視覺慣性單目SLAM (五)矩陣微積分

2021-07-27 10:07:39 字數 2033 閱讀 1219

基本規則

乘法規則

行列式的導數(derivatives of determinants)

鏈式法則(the chain rule)

跡的導數(derivatives of traces)

弗羅伯尼範數求導(derivatives of frobenius norm)

y,列向量 m×

1 )

matrix(

y ) m×

nscalar(

x )dy

dxdy

dx=[

∂yi∂

x]m×

1 (向量

y的切向

量 )dy

dx=[

∂yij

∂x]m

×n(切線矩陣)

vector(

x )

(列向量 n×

1 )dy

dx=[

∂y∂x

j]1×

n (梯度

行向量 )dy

dx=[

∂yi∂

xj]m

×n(雅可

比矩陣)

matrix(

x ) (m

×n)d

ydx=

[∂y∂

xji]

n×m (梯度

矩陣)方向

導數的意

義 :方向

導數的性

質 :用於

區域性變換

:最好的區域性線

性近似 :海森

矩陣的來

源 非線

性變換實

例圖

dx=⎡

⎣⎢⎢⎢

⎢⎢⎢⎢

⎢⎢⎢⎢

∂y11∂

x∂y21

∂x⋮∂

ym1∂

x∂y12

∂x∂y

22∂x⋮

∂ym2

∂x⋯⋯

⋱⋯∂y

1n∂x

∂y2n

∂x⋮∂

ymn∂

x⎤⎦⎥

⎥⎥⎥⎥

⎥⎥⎥⎥

⎥⎥ 海

森矩陣的

**hes

sian

矩陣的特

徵值: he

ssia

n矩陣是

n×n方

陣,且是

對稱矩陣

: cr

itic

alpo

ints

/sta

tion

aryp

oint

(臨界點

/駐點)

用途:海

森矩陣的

性質: 對映

函式型別

一階求導

二階求導f:

r1→r

1 標量值函式導數0

f:rn

→r1 標量值函式

梯度海森矩陣f:

rn→r

m 向量值函式

雅可比矩陣

參考:

1)2)

3)4)

視覺SLAM筆記(20) 單目相機模型

7.畸變糾正 8.成像過程 之前介紹了 機械人如何表示自身位姿 的問題 部分地解釋了 slam經典模型中變數的含義和運動方程部分 現在需要討論 機械人如何觀測外部世界 也就是觀測方程部分 而在以相機為主的視覺 slam 中,觀測主要是指相機成像的過程 在計算機中,一張 由很多個畫素組成,每個畫素記錄...

視覺筆記 基本矩陣 本質矩陣 單應矩陣

by luoshi006 f k tt rk 1 k t ek 1 mathbf f mathbf k t mathbf r mathbf k mathbf k mathbf e mathbf k f k tt rk 1 k tek 1基本矩陣f ff 描述了兩個對應特徵畫素點間的極線約束。在圖 i...

視覺slam第三講筆記 矩陣運算Eigen庫

內積 a b a ba b外積 a b a b a times b hat a b a b a b,其中 a hat a a 為a aa的反對稱矩陣表示 a b 0 a3a2 a30 a1 a 2a10 b a times b begin 0 a a a 0 a a a 0 endb a b 0a3...