1.1 要學習什麼內容
SLAM (Simultaneous Localization and Mapping) —— 同時定位與地圖構建
理論與實踐:理論背景,系統架構以及各個模塊的主流做法。
理解:搭載特定傳感器的機器人,在沒有環境先驗信息的情況下,在運動過程中實時建立環境模型,同時估計自己的運動。傳感器主要爲相機,稱爲"視覺SLAM"。
當用相機作爲傳感器,要做的就是根據一張張連續運動的圖像(它們構成一段連續的視頻),從中推斷相機的運動,以及周圍的環境情況。
需要閱讀的相關書籍:《概率機器人》、《多視圖幾何》以及《機器人學中的狀態估計》。
會用到的C++庫:Eigen、OpenCV、PCL、G2O、Ceres以及sophus。
熟悉C++、Linux、高等數學、概率論、線性代數。
14講的內容安排:
第一部分:數學基礎——1到6講
第二部分:SLAM技術——7到14講
如下圖:
14講的代碼:https://github.com/gaoxiang12/slambook2
習題:(基本知識自測) 整理的不夠好,回頭再完善。
1.線性方程Ax = b,若已知A,b,需要求解x,該如何求解?這對A和b有哪些要求?(從A的維度和秩的角度來分析)
參考這個視頻來理解。從維度的角度和秩的角度。至於求解的方法,那就比較多了,這裏不贅述。
看完了視頻也理解了,那麼就把結論寫下來記錄下吧;
- r(A)<r(A|b),則無解。
- r(A)=r(A|b),有解。當r(A)=r(A|b)=n(未知數個數)—>唯一解;當r(A)=r(A|b)<n(未知數個數)—>無窮解。
- 不理解就直接打開上面鏈接看視頻。
2.高斯分佈是啥樣的?它的一維形式是什麼樣子?高維形式是什麼樣子?
https://www.bilibili.com/video/av55827033?from=search&seid=16220576020637487895
這個鏈接講了一維高斯分佈是怎麼推導出來的。這個講的很清楚。
https://www.cnblogs.com/jermmyhsu/p/8251013.html
高斯分佈的高維形式。從二維高斯分佈切入會比較好理解一些。上面那個鏈接從簡單的二維切入。
這和簡單的二維並不具備太強的代表性,以後補上更general的答案(推導過程)。暫時只能說能力不足。
http://jermmy.xyz/2017/03/19/2017-3-19-covariance-matrix/
增加一下協方差矩陣的推導。
想一想雅可比矩陣和海塞矩陣。