回顾了, 高斯-牛顿法这一广泛应用于最小二乘问题求解的数值方法的来龙去脉- 牛顿迭代法解一元非线性方程;- 牛顿迭代法推广到高维形式;- 最小二乘问题的牛顿迭代法求解;- 由牛顿迭代法推出高斯-牛顿法;- 高斯-牛顿法的依据、优势、优化观点下的解读;- 最小二乘法历史与高斯的贡献.需要强调的是, 高斯-牛顿法的应用基于如下先决条件- 误差函数rir_irii12⋯mi12⋯m) 在包含最优参数x∗x∗。
2023-12-28 21:41:50
1545
原创 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (III)
Title: 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (III)姊妹博文**非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (I) ⟵\longleftarrow⟵ 本篇非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (II)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (III)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (IV)目录I.引言II.牛顿迭代法解非线性方程 1
2023-12-28 21:40:05
1549
原创 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (II)
Title: 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (II)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (I)⟵本篇非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (II)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (III)非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (IV)I.引言III.牛顿迭代法解非线性最小二乘问题1.从方程问题到最小二乘问题的演化。
2023-12-28 21:37:32
1945
原创 非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法 (I)
原本只写一篇博文关于 “非线性最小二乘问题的数值方法 —— 从牛顿迭代法到高斯-牛顿法”,但因为网站发布字数的限制, 拆成了几篇.
2023-12-28 21:34:29
1650
原创 Livox_ros_driver2 消息 (msg) 类型对 SLAM 应用程序的适配
实际选型中, 拿到最新的 Livox 激光传感器, 比如 HAP, 原厂也提供了 ROS 驱动支持 livox_ros_drivers2 (https://github.com/Livox-SDK/livox_ros_driver2).
2023-12-07 20:35:46
2374
原创 Scan Context / Scan Context ++ 论文和源码阅读
Scan Context/Scan Context ++ 论文[1], [2]和源码[3]理解起来并不难, 但还是记录一下以备忘.以上为对 Scan Context 内容的整理笔记.论文提到了部分点云特征描述子需要依赖法线, 而自动驾驶环境比较杂乱获得稳定地法线比较困难;论文也提到了点云稀疏程度和扫描距离有关, 而极坐标形式能够很好的兼容这种问题.认可和赞赏论文的这些描述并得到了较好的结果.
2023-12-01 21:44:06
13624
10
原创 外骨骼运动控制方法的简单解读
针对如下四种外骨骼运动控制方法, 进行论文调研与简单解读.[1] 关节运动控制 —— 运动轨迹/运动意图的跟踪[2] 柔性交互控制 —— 最常用方法, 提高外骨骼和人交互的 “透明性”[3] 能量成型控制 —— 借鉴双足机器人的无源步态控制[4] 贝叶斯优化 —— 控制参数的优化与学习。
2023-11-29 23:29:32
2616
原创 [科普] 无刷直流电机驱动控制原理图解
本博客文章主要涉及无刷直流电机的电调相关的基本概念:- 直流电机的基本概念和原理- 无刷直流电机的 “六步换向法”- 无刷直流电机的有感控制- 无刷直流电机的无感控制- 无刷直流电机的调速与制动最后列举了开源方案供参考和研究.
2023-11-26 14:14:10
34823
18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人