SLAM简介 :

SLAM是 Simultaneous Localization and Mapping 的缩写,中文译作 " 同时定位与地图构建 "。它是指搭载特定传感器的主题,在没有环境先验信息的情况下,于运动过程中建立环境的模拟,同时估计自己的运动。如果传感器主要是相机,那就称之为 " 视觉SLAM "。

SLAM 的目的是为了解决 " 定位 " 与 " 地图构建 " 这两个问题。也就是说,一边要估计传感器自身的位置,一边要建立周围环境的模型。这就需要用他到传感器的信息。用相机作为传感器时,我们要做的就是根据一张张连续运动的图像(它们形成了一段视频),从中推出相机的运动,以及周围环境的情况。

我们眼中的世界在计算机中是一个个由数字排列而成的矩阵(Matrix),就像电影《黑客帝国》中的场景。我们要解决的就是让计算机通过这种方式 " 理解 " 我们现在的世界。

第一讲习题:

1.有线性方程 Ax = b,若已知 Ab,需要求解x,该如何求解?这对 Ab有哪些要求?

解:

首先考虑非齐次线性方程的情况,即 b 不是 0 。

Ab 组成的增广矩阵进行初等行变换。

如果 R(A) < R(A,b) 则无解,

如果 R(A) = R(A,b) = n ,则有唯一解,然后将增广矩阵化成行最简型矩阵,最后写出元方程组同解方程组,可得唯一解。

如果 R(A) = R(A,b) < n ,步骤同上,求得解系。

对齐次线性方程的情况,即 b = 0 。

对系数矩阵进行初等行变换。

如果 R(A) < n ,则有非零解,写出元方程组同解方程组。

如果 R(A) = n ,则只有零解。

2.高斯分布是什么?它的一维形式是什么样子?它的高维形式是什么样子?

所谓高斯分布就是通常所说的正态分布,一维正态分布概率密度函数:

高维形式即二维正态分布,概率密度函数:


更多有关函数的性质等参见
https://baike.baidu.com/item/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83/829892?fr=aladdin&fromid=10145793&fromtitle=%E9%AB%98%E6%96%AF%E5%88%86%E5%B8%83

3.你知道C++中的类吗?你知道STL吗?你使用过它们吗?
请看博主写的这篇文章:
http://blog.csdn.net/eliminatedacmer/article/details/79254433
C++标准库由三组库构成:C库,C++库和标准模板库(STL),STL包含了诸多在计算机科学领域里常用的基本数据结构和基本算法。更多相关知识请参见:http://blog.csdn.net/byxdaz/article/details/4633826

4.你以前怎样书写C++程序?

5.你知道C++11标准吗?其中哪些新特性你听说过或使用过?有没有其他的标准?
请看这篇文章,写的相当不错:
http://blog.csdn.net/whhitxjl/article/details/50703918

6.你知道Linux吗?你有没有至少使用过一种,例如Ubuntu?

7.Linux的目录结构是怎么样的?你知道哪些基本命令?例如ls,cat等?
https://www.cnblogs.com/CoderJYF/p/6092604.html

8.如何在Ununtu下安装软件?这些软件被安装在哪里?如果只知道软件的模糊名称(例如一个名称中含有eigen的库),该怎么安装它?
Linux下安装软件的几种方法:
http://blog.csdn.net/u010509774/article/details/50593231
如果只知道软件的模糊名称,可以
yum list|grep eigen
进行安装。

9.*学习Vim。

《视觉SLAM十四讲》学习日志(一)——预备知识的更多相关文章

  1. 浅读《视觉SLAM十四讲:从理论到实践》--操作1--初识SLAM

    下载<视觉SLAM十四讲:从理论到实践>源码:https://github.com/gaoxiang12/slambook 第二讲:初识SLAM 2.4.2 Hello SLAM(书本P2 ...

  2. 高博-《视觉SLAM十四讲》

    0 讲座 (1)SLAM定义 对比雷达传感器和视觉传感器的优缺点(主要介绍视觉SLAM) 单目:不知道尺度信息 双目:知道尺度信息,但测量范围根据预定的基线相关 RGBD:知道深度信息,但是深度信息对 ...

  3. 《视觉SLAM十四讲》第2讲

    目录 一 视觉SLAM中的传感器 二 经典视觉SLAM框架 三 SLAM问题的数学表述 注:原创不易,转载请务必注明原作者和出处,感谢支持! 本讲主要内容: (1) 视觉SLAM中的传感器 (2) 经 ...

  4. 《视觉SLAM十四讲》第1讲

    目录 一 视觉SLAM 注:原创不易,转载请务必注明原作者和出处,感谢支持! 一 视觉SLAM 什么是视觉SLAM? SLAM是Simultaneous Localization and Mappin ...

  5. 视觉slam十四讲第七章课后习题6

    版权声明:本文为博主原创文章,转载请注明出处: http://www.cnblogs.com/newneul/p/8545450.html 6.在PnP优化中,将第一个相机的观测也考虑进来,程序应如何 ...

  6. 视觉slam十四讲第七章课后习题7

    版权声明:本文为博主原创文章,转载请注明出处:http://www.cnblogs.com/newneul/p/8544369.html  7.题目要求:在ICP程序中,将空间点也作为优化变量考虑进来 ...

  7. 视觉SLAM十四讲:从理论到实践 两版 PDF和源码

    视觉SLAM十四讲:从理论到实践 第一版电子版PDF 链接:https://pan.baidu.com/s/1SuuSpavo_fj7xqTYtgHBfw提取码:lr4t 源码github链接:htt ...

  8. 高翔《视觉SLAM十四讲》从理论到实践

    目录 第1讲 前言:本书讲什么:如何使用本书: 第2讲 初始SLAM:引子-小萝卜的例子:经典视觉SLAM框架:SLAM问题的数学表述:实践-编程基础: 第3讲 三维空间刚体运动 旋转矩阵:实践-Ei ...

  9. 《视觉SLAM十四讲》学习日志(二)——初识SLAM

    小萝卜机器人的例子: 就像这种机器人,它的下面有一组轮子,脑袋上有相机(眼睛),为了让它能够探索一个房间,它需要知道: 1.我在哪——定位 2.周围环境怎么样——建图 定位和建图可以理解成感知的 &q ...

随机推荐

  1. javascript 写一个ajax 自动拦截,并下载数据

    <!DOCTYPE html> <html lang="zh"> <head> <meta charset="UTF-8&quo ...

  2. 关于OI中的各种数学

    学到后面数学越来越多了,感觉好难啊,开个博客专门记录一下数学相关的东西 因为反正也没人看,所以主要还是给自己看的 一些符号: 数论函数的卷积:$\ast$,$ h = f \ast g$ 则 $h(n ...

  3. C# LoadXml System.Xml.XmlException: Data at the root level is invalid. Line 1, position 1.

    去掉BOM头 writer = new XmlTextWriter(stream, new UnicodeEncoding(false,false)); 如果是UTF8 writer = new Xm ...

  4. css 动画(二) transition 过渡 & animation 动画

    前言:这是笔者学习之后自己的理解与整理.如果有错误或者疑问的地方,请大家指正,我会持续更新! translate:平移:是transform的一个属性: transform:变形:是一个静态属性,可以 ...

  5. JAVA文件IO总结

    文件流的操作有两种:字节流.字符流 字节流:FileInputStream,FileInputStream 字符流:InputStreamReader,OutputStreamReader 这两种流对 ...

  6. 使用cakewalk将工程速度与音频速度对齐(扒带参考)

    题外话.cakewalk bandlab版免费 西贝柳斯打谱软件  fisrt版本 免费 (好像限制只能写4个声部) 1选中音频轨中的音频,按住alt+a调出audiosnap. 2点击    根据剪 ...

  7. # marshalsec使用

    开启rmi服务,恶意类放到服务上 D:\jdk_1.8\bin\java.exe -cp marshalsec-0.0.3-SNAPSHOT-all.jar marshalsec.jndi.RMIRe ...

  8. Vue粒子特效(vue-particles插件)

    ` npm install vue-particles --save-dev ` ` import VueParticles from 'vue-particles' Vue.use(VueParti ...

  9. 理解JVM之垃圾回收

    1.垃圾收集算法 1) 标记-清楚算法:该算法是最基础的收集算法,其分为标记与清除两个阶段.首先标记出所有需要回收的对象,在标记完成后统一回收所有被标记的对象,该算法主要有两个不足:一个是效率问题,标 ...

  10. 第一章 Django之学习Django所需知识(3)

    所需编程知识 本书读者需要理解基本的面向过程和面向对象编程:流程控制(if, while 和 for),数据结构(列表,哈希表/字典),变量,类和对象. Web 开发经验,正如你所想的,也是非常有帮助 ...