原创 NDT Matching 算法學習

問題背景   近來從事毫米波雷達的定位與建圖工作,想拓展下工作思路,研究autoware公司的激光點雲定位與建圖。期間正好發現autoware的激光點雲配准算法是NDT(Normal-Distributions Transform),相比

原创 蒙特卡洛馬爾可夫鏈學習小結

目錄 MCMC背景 關於採樣的理解 什麼是採樣 爲什麼要採樣 什麼是好的樣本 採樣爲什麼是困難的(the curse of high dimensionality) 蒙特卡洛採樣方法 基於概率分佈的採樣Inverse Transform

原创 黑夜給了我黑色的眼睛,我卻用它研究CV【36kr報道】

感覺這篇文章不錯,就轉載了... 編者按:計算機視覺(Computer Vision)領域歷史悠久,業界對此一直都不缺乏想象。當圖像和視頻總量每年以數十倍的速度增長,增長到人們有一天再也無法通過文字整理和檢索這些信息時,計算機視覺技術

原创 商業模式新生代之免費商業模式

   這次商業模式學習比較簡單,可能於實際市場還有脫節,有些例子也不是很新。    但是商業模式貴在活學活用,這次下定決心今年利用週末時間,要把《商業模式新生代》全部看完。(宏、微觀經濟學還是靠後吧)    非科班出生,只能做做筆記,寫寫

原创 《Master Opencv...讀書筆記》非剛性人臉跟蹤 IV (終)

一、我們目前爲止擁有什麼爲了有一個連續完整的認識,在介紹最後一節前,先梳理下至今我們訓練了哪些數據特徵,並且訓練它們的目的是什麼。 1.      ft_data:利用手工標註工具,獲取最原始的樣本訓練數據,包括以下內容: 圖像名稱集合i

原创 離散隨機線性系統的卡爾曼濾波器基本原理及實現

     今天介紹Kalman濾波器理論知識,並給出一個演示的例子。由於Kalman濾波在目標跟蹤時,需要不斷獲取觀測向量,所以沒法單獨使用。如果時間充裕,下一篇博文將會做基於MeanShift + Kalman的目標跟蹤。這次的主要結構

原创 基於功能安全的車道級定位精度分析

  自動駕駛常常提到定位精度問題,很多廠商對外宣稱的定位精度基本上差不多。   比如某業界領先的M公司,其定位和製圖精度: Lateral: 6cm (1 sigma) Longitude: 15cm (1 sigma) Yaw D

原创 機器學習之旅---SVM分類器

本次內容主要講解什麼是支持向量,SVM分類是如何推導的,最小序列SMO算法部分推導。 最後給出線性和非線性2分類問題的smo算法matlab實現代碼。 一、什麼是支持向量機(Support Vector Machine) 本節內容部分

原创 再談單應性矩陣及位姿分解

最近在研究無人駕駛的定位問題,想利用車載攝像頭提取的車道線、配合廠商提供的GNSS+IMU(非ADMA級別方案,存在一定誤差),還有地圖廠商提供的HD map(包含車道線元素)糾正定位。也就是說不依賴於視覺slam構造的特徵圖層,嘗試下在

原创 基於粒子濾波器的目標跟蹤算法及實現

推薦大家看論文《An adaptive color-based particle filter》 這次我直接截圖我的碩士畢業論文的第二章的一部分,應該講得比較詳細了。最後給出我當時在pudn找到的最適合學習的實現代碼 代

原创 商業模式新生代之開放商業模式

     今天的商業模式學習,有助於理解爲什麼存在競爭的公司依然能保持合作,還有怎麼充分利用知識產權。     【華爲曾經有H3C,華賽,海思等子公司,但是華爲和中興絕對是水生火熱、互挖牆腳】   1.什麼是開放式商業模式? 開放式商業模

原创 機器學習之旅---奇異值分解

     本次的講解主要內容如下: 1.什麼是奇異值分解?爲什麼任意實矩陣都存在奇異值分解? 2.怎麼用C語言代碼實現SVD分解? 3.實際應用: 基於SVD的圖像壓縮 基於SVD的協同過濾推薦系統 一、SVD奇異值分解概念    

原创 機器學習之旅---logistic迴歸

一、logistic迴歸分析簡介     logistic迴歸是研究觀察結果(因變量)爲二分類或多分類時,與影響因素(自變量)之間關係的一種多變量分析方法,屬於概率型非線性迴歸。     利用logistic迴歸進行分類的主要思想是:根據

原创 《Mastering opencv....讀書筆記》基於標記的虛擬現實

   虛擬現實技術一直比較火,應用領域也非常廣。本次爲大家講解虛擬現實的一個入門級例子,如果對以下內容感興趣: 初音:http://jandan.net/2012/07/09/augmented-reality-girlfriend.ht

原创 機器學習之旅---樸素貝葉斯分類器

def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['m