yuanmenghao

PROSAC算法是RANSAC的智能升级版，通过利用数据点的先验信息（如特征匹配得分）实现高效模型估计。核心优势在于： 渐进式采样策略：优先选择高置信度点生成假设模型，大幅提升收敛速度（比RANSAC快5-10倍） 精度保障：找到内点后精化拟合，精度与MSAC相当 天然适配现代视觉系统：可直接利用特征匹配得分等现有信息 典型应用场景： 有先验信息的视觉任务（特征匹配、SLAM等） 实时性要求高的系统（AR/VR、自动驾驶） 特征提取器提供置信度得分的场景 算法仅需提供数据点和对应置信度得分，即可实现智能采样

本文转自：https://blog.youkuaiyun.com/Hearthougan/article/details/77859173 ，在此记录，作为学习笔记设样本均值为，样本方差为，总体均值为，总体方差为，那么样本方差有如下公式：    很多人可能都会有疑问，为什么要除以n-1，而不是n，但是翻阅资料，发现很多都是交代到，如果除以n，对样本方差的估计不是无偏估计，比总体方差要小，要想是无偏估计就要调小...

    卡尔曼滤波真是个用于驱动自我学习非常好的的切入点，尤其是想入门机器学习或者SLAM这类当前比较火的技术或者行业，理解和应用卡尔曼滤波既要求有概率统计相关的基础知识，又要对状态方程、矩阵相关的运算方式非常熟悉，虽然还没有完全理解推导过程，但是通过学习，把概率统计中相关的概念：方差、协方差、标准差、无偏估计、贝叶斯准则、高斯分布等含义和来龙去脉重新熟悉了一遍。      当前学习和参考的材料:...

前言          卡尔曼滤波器是在估计线性系统状态的过程中，以最小均方误差为目的而推导出的几个递推数学等式,也可以从贝叶斯推断的角度来推导。          本文将分为两部分：第一部分，结合例子，从最小均方误差的角度，直观地介绍卡尔曼滤波的原理，并给出较为详细的数学推导。第二部分，通过两个例子给出卡尔曼滤波的实际应用。其中将详细介绍一个匀加速模型，并直观的对比系统状态模型的建立对滤波的影响...

    对激光定位的原理作了初步的了解，主流的是三角定位和三边定位，其中三角定位原理类似GPS；但是对于激光定位而言，更多适用于室内，并且要在环境中布置安装一定数量反射板，同时需要注意反射板安装的精度，相隔距离，安装时避开窗户，非对称布置等要素；定位分为初始的静态定位和运动过程中的动态定位，静态定位用于确定初始位置，动态定位则根据运动状态不断更新；    在激光器扫描一周的过程中，理论上可以计算得...