原创 平衡二叉樹的LR旋轉的兩種情況

關於平衡二叉樹的旋轉很多文章都有介紹,我最近也在複習,所以看了很多。但是我在自己寫的過程中發現了這個值得注意的點 對於LR旋轉,我理解的方法就是,先左旋再右旋 但是以上兩種情況值得注意的地方就是,不平衡的最後的葉子結點是父節點

原创 線性優化方法,一階二階梯度法,高斯牛頓法,列文伯特-馬夸爾特法

1.一階二階梯度法 求解的最直觀方法就是將目標函數(線性優化最常見的那種目標函數,下面式子中左邊那個)在x附近進行泰勒展開 其中J就是目標函數||f(x)||^2關於x的導數(雅克比矩陣),H則是二階導數(海森Hessia

原创 使用clion配置和運行ros項目

ros answer上面有很多關於ros developer到底該用哪個IDE的答案。目測使用clion的人並不多,但是我想着ROS是用cmake的,clion也是用cmake的。應該配置起來還不錯的。所以我想着來記錄一下配置成功

原创 馬爾可夫模型和隱式馬爾可夫模型

馬爾可夫模型(Markov Model)是通過尋找事物狀態的規律對未來事物狀態進行預測的概率模型,在馬爾可夫模型中假設當前事物的狀態只與之前的n個狀態有關 我們平時研究較多的則是一階馬爾可夫模型,主要有兩個特點 1、當前狀態只與上

原创 線性迴歸和最小二乘

關於線性迴歸一直都知道是那麼回事,方差最小啥的。但是涉及到計算方法或者代碼啥的,也是不太瞭解,最近就做了個全面的總結,數學公式比較麻煩,所以直接上祖傳

原创 ROS Navigation包的理解

分三大塊來理解,costmap,globalplanner,baselocalplanner 1.costMap 在costmap這一模塊上面,首先就提出了分層 如果是一整張圖,那麼我們對圖的任何修改都會在它上面完成。實際上當信

原创 卡爾曼濾波的理解

首先了解一下濾波 濾波:filtering is weighting(濾波即加權)。 濾波的作用就是給不同的信號分量不同的權重。最簡單的loss pass filter, 就是直接把低頻的信號給0權重,而給高頻部分1權重。 常見的

原创 稀疏擴展信息濾波

稀疏擴展信息濾波(Sparse Extended Information Filter,SEIF) 首先對比一下EKF-SLAM和Graph-SLAM, EKF-SLAM算法是主動的,它需要獲取每一時刻的信息,把信息分解爲概率分

原创 機器人的定位

在之前的一篇文章裏面,有寫到了馬爾可夫定位和卡爾曼濾波定位。 我們可以這樣理解一下: 馬爾可夫定位可以看做是貝葉斯濾波在定位上的一個應用 卡爾曼濾波定位也就是卡爾曼濾波在定位上的應用 很顯然這兩種都是高斯濾波在定位上的應用

原创 信息濾波

對待事物,從對比和更高層次先去理解會透徹很多 像卡爾曼濾波,高斯是用它的矩參數來描述的,也就是均值(一階矩),方差(二階矩)就可以描述一個濾波。還有一種和卡爾曼濾波對偶的濾波叫做信息濾波(information filter),

原创 ros gazebo基礎教程

本人用的ros版本是kinetic,因爲比較窮。。所以就一直在找可以仿真的辦法,gazebo雖然對機的性能要求比較高。。但是由於它實在好用也是選擇這個試一試 1.首先安裝turtlebot-gazebo,在gazebo環境下進行t

原创 gmapping論文閱讀筆記

下面是看論文的一些心得 論文原文地址risetti07tro Section One 首先指出了Rao-Blackwellized particle filters存在的問題 1. 大量的粒子濾波會使得計算過程相當複雜,主

原创 啓發式算法和A*

啓發式算法 一種定義爲,一個基於直觀和經驗的構造的算法,對優化問題的實例能給出可接受的計算成本(計算時間,佔用空間等) 內,給出一個近似最優解,該近似解於真實最優解的偏離程度不一定可以事先預計 另一種定義爲,啓發式算法是一種技

原创 機器人的定位問題

下面的大部分概念來源於《自主移動機器人導論》這本書 信任度表示 機器人必須有一個在地圖上有關它位置信任度的方法。機器人是否辨識一個單獨的特定位置作爲它的當前位置,或它是否根據一組可能的位置描述它的位置?如果以單個信任度完全表達多

原创 雙目測距相似三角形原理

左邊中軸到點P在左相機的成像點也就是xl的距離爲 xl 右邊中軸到點P在右相機的成像點也就是xr的距離爲 -xr 相似三角形得 T-(xl+(-xr)) / Z-f = T / Z