- 博客(37)
- 收藏
- 关注
RSS订阅原创 ubuntu环境下 mediasoup-demo 部署流程
ubuntu环境下 mediasoup-demo 部署流程应用环境 - ubuntu1~18.04.1 - node.js v12.20.1 - mediasoup-demo v3 - npm 6.14.10 - gcc version 7.5.0\quad系统搭建过程中，node的版本需要在10.0以上（不是只会警告，不知道会不会影响最后的实现），为安装最新版本的node，下载前需要先输入如下命令curl -sL https://deb.nodesource.com/setup_12.
2021-01-13 15:54:13
500
原创 实现二叉查找树C++
实现二叉查找树\qquad本文主要实现二叉查找树，实现二叉查找树的构建、查找和删除功能。分析构建和查找功能按照二叉查找树的性质即可。删除时需要判断是1.类情况还是2.类情况，当是2.类情况时，需要找到待删除节点，判断是否具有左右子节点，找到大于待删除节点最小节点，节点互换后删除后找到的节点，最后还要挂载删除节点的左右节点。FindBinaryTree 构建树数据结构class FindBinaryTree {public: FindBinaryTree(int val) .
2020-10-19 22:31:28
329
原创 计数排序分析C++
排序算法\qquad本文主要展示计数排序。分析计数排序为什么可以实现计算复杂度为O(n)O(n)O(n)？？？计数排序算法最核心的内容为使用中间数组保存数组元素到最小元素的距离，经过一次遍历（计算nnn次即可），最后再便历一次将未排序的数组复制到指定距离数组确定的下标，实现排序。CountingSort(int* Array, int ArrayLength) 计数排序函数void CountingSort(int* Array, int ArrayLength){ int *Temp
2020-10-18 16:40:57
180
原创 归并排序和快速排序C++
排序算法\qquad本文主要展示归并排序和快速排序。分析快速排序和归并排序为什么可以将时间复杂度由其他算法的O(n2)O(n^2)O(n2)降低到O(nlog2n)O(nlog_{2}{n})O(nlog2n)？？？快速排序的时间复杂度跟每次排序选取的元素在排序后数组的位置有关，越靠近数组中间，排序的速度越快。当每次元素选择最佳（排序区域的中间），只需要log2nlog_{2}nlog2n次便能达到最小分区(start==endstart == endstart==end)，每次分区需要nnn
2020-10-17 18:26:17
101
原创 使用链表实现队列C++
要求\quad使用链表实现队列，需要能够实现插入、删除元素，输出当前队列长度.分析使用链表作为实现队列的数据结构，按照先入先出的原则，插入元素在链表尾部插入，然后更新链表尾部指针，出队列时，在链表头部输出对应元素，然后更新头链表指针。为实现以上操作需要定义两个指针变量，ListNode* head指向链表头，ListNode* tail指向链表尾。在出队列过程中，一边出队列，一边回收开辟的内存。ListNode 数据结构class ListNode {public: // 链表 Li
2020-10-16 22:27:03
1315
原创 使用数组实现队列C++
要求\quad使用数组实现队列，需要能够实现插入、删除元素，输出当前队列长度，当元素插入大于队列当前设定长度时实现自动扩容（但是小于设定的最大队列长度）等操作.分析使用数组作为连续存储空间，插入元素只需要按顺序插入即可，当删除元素时需要涉及数组元素的移动。为实现以上操作需要定义两个坐标变量，QueueHead指向数组的第一个元素，QueueTail指向当前需要插入的元素。在队列（其实就是数组）扩展时，需要原数组空间的释放和新空间的开辟ArrayQueue 结构体class ArrayQueu
2020-10-15 12:53:41
967
原创 Ultra-Wideband-Based Localization for Quadcopter Navigation----读后感
Ultra-Wideband-Based Localization for Quadcopter Navigation----读后感\qquad文章内容为使用UWB测距，建立无人机运动方程和观测方程，使用EKF算法获取无人机精确位置估计。\qquad使用UWB测距，观测值和实际距离值之间的关系可以使用线性方程表示：r=ad+b+ϵr = ad +b +\epsilonr=ad+b+ϵ其中，r...
2020-03-21 09:56:25
270
原创 2.序贯最小二乘估计(仅包含滤波)
\qquadDC电平估计为例，估计值A^\hat{A}A^为数据样本x[N]x[N]x[N]均值，则LSE变为：A^[N]=1N+1∑n=0Nx[n]\hat{A}[N] = \frac{1}{N+1}\sum_{n = 0}^{N}x[n]A^[N]=N+11n=0∑Nx[n]\qquad在加权LS问题中，当加权矩阵为W\bold{W}W(通常为噪声矩阵)是对角矩阵时，其中[W]ii=...
2020-03-09 16:01:30
2437
原创 数值分析_第五章_解线性方程组的直接方法
高斯消去法\qquad高斯消去法实质是产生了一个将AAA分解为两个三角形矩阵相乘的因式分解，即矩阵的因式LULULU分解，如果矩阵AAA的顺序主子式Di≠0(i=1,2,⋯ ,n−1)D_{i}\neq0(i=1,2,\cdots,n-1)Di̸=0(i=1,2,⋯,n−1)，则AAA可以分解为一个单位下三角形矩阵LLL和一个上三角形矩阵UUU的乘积，矩阵的分解是...
2019-08-15 22:48:55
593
原创 扩展卡尔曼滤波定位步骤使用不确定性椭圆表示
《摘自概率机器人》 上接马尔可夫定位1. 预测步骤\qquad Σt−1,μt−1\boldsymbol{\Sigma}_{t-1},\boldsymbol{\mu}_{t-1}Σt−1,μt−1分别表示t−1t-1t−1时刻的位置方差和期望，Σ‾t=GtΣt−1GtT+VtMtVtT\boldsymbol{\overline{\Sigma}}_{t}=\boldsymbol{G}_{t...
2019-08-06 12:23:12
855
原创 马尔可夫定位
摘自《概率机器人》1. 定位原理\qquad初始置信度bel(x0)bel(x_{0})bel(x0)反映机器人位姿的初始信息。初始位姿只是经常已知的近似值，使用位于中心x‾0\overline{x}_{0}x0的窄高斯分布初始化。定义为：bel(x0)=det(2πΣ)−12exp{−12(x0−x‾0)TΣ−1(x0−x‾0)}bel(x_{0})={det(2\pi\Sigma)...
2019-08-06 10:30:58
2874
原创 调节固有模型参数
上接测量噪声\quad包含噪声的测量仪测量模型\qquad建立含噪声的测量模型后，需要选择传感器模型参数，参数包含zhit、zshort、zmax、zrand、σhitz_{hit}、z_{short}、z_{max}、z_{rand}、\sigma_{hit}zhit、zshort、zmax、zrand、σhit和λshort\lambda_{short}λshort，所有的内部参...
2019-08-04 10:52:06
171
原创 包含噪声的测量仪测量模型
\qquad测距仪的测量模型可以近似激光测距仪和超声波传感器。这类模型大致有四类误差包括小的测量噪声、意外对象引起的误差、未检测到对象引起的误差和随机意外噪声。\qquad1. 局部测量噪声 误差受到测距传感器的有限分辨率、大气对测量信号的影响等引起的。测量噪声通常由一个窄的均值为ztk∗z_{t}^{k*}ztk∗(真实距离)、标准偏差为σhit\sigma_{hit}σhit的高斯建模，...
2019-08-03 10:57:26
362
原创 Newtown(牛顿)方法收敛速度
\qquad设f(x)f(x)f(x)具有连续得二阶偏导数，当前得迭代点是xkx_{k}xk。f(x)f(x)f(x)在xkx_{k}xk处得TaylorTaylorTaylor展开式为(以基本NewtownNewtownNewtown法为例(α\alphaα=1))f(xk+1)=f(xk+d)=f(xk)+gkTd+12dTGkd+O(∣∣d∣∣2)f(x_{k+1})=f(x_{k}...
2019-07-31 21:30:49
4860
原创 最速下降法收敛速度
\qquad已知 设步长为α\alphaα，下降方向为ddd，f(xk+αd)f(x_{k}+\alpha d)f(xk+αd)在xkx_{k}xk的TaylorTaylorTaylor展示为f(xk+1)=f(xk+αd)=f(xk)+αgkTd+O(∣∣αd∣∣2)f(x_{k+1})=f(x_{k}+\alpha d)=f(x_{k})+\alpha g_{k}^{T}d+O(||\...
2019-07-31 16:54:13
10866
1
原创 数值分析_第四章_数值积分与数值微分
\qquad实际问题当中常常计算积分，有些数值方法如微分方程和积分方程的求解，也都和积分计算相联系。使用牛顿-莱布尼兹(Newton−LeibnizNewton-LeibnizNewton−Leibniz)公式求解往往比较困难，有时原函数不能用初等函数表示或者求解过程十分困难，因此有必要研究积分的数值计算问题。\qquad由积分中值定理，在积分区间[a,b][a,b][a,b]中存在一点ξ\xi...
2019-07-10 22:02:34
889
原创 数值分析_第九章_常微分方程初值问题数值解法
\qquad常微分方程是描述连续变化的数学语言，微分方程的求解就是确定给定方程的可微方程y(t)y(t)y(t)。考虑一阶常微分方程的初值问题y′=f(x,y),x∈[x0,b],(1)y(x0)=y0(2)y^{'}=f(x,y),\quad x\in [x_{0},b],\quad(1)\\y(x_{0})=y_{0}\quad(2)y′=f(x,y),x∈[x0,...
2019-06-17 21:46:07
1500
原创 运动稳定性的基本概念
\qquad稳定性的研究对象是系统的运动，是系统运动受到扰动后的一种重要性质。系统的运动可以通过一组向量的变化来完全充分的表现出来，这组向量成为系统的状态向量，记为x1,x2,⋯ ,xnx_{1},x_{2},\cdots,x_{n}x1,x2,⋯,xn，状态变量的向量形式x=[x1,x2,⋯ ,xn]Tx=[x_{1},x_{2},\...
2019-06-08 22:34:14
2120
原创 数值分析_第三章_函数逼近和快速傅里叶变换
函数逼近\qquad 函数就是在区间[a,b][a,b][a,b]上用简单函数逼近已知的复杂函数问题。即函数AAA中给定的函数f(x)f(x)f(x)，记作f(x)∈Af(x)\in Af(x)∈A，要求在另一类简单的便于计算的函数类BBB中求函数p(x)∈Bp(x)\in Bp(x)∈B，使p(x)p(x)p(x)与f(x)f(x)f(x)的误差在某种度量下意义下最小。\qquad次数不超过...
2019-05-24 22:16:17
1401
原创 基于贝叶斯准则的状态概率更新
\quad基于贝叶斯准则表达获取测量值后的状态概率更新\qquad首先关于Z=zZ=zZ=z的贝叶斯准则，只要p(y∣z)>0p(y|z)>0p(y∣z)>0：p(x∣y,z)=p(y∣x,z)p(x∣z)p(y∣z)p(x|y,z)=\frac{p(y|x,z)p(x|z)}{p(y|z)}p(x∣y,z)=p(y∣z)p(y∣x,z)p(x∣z)...
2019-05-06 21:59:21
3092
翻译 Distributed Subgradient Methods for Multi-Agent Optimization
\quad摘要： 文中研究分布式计算模型用于优化有关多智能体目标函数（凸函数）的和函数。在分布式智能体中使用子梯度法，解决最优化问题。该方法可以当每个智能体在时变网络拓扑中与其他智能体交换信息时最小化其目标函数。\quad为描述该多智能体系统，需要建立两个模型其中包括信息交换模型和最优化模型。信息交换模型描述智能群的实时更新信息，最优化模型则为整个目标系统通过最小化单个局部目标值实现系统的合作最...
2019-04-27 22:23:19
773
1
原创 非线性优化-拉格朗日乘子法
主要摘自《非线性优化》\color{#F00}{主要摘自《非线性优化》}主要摘自《非线性优化》\qquad优化问题通常会分为有约束和无约束两类，考虑到这种结构，通过引入一些辅助变量，即拉格朗日乘子，获得一组复杂的最优化条件。等式约束优化问题\qquad考虑等式约束的优化问题minimizef(x)subject tohi(x)=0minimize\quad f(x)\\sub...
2019-04-22 22:33:46
1443
原创 参数估计
\qquad参数是母体分布的未知参数，例如正态母体分布的分布N(μ,σ2)N(\mu,\sigma^{2})N(μ,σ2)中μ,σ2\mu,\sigma^{2}μ,σ2未知，μ\muμ和σ2\sigma^{2}σ2是参数。点估计\qquad一般来说，设母体XXX的分布函数是F(x;θ1,θ2,...,θk)F(x;\theta_{1},\theta_{2},...,\theta_{k})F(x...
2019-04-20 20:29:06
393
原创 非线性优化-最优化问题之迭代下降
主要摘自《非线性优化》\color{#F00}{主要摘自《非线性优化》}主要摘自《非线性优化》\qquad最优化问题一般使用约束集XXX和目标函数fff进行表示。集合XXX中包含所有可用的决策xxx，函数f(x)f(x)f(x)将XXX的元素映射到实数集上，表示决策xxx带来的成本损失。目标是寻找x∗∈Xx^{*}\in Xx∗∈X，并满足f(x∗)≥f(x), ∀∈Xf(x^{*...
2019-04-15 22:18:53
780
原创 非线性优化-最优化问题之共轭梯度法
主要摘自《非线性优化》\color{#F00}{主要摘自《非线性优化》}主要摘自《非线性优化》\qquad共轭方向法的意义在于加快最速下降法的收敛速度，避免牛顿方法的大量计算。最初是为了解决minimizef(x)=12x′Qx−b′xsubject to x∈ℜnminimize\quad f(x)=\frac{1}{2}x^{'}Qx-b^{&...
2019-04-13 22:12:37
2530
原创 机器人传感器网络的覆盖优化和空间负载均衡
\qquad文中主要研究具有区域约束的机器人网络执行静态最优覆盖。给定密度函数描述事件发生的概率，执行函数(performance function)代表到定位点的代价。目标是通过合理放置传感器使最小化探测代价。此外，由于平衡负载约束，预先设定给每个机器人的分配的区域。...
2019-04-09 22:49:00
196
原创 Coverage control for mobile sensing networks_Centroidal Voronoi tessellations
摘要\qquad文中介绍了协调多无人机执行分布式任务的分布式控制法则，控制法则是将梯度下降法应用在一类分布式实用函数上，这些实用函数进行编码最优化覆盖和探测策略。这些函数从最优化地理问题、向量量子化和传感器分配任务。使用例如Voronoi的算法探索空间结构的计算几何学。\qquad无线网络和微型机电系统的发展使得可以部署相互联系的蜂群机器人系统。通过网络连接，大量相互协调的自动驾驶载具可以执行...
2019-03-27 09:15:48
484
1
原创 基于泰森多边形的位置优化
定义\qquad给定开集Ω⊆RN\Omega\subseteq\mathbb{R}^{N}Ω⊆RN，如果当i≠ji\ne ji̸=j且∪i=1kViˉ=Ωˉ\cup_{i=1}^{k}\bar{V_{i}}=\bar{\Omega}∪i=1kViˉ=Ωˉ时Vi∩Vj=∅V_{i}\cap V_{j}=\emptysetVi∩Vj=∅则集合{Vi}i=1k\{V_{i}\}^{k}_{...
2019-03-17 10:34:53
1453
2
原创 Robotics: Estimation and Learning.WEEK 4
WEEK4{\Large WEEK \qquad 4}WEEK44.1 里程计模型\qquad里程计量会给出机器人已经移动多远，当然里程计量只是获取机器人在世界中位置的一种方法。以汽车导航这个定位的具体应用为例，我们将看到许多定位方法，信息源包括GPS 全球定位系统、蜂窝网络以及Wi-Fi热点。然而，每个信息源都包含不同程度的噪声，因此有不同程度的精度。\qquad以无人车为例，它需要高于G...
2019-03-09 10:58:50
770
原创 Robotics: Estimation and Learning.WEEK 3
WEEK3{\Large WEEK \qquad 3}WEEK33.1 关于建图\qquad机器人的地图就是其所处的环境。建立一个地图的过程叫做mapping(地图构建)。根据问题建立相应的地图:\qquad 1.使用何种坐标系表示，需要包含何种信息\qquad 2.可使用的传感器\qquad 3.机器人的需求地图的类型:\qquad 1.尺度地图，位置表示为坐标值，作为移动机器人在...
2019-03-08 09:18:59
252
翻译 路径规划之导航_在有障碍的环境中
\qquad对于无人机载具来说在有障碍环境使其安全运行的导航能力非常关键。此外，在大多数情况下，复杂环境在传感器探测范围以外是未知的。因此，载具只能执行传感-导航-传感-监督的导航模式，使载具安全到达目标点。观测单元作为子系统被引入到导航单元中，它的任务是将传感器信息转换为可被导航系统利用的数据。本文主要讲述的内容就是在GPS受限条件和有障碍环境的路径生成。受限于载具携带处理器的存储空间，使用旋转...
2019-03-06 10:10:55
1620
原创 Robotics: Estimation and Learning.WEEK 1
WEEK1{\Large WEEK \qquad 1}WEEK11.1 1维高斯分布1.1.1 为什么学习高斯分布？∙\qquad \bullet∙两个参数（期望和方差）易于运算和解释说明∙\qquad \bullet∙良好的数学属性（例如：高斯分布的乘积仍是高斯分布）∙\qquad \bullet∙由中心极限定理，任何随机变量样本均值的期望收敛于高斯分布因此，高斯分布是为噪声和不确...
2019-03-01 20:23:54
426
1
翻译 路径规划之导航
\qquad技术上来说，导航通常是指确定一条路径或者轨迹从而驱动再举从当前位置移动到目标位置。它受到当前位置、速度、海拔和其他与导航相关的状态变量影响。\qquad导航控制系统结构如图1所示，测量单元由多种传感器组成，其用于环境感知和载具监控。导航单元使用传感器收集的数据评估载具状态并构建周围环境。控制单元通过处理后的信息生成命令控制载具追踪目标路径。图1 导航控制结构图...
2019-02-24 22:35:44
2384
转载 移动机器人路径规划技术综述
\qquad移动机器人路径规划技术概括为以下4类：模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术。—模版匹配路径规划技术：\qquad模版匹配方法是将机器人当前状态与过去经历相比较，找到最接近的状态，修改这一状态下的路径，便可得到一条新的路径。\qquad即首先利用路径规划所用到的或已产生的信息建立一个模版库，库中的任一模版包含每一次规划的环境信息和路...
2019-02-20 16:51:36
7066
翻译 编队控制主要控制方法
\qquad因为感知能力和交互拓扑是多机编队控制的关键，所以对编队控制特性的研究主要集中在这两者上。由此，提出了通过控制多机系统哪些是可以测量和控制（对应交互拓扑）的变量实现预设的编队这个问题。\qquad由以上提出的问题，作者总结了是基于位置、分布和间距三种编队控制方法。—位置控制法\qquad编队个体可以测量得知其在全局坐标系中的绝对位置，交互能力对其并不必要，增加交互能力之后可以提升控...
2019-01-23 19:59:50
6403
原创 基于人工势场法的路径规划
基于人工势场法的路径规划路径规划是移动机器人领域的一个重要组成部分，人工势场法是机器人路径规划算法中一种简单有效的方法。势场法的基本思想是在移动机器人的工作环境中构造一个人工势场，势场中包括斥力极和吸引极,不希望机器人进入的区域和障碍物定义为斥力极,目标及建议机器人进入的区域定义为引力极,使得在该势场中的移动机器人受到其目标位姿引力场和障碍物周围斥力场的共同作用,朝目标前进。机器人在工作空...
2019-01-22 20:37:50
14557
9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人