0%

Apriltags的CMakeLists.txt中出现了一行pods_install_executables(),这并不是标准的CMake写法,项目中有cmake/pods.cmake文件,里面写道:Macros to simplify compliance with the pods build policies.

关于pods的资料不多,目前我对它的理解是一组基于CMake语法的宏,本身与CMake并没有任何区别。cmake/pods.cmake的内容可以参考:
https://github.com/RobotLocomotion/cmake/blob/master/pods.cmake
https://sourceforge.net/projects/pods/
https://sourceforge.net/p/pods/wiki/PodsTool/

https://github.com/mherb/kalmanT 是一个基于eigin3的Kalman-Filter,包含了Extended Kalman Filter (EKF)、Square Root Extended Kalman Filter (SR-EKF)、Unscented Kalman Filter (UKF)、Square Root Unscented Kalman Filter (SR-UKF),4种Kalman filter。

阅读全文 »

前段时间在知乎上看到的《卡尔曼滤波器及其在云台控制中的应用》这篇文章,中间提到了Estimate的三个境界:smoothing->filtering->prediction。为了解决我在机器人比赛中的预测问题,也为了迈入Estimate的大门,就从Kalman Filter开始入手吧。

阅读全文 »

Graph-Based Segmentation 是经典的图像分割算法。论文:Efficient Graph-Based Image Segmentation,IJCV 2004,MIT,作者 Pedro F. Felzenszwalb.

阅读全文 »

AprilTag是一套免费开源的视觉定位系统,他们的主页:https://april.eecs.umich.edu/software/apriltag/
根据他们的论文AprilTag - A robust and flexible visual fiducial system, ICRA 2011,AprilTag主要的贡献是:

  • 提出了一种可靠的检测视觉基准的方法:基于图形的图像分割、基于局部梯度,可以精确估计线条。还描述了一种可以处理重要遮挡的四边形提取方法。
  • 描述了2D条形码系统独有的特性:旋转的稳健性,以及自然图像产生的误报的稳健性。
  • 号称比ARTagStudierstube Tracker更快更稳定。
阅读全文 »

数学中的矩

矩的本质是数学期望,而期望的计算公式是

其中f(x)是x的概率密度,上面的公式默认了所有变量概率相等。

阅读全文 »

用机器视觉系统分析未知场景时,计算机并不预先知道图像中物体的尺度。我们需要同时考虑图像在多尺度下的描述,获知感兴趣物体的最佳尺度。如果不同的尺度下都有同样的关键点,那么在不同的尺度的输入图像下就都可以检测出来关键点匹配,也就是尺度不变性。

阅读全文 »

OpenMP(Open Multi-Processing)是一套支持跨平台共享内存方式的多线程并发的编程API,使用C,C++和Fortran语言,可以在大多数的处理器体系和操作系统中运行。

阅读全文 »

一、向量和坐标系

要想确定一个坐标,首先要建立坐标系。在三维空间中建立的坐标系通常都是两两垂直的,坐标系也叫做线性空间中的一组基 $(e_{1},e_{2},e_{3})$ ,向量 $a$ 在这组基的坐标就可以表示成:

向量有内积和外积之分,
内积表示为 $a^Tb$ ,可以描述为两个向量之间的投影关系。
外积表示为 $ab^T$ ,外积大小是两个向量张成四边形的有向面积,之所以有向,是因为外积方向垂直于这两个向量构成的平面,且满足右手定理, $ab^T$ 和 $ba^T$ 会得到大小相同,方向相反的结果。

阅读全文 »