原创 ytwy

SLAM學習筆記—後端 概述 狀態估計概率分佈的核心思想 未知量(\(x_k\))的後驗概率分佈 = 似然概率分佈 × 未知量(\(x_k\))的先驗概率分佈 這一等式貫穿全文,請牢牢抓住! 運動方程和觀測方程 \[\b

原创 矩陣論考點分析(中國抗業帶學-銅專分校)

第1章 線性空間與線性映射 求解過渡矩陣(表示矩陣)並進行座標變換; 空間Vn(F):ξ=[ξ1⋯ξn]和η=[η1⋯ηn]是基,T是線性變換,α∈Vn(F)任意。 已知α在ξ下的座標爲x=[x1⋮xn],ξ→η的過度矩陣爲C

原创 銅專矩陣論考點分析(有誤煩指)

第1章 線性空間與線性映射 求解過渡矩陣並進行座標變換; 證明\(W\)是\(V\)的子空間 尋找一個元素\(\alpha_0\in{W}\)說明\(W\)是非空集合(一般地可以選擇零元素); 證明\(W\)中的元素對加法

原创 循環不變量

循環不變量(分治結束標誌量):在循環中定義不發生變化的量,當不滿足定義時縮小規模。 關於循環不變量定義的條件,我們是有充分條件和必要條件之分的。 充分條件:這個條件一旦滿足,說明循環不變量滿足定義,過程立即結束; 必要條件:假設這

原创 SVM核函數理解

<body> 在對多維特徵空間\(\mbox{V}_n\)的樣本進行分類時,\(\mbox{V}_n\)中樣本點的相似度使用內積進行計算,這是因爲內積的本質就是計算\(\bf{x_1}\)在\(\bf{x_2}\)上的投影大小。但是這種計

原创 C# 流水線 生產者/消費者鏈 Producer/Consumer

<body> manager.cs using System; using System.Collections.Concurrent; using System.Threading; using bntu.pcm.plworker

原创 匈牙利算法與KM算法

匈牙利算法的概述 用來解決二分圖中的最優分配問題的算法,也就是圖論中尋找最大匹配的算法。 從實際問題的角度理解(\(\mbox{KM}\)算法) 第(1)步:找到每個成員的長處,即尋找各個成員完成各任務的最短耗時。將成

原创 SLAM後端—線性系統濾波(KF)與非線性系統濾波(EKF)

SLAM學習筆記—後端 概述 狀態估計概率分佈的核心思想 未知量(\(x_k\))的後驗概率分佈 = 似然概率分佈 × 未知量(\(x_k\))的先驗概率分佈 這一等式貫穿全文,請牢牢抓住! 運動方程和觀測方程 \[

原创 第二單元 第一章 破碎、磨碎與超細粉碎技術

概述 爲什麼要進行破碎和磨碎? 從採礦作業送入選礦廠或選煤廠的原礦其粒度上限幾百毫米甚至達到一米多,而選礦通常要求0.1—0.2毫米或更細,這就要求將進入選礦廠的原礦在粒度上減小至原來的千分之一甚至萬分之一。這一過程必須通過碎碎

原创 2019-基於圖像識別的在線粒度檢測方法研究與檢測系統設計

計算動態圖像的梯度結構相似度(\(\mbox{NRSS}\)),數值低於一定閾值的圖像被標記爲模糊圖像而被剔除; 結構相似度(\(\mbox{SSIM}\)) 亮度比較(\(\mbox{lighting}\)) \[\mbo

原创 2014-基於數字圖像處理技術的粒度在線檢測方法研究

首先將圖像\(\mbox{RGB}\longrightarrow\mbox{GRAY}\)(也就是灰度化圖像),然後通過中值濾波去除窗口內的極大極小值(統稱爲噪聲點),達到平滑圖像的效果; 接着對圖像進行形態學重構,消除物體內部和外

原创 SSD進行視頻的物體檢測

video_test.py from utils.tag_video import VideoTag from nets.ssd_net import SSD300 if __name__ == '__main__': inp

原创 使用積分圖像進行自適應閾值二值化

import cv2 as cv import numpy as np def adaptive_threshold(gray: np.ndarray, whs: int = None, sub_threshold: float = 0

原创 第3章 礦物的分離特性與分選效果分析

礦物顆粒的幾何特性 顆粒粒度大小的表示 演算直徑表示方法 三軸徑:長方體的長寬高(\(\mbox{Length}\),\(\mbox{Breadth}\),\(\mbox{Height}\)); 序號 計算式

原创 Numpy實現分水嶺分割算法【未完結】

from queue import PriorityQueue import numpy as np class Pixel(object): """ 像素信息,包含像素的座標和梯度 """ def