- 博客(74)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Minimum snap matlab 代码（二）- 闭式解求解参数
文章目录1.用优化solver求解参数算法概况2.闭式解求解参数代码2.1 得到M矩阵2.2计算C矩阵1.用优化solver求解参数算法概况具体看Minimum Snap轨迹规划详解(二)- 闭式求解J=pTQp=[dFdP]TCTM−TQM−1C[dFdP]=[dFdP]TR[dFdP]=[dFdP]T[RFFRFPRPFRPP][dFdP]=dFTRFFdF+dFTRFPdP+dPTRPFdF+dPTRPPdP\begin{aligned}J&=p^TQp = \begin{bmatr
2021-05-28 13:55:21
1072
1
原创 Minimum snap matlab 代码（一）- 用优化solver求解参数
文章目录1.用优化solver求解参数算法概况2.用优化solver求解参数代码2.1 计算Q矩阵2.2 计算等式约束1.用优化solver求解参数算法概况具体看Minimum Snap轨迹规划详解（一）最高阶7阶,共8个参数p(t)=p0+p1t+p2t2...+pntn=∑i=0n=7pitiv(t)=p′(t)=∑i⩾1n=7i⋅piti−1a(t)=p′′(t)=∑i⩾2n=7i!(i−2)!⋅piti−2jerk(t)=p(3)(t)=∑i⩾3n=7i!(i−3)!⋅piti−3snap
2021-05-28 12:45:45
1264
3
转载 Minimum Snap轨迹规划详解(二)- 闭式求解
文章目录1.QP等式约束构建2. 如何求d？2.1. 消除重复变量（连续性约束）2.2 向量元素置换2.3 转成无约束优化问题3. 闭式法步骤参考文献转载自https://blog.csdn.net/q597967420/article/details/79031791如果QP问题只有等式约束没有不等式约束，那么是可以闭式求解（close form）的。闭式求解效率要快很多，而且只需要用到矩阵运算，不需要QPsolver。这里介绍Nicholas Roy文章中闭式求解的方法。1.QP等式约束构建闭
2021-05-27 16:10:26
1213
3
转载 Minimum Snap轨迹规划详解（一）
1.轨迹规划是什么？在机器人导航过程中，如何控制机器人从A点移动到B点，通常称之为运动规划。运动规划一般又分为两步：路径规划：在地图（栅格地图、四\八叉树、RRT地图等）中搜索一条从A点到B点的路径，由一系列离散的空间点（waypoint）组成。轨迹规划：由于路径点可能比较稀疏、而且不平滑，为了能更好的控制机器人运动，需要将稀疏的路径点变成平滑的曲线或稠密的轨迹点，也就是轨迹。2.轨迹是什么？...
2021-05-27 15:18:37
1391
原创 读PythonRobotics StateLatticePlanner源码-代码注释篇
文章目录2.注释2.1motion_model.py2.2model_predictive_trajectory_generator.py2.3 lookuptable_generator.py2.4 state_lattice_planner.py接上篇读PythonRobotics StateLatticePlanner源码-原理篇2.注释2.1motion_model.py这部分主要定义state类型[x,y,yaw,v][x,y,yaw,v][x,y,yaw,v]，位置，航向，和速度。涉
2021-05-21 11:20:36
1587
4
原创 读PythonRobotics StateLatticePlanner源码-原理篇
文章目录1.原理1.1 Pontryain's minimum principle1.2 Numerical Optimization1.2.1论文中基础信息1.2.2 Constrained Trajectory Generation1.2.3 Constrained Optimization Trajectory Generation1.2.4向前积分1.2.5 lookup table1.3.状态空间采样1.3.1局部规划的算法框架为1.3.2 均匀采样边界状态伪代码1.3.3 有global gui
2021-05-20 23:25:57
2210
2
原创 读ALOAM FLOAM源码笔记
文章目录1.雷达点云畸变补偿2. 每帧点云找特征点3.前后帧点线与点面对应4.根据李代数直接求出四元数和平移向量待填坑1.雷达点云畸变补偿对每个激光点坐标做补偿，补偿量为射出本激光点时，激光原点即雷达坐标相对该帧起始时刻的变化。若起始时刻，雷达位姿为T0=[R0t001]T_0 = \begin{bmatrix}R_0 & t_0 \\ 0&1\end{bmatrix}T0=[R00t01]第i个激光点时，雷达位姿为Ti=[Riti01]T_i = \begin
2021-05-18 17:21:07
1459
1
原创 JPS（jump point search）
A算法在扩展节点过程中，会出现许多对称路径，形状类似且cost相同。这些节点会被均匀的扩散访问，最终得到规划结果时，会扩展许多无用节点。因此需要在许多类似的路径中带有倾向性的选择其中一条，节省计算资源。JPS算法基本步骤与A相同，在选择需要扩展的邻居节点中有些不同。A*扩展几何上的所有相邻点，适用于栅格地图或拓扑地图。JPS带有选择性的扩展邻居，以得到路径上影响运行方向的中继点，在中继点前后路段的方向不同（水平、垂直、对角）。带有倾向性的优先选择某个方向。最终生成的路径也是几何上间断的点集。但仅适
2021-05-07 16:52:13
542
1
原创 GeographicLib编译踩坑笔记
cmakefind_package (GeographicLib REQUIRED)include_directories(${GeographicLib_INCLUDE_DIRS})list(APPEND ALL_TARGET_LIBRARIES ${GeographicLib_LIBRARIES})报错cmake/geographic.cmake:1 (find_package): By not providing "FindGeographicLib.cmake" in CMAKE_
2021-04-22 23:57:48
6585
4
转载 卡尔曼滤波
图解部分来自 知乎问题第一个回答的视频部分（感谢作者的翻译）：https://www.zhihu.com/question/23971601推导部分转自作者白巧克力亦唯心： https://heyijia.blog.csdn.net/article/details/40899819卡尔曼滤波一般用于优化估算一些无法直接测量但可以间接测量的量，或用于从受误差影响的传感器测量值中估算出系统状态。系统的状态可以由状态转移预测得到预测值，及传感器测量得到测量值，但其中都包含噪声，因此需要把这两个值结合得到估
2020-12-26 14:02:44
248
原创 libmodbus tcp/ip client
文章目录1.modbus概况2.各语言的推荐 Modbus 库3. 我对modbus程序的理解4.tcp/ip 报文解析4.1 功能码(libmodbus 程序中的定义)4.2 client向server发送 的request报文4.2.1 client发送报文，各个功能码对应的数据部分4.2.2 client报文举例4.3 server的response 报文3.写个代码(libmodbus) tcp/ip client1.modbus概况搜索有大把的解析，我就精简的写。是一种通讯协议，分客户端/
2020-10-10 10:10:11
2013
原创 ROS2(四)- MultiThreadedExecutor多线程调用callback funcs
如何多线程调用callback funcs1.callback_group2.node默认的组别3.使用singleThreadedExecutor，想要多线程调用callback3.1 可设置不同的MutuallyExclusive callback_group3.2 设置同一个Reentrant callback_group本想使用多线程executor执行node，没想到简单的创建Subscription之后callback funcs竟然是顺序执行的，所以仔细看了一下，原来node中还有callb
2020-09-23 11:42:12
6329
1
原创 ROS2(三) -一个报错引发的executor,node的思考
本人使用版本为ROS2-dashing版本。由于学习ROS2时十分匆忙，只把它当成一个通讯工具，所以看官方文档时并没有仔细思考，目的是能用就行，到具体报错时才不得不去看源代码找答案。即便写代码时知道Node,Executor如何定义，但对于这两个东西的内部实现并不了解。直到使用官方文档(service and client)的Client代码抄出了问题…以下是我浅显的想法，如果有问题欢迎指正。文章目录1.node的构成2.executor3.出错的程序3.1 node_main.cpp，正常执行3.2
2020-08-19 16:59:35
2556
2
转载 样条曲线长度--数值积分
转载自：https://www.cnblogs.com/flytrace/p/8413255.html文章目录1.根据长度求坐标思路2.用数值积分实现s的积分3.牛顿迭代求解s对应的t4.直接推导二阶贝塞尔曲线的长度积分解析式前几天在做摄像机轨道时，解决匀速定长运动问题，刚好理解了题述问题。首先做完这个曲线上匀速运动的编程实现后，是十分愉悦的。这个问题里，两个科学史上的伟人，牛顿和高斯，相继大显身手，怎能不让人膜拜？我之前并不了解所涉及的数值分析方法，所以觉得很神奇。以下为简洁我会使用向量的表示方法
2020-07-09 12:07:07
3447
转载 ROS2(一)- tf之 MessageFilter 与 tf::MessageFilter理解与应用
1 MessageFilter1.1 主要用法之——消息的订阅与回调1.2 主要用法之——时间同步1.3 主要用法之——时间顺序的回调2 tf::MessageFilter2.1 示例AMCL2.2 wiki教程3 tf2_ros::MessageFilter3.1 wiki教程4 tf2_ros之使用tf进行坐标变换4.1 tf::Transformer Class Reference4.2 tf2_ros::BufferInterface Class Referencerefer
2020-05-19 13:01:33
3685
1
原创 ROS2(二)- nav2_amcl 代码算法总结
我用的ros2-dashing版本，其他版本的没看过。navigation2代码可以git下载navigation2。amcl算法全部可以从《概率机器人》书上找到：生成新粒子群(5.4节)、计算权重(6.4节)、重采样算法（8.3.5节）。有了算法看代码就容易很多。文章目录1.粒子滤波概括2.程序逻辑3.算法3.1 粒子滤波基本算法3.2 根据odom和旧粒子采样得到新粒子3.2.1介绍里程计...
2020-03-17 13:44:12
1041
转载 Particle Filter Tutorial 粒子滤波：从推导到应用
转载自作者白巧克力亦唯心的文章：粒子滤波文章目录1.贝叶斯滤波2.蒙特卡洛采样3.重要性采样4.SIS Filter(Sequential Importance Sampling)5.重采样6.SIR粒子滤波Sampling Importance Resampling Filter由最基础的贝叶斯估计开始介绍，再引出蒙特卡罗采样，重要性采样，SIS粒子滤波，重采样，基本粒子滤波Generic ...
2020-03-17 13:17:57
449
原创 ROS2(二) - nav2_amcl节点概况
AMCL是一个针对二维移动机器人的概率定位系统。它实现了自适应(或KLD采样)蒙特卡罗定位方法(如Dieter Fox所述)，该方法使用粒子过滤器来跟踪机器人在已知地图上的姿势。算法从Probabilistic Robotics书中的算法sample_motion_model_odometrybeam_range_finder_modellikelihood_field_range_f...
2020-03-17 13:02:12
1047
原创 麦轮全向移动原理
参考作者在路上@Amos《麦克纳姆轮全向移动原理》，作者讲述了麦轮的基础知识，感兴趣请戳。这里只涉及4个轮子的特定方向安装，还有很多种安装方式。俯视轮子图在小车上安装麦轮的图下图轮子的方向为俯视时辊子的方向与地面接触的辊子方向其中vtv_tvt是小车的速度，ω\omegaω是小车的角速度。小车的运动小车底盘的速度vtv_tvt可以分解为X,Y轴平动速度vtx,vtyv_...
2020-02-04 22:48:15
5907
1
原创 ORCA(Optimal Reciprocal Collision Avoidance)笔记
参考博文：https://blog.csdn.net/u012740992/article/details/89397714论文文档：http://gamma.cs.unc.edu/ORCA/文章目录1.问题定义2. 速度障碍区VOA∣BτVO_{A|B}^{\tau}VOA∣Bτ(velocity obstacle)3.避免碰撞速度集合CAA∣Bτ(VB)CA_{A|B}^{\tau}(V...
2019-12-19 11:07:16
5533
1
原创 《机器学习》-周志华 第二章：模型评估与选择 读书笔记
文章目录1 经验误差与过拟合2.2评估方法2.3 性能度量2.3.1 分类任务常用的性能度量：错误率和精度2.3.2 查准率/准确率（precision）、查全率/召回率（recall）、F12.3.2 ROC曲线2.4 比较检验2.5 偏差与方差1 经验误差与过拟合错误率$E=\frac{a}{m}$$$精度(accuracy)$1-\frac{a}{m}$误差:$\hat y - y...
2019-12-06 16:55:07
739
转载 svm惩罚因子c的理解
知乎用户@顾凌峰使用的hinge损失函数来表示对于样本的分类偏差, loss=max(0,1−y(wTx+b))los...
2019-10-09 12:53:41
1148
转载 《如何进行特征选择》
文章目录过滤（Filter）包裹（Warpper）嵌入法（Embedding）一个典型的机器学习任务，是通过样本的特征来预测样本所对应的值。如果样本的特征少了，我们会考虑增加特征，比如Polynomial Regression就是典型的增加特征的算法。在前一周的课程中，相信大家已经体会到，模型特征越多，模型的复杂度也就越高，越容易导致过拟合。事实上，如果我们的样本数少于特征数，那么过拟合就不可避...
2019-09-20 16:04:18
723
转载 用xgboost模型对特征重要性进行排序
转载自：https://blog.csdn.net/waitingzby/article/details/81610495 用xgboost模型对特征重要性进行排序在这篇文章中，你将会学习到：xgboost对预测模型特征重要性排序的原理（即为什么xgboost可以对预测模型特征重要性进行排序）。 如何绘...
2019-09-07 16:49:24
3214
转载 数据预处理--对偏态数据
转载自：https://blog.csdn.net/csdn_lzw/article/details/83387570一、何为数据的偏态分布？频数分布有正态分布和偏态分布之分。正态分布是指多数频数集中在中央位置，两端的频数分布大致对称。偏态分布是指频数分布不对称，集中位置偏向一侧。若集中位置偏向数值小的一侧，称为正偏态分布；集中位置偏向数值大的一侧，称为负偏态分布。如果频数分布的高峰向左...
2019-08-30 12:42:46
14967
1
原创 《大数据技术原理与应用》第二章：大数据处理架构Hadoop
文章目录2.hadoop2.1 简介2.2项目结构2.3安装2.4集群的部署和使用这是慕课网林子雨老师开设的课程，这本书也是林子雨老师写的。感兴趣的戳MOOC 《大数据技术原理与应用》。2.hadoop2.1 简介用java开发，可以支持多种编程语言是一个项目，是一整套方案的集合体两大核心hdfs，用来分布式存储MapReduce，分布式并行框架，用来处理特性可靠，一...
2019-08-10 23:13:07
765
原创 刷题：《算法笔记》-二分法
只知道数据结构的一点皮毛，突然听说有个PAT考试，不管有用没用先报名了，还有一个整月，抱一本《算法笔记》压压惊，祝福我自己>_<。有时遇到二分问题时脑子不清醒，停止的条件和左右指针如何变化总是乱乱的。作者总结了一个模板。问题：寻找有序序列中第一个满足某条件的元素的位置。这个条件是从左到右先不满足，然后再满足。int solve(int left,int right){ in...
2019-08-09 17:53:33
728
原创 《神经网络》第五章：机器学习基础 笔记
文章目录5.1 学习算法5.1.1 任务T5.1.2 性能度量P5.1.3 经验E5.2 容量、过拟合、欠拟合5.3 超参数、验证集5.4 估计、偏差、方差5.4.1 点估计5.4.2 偏差和方差5.5 贝叶斯估计5.1 学习算法任务T经验E性能度量P5.1.1 任务T任务机器学习任务定义为机器学习熊应该如何处理样本(example)；即对样本进行一个复杂的非线性变换从而能得到正...
2019-08-09 12:06:07
151
原创 《神经网络》第二章：线性代数 笔记
文章目录1 向量索引表示2 矩阵索引表示3 矩阵和标量的运算3 线性组合4 解方程组5 奇异矩阵6 范数7 标准正交8 正交矩阵9 特征值，特征向量10 正定11 奇异值分解12 伪逆，Moore-Penrosse13 PCA1 向量索引表示有向量x=[x1x2⋮xn]x=\begin{bmatrix}x_1 \\x_2 \\ \vdots \\ x_n\end{bmatrix}x=⎣⎢⎢⎢⎡...
2019-07-31 15:19:28
336
原创 《机器学习》-周志华 第五章：神经网络 读书笔记
文章目录5.神经网络5.1 神经元(neuron)模型5.2感知机与多层网络5.2.1 感知机（perceptron）5.3 误差逆传播算法5.3.1 推导5.3.2 算法5.3.3 缓解过拟合5.4 全局最小与局部最小5.5 其他常见的神经网络5.5.1 REF（radial basis function ，径向基函数）网络5.5.2 ART(adaptive rsonance theory,...
2019-07-30 12:15:38
797
原创 《机器学习》-周志华 第七章：贝叶斯分类器 读书笔记
文章目录7.贝叶斯分类器7.1 贝叶斯决策论7.1.1原理7.1.2获得后验概率的两种策略7.2朴素贝叶斯分类器7.3 半朴素贝叶斯7.3.1 SPODE(super parent one dependent estimator)7.3.2 AODE(averaged obe-dependent estimator)7.3.3 TAN（tree augmented naive bayes）7.贝...
2019-07-29 15:45:44
563
原创 《机器学习》-周志华 第六章：支持向量机 读书笔记
文章目录SVR，支持向量回归1.目标函数2.求解目标函数SVR，支持向量回归SVR(support vector regression):假设能容忍y^\hat{y}y^与yyy之间最多有ϵ\epsilonϵ的偏差，即仅当偏差大于ϵ\epsilonϵ时，才计算损失。1.目标函数minw,b12∣∣w∣∣2+C∑i=1mlϵ(f(xi)−yi)\min_{w,b}\quad \fr...
2019-07-15 21:22:23
305
原创 spark安装一半，先记录下
小白按教程安装，我用的vmware,ubuntu，才装一半，先记录一下文章目录1.虚拟机网络配置1.1 准备3台虚拟机1.2 每台虚拟机的网络设置1.3 虚拟机和windows主机上配置hosts文件1.4 ubuntu关闭防火墙，并设置在开机时不启动，关闭安全状态2安装secureCRT,从windows上连接虚拟机2.1 连接时报错 "the remote system refused th...
2019-07-08 13:34:38
241
原创 PCA、SVD和LDA
文章目录1.数学知识2.PCA，主成分分析2.1 方差最大原理2.1.1推导2.1.1总结2.1 最小平方误差角度2.3 总结3.SVD（奇异值分解）SVD性质原始数据有时有高维特征向量，可能包含很多冗余和噪声。通过降维寻找数据内部的特性，提升特征的表达能力，降低训练复杂度。1.数学知识数据标准化 x−x‾std\frac{x - \overline x}{std}stdx−x，在处理数...
2019-07-08 13:22:04
702
原创 《机器学习》-周志华 第四章：决策树 读书笔记
文章目录4.1 划分选择4.1.1信息增益4.1.2 信息增益比4.1.3 基尼指数4.1.4 ID3,C4.5,CART区别4.2剪枝处理4.2.1 预剪枝4.2.2 后剪枝错误率降低剪枝代价复杂剪枝4.3 连续与缺失值处理4.3.1 连续值4.3.2 缺失值处理4.4多变量决策树4.1 划分选择4.1.1信息增益Entropy(D)=−∑plnpEntropy(D) = -\sum ...
2019-07-03 18:28:08
442
原创 《机器学习》-周志华 第三章：线性模型 读书笔记二
文章目录3.4线性判别分析LDA(linear discriminant analysis)3.4.1 二分类推导3.4.2 多分类推导3.5 多分类学习3.6类别不平衡问题3.4线性判别分析LDA(linear discriminant analysis)给定训练样例集，将样例投影到一条直线上，是同类样例的投影点尽可能近，非同类样例投影点尽可能远。在新样本分类时，投影到同样的直线上，再根据投...
2019-07-01 19:00:16
235
转载 GBT/Xgboost/Lightgbm 之 Lightgbm
文章目录4.lightgbm，light gradient boosting machine4.1 GOSS4.1.1 寻找最佳分裂点算法 histogram-based alogrithm4.1.2 获得新样本训练模型算法 gradient-based one-side sampling4.2 EFB4.2.1 发现互斥特征算法 greedy bundling4.2.2 互斥特征打包 merg...
2019-06-29 12:33:41
517
原创 GBT/Xgboost/Lightgbm 之 Xgboost
文章目录3. Xgboost3.1 求解目标函数3.1.1 对目标函数二阶泰勒展开式3.1.2定义正则化项3.1.3假定已知树结构，求解树参数3.2 生成树结构3.2.1贪心算法3.2.2 近似算法（直方图）3.3 并行计算3.4 Xgboost和GBT的区别接上篇GBT。3. Xgboostxgboost 也使用与提升树相同的前向分步算法，区别在于xgboost的目标函数添加了正则化项。...
2019-06-29 10:50:10
363
原创 GBT/Xgboost/Lightgbm 之 GBT
文章目录1 提升树(boosting tree)1.1前向学习1.2对于回归提升树2. GBT，Gradient Boosting Tree,梯度提升树2.1 梯度提升算法2.2 GBRT，梯度提升回归树2.3 GBDT，梯度提升决策树2.4 工程应用GDTXgboostLightgbm三种算法都是boosting的一种：每个模型间相互依赖，下一个模型修改上一个模型的错误1 提升树(...
2019-06-29 09:48:06
707
原创 《机器学习》-周志华 第三章：线性模型 读书笔记一
文章目录3.1 线性回归3.1.2 只有一个属性时平方损失是凸函数的证明3.1.2 多元线性回归当$X^TX$是正定矩阵时平方损失是凸函数的证明$X^TX$不满秩时3.2 广义线性模型3.2.1指数分布族3.2.2广义线性模型的三条假设3.3 对数几率回归(logistic regression)3.3.1用logit变换解释模型3.3.2用广义线性模型解释模型3.3.3 梯度下降求解3.3.4 ...
2019-06-25 12:27:23
395
FAST检测角点+SIFT特征描述符描述角点（MATLAB）
2017-09-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人