《機械人學中的狀態估計》中文譯本，買回了二十天，到今晚大概掃了一遍。雖然大部分內容都是不看詳細的公式推導的，相比看這本書前，還是有不小收穫的。
再次相信了「開卷有益」這句話，也確實覺得這本書要比《概率機械人》講的更加明白，也可能是看概率機械人時，只有一點點的基礎，而現在大部分東西基本都搞明白了，所以看這本書相對來說並沒有看《概率機械人》時那麼吃力。
也再次對自己說一句，你不可能看一遍就把一本書中的所有內容都掌握了，要求不要太高，有所收穫有所領悟哪怕是一點點都是很值得的。不管看懂看不懂，當你看第一次看完這本書的時候，你已經掌握了這本書裡10%的內容了。
1、粒子濾波和無跡卡爾曼講的比《概率機械人》要簡單易懂，大概是看明白了。
2、先驗、似然、後驗到底是什麼意思？
說真的，現在才真正明白。。（菜是原罪）在狀態估計中，可以這麼理解，先驗就是沒有得到觀測值時的概率分布，似然就是觀測的概率分布，後驗就是在得到觀測值後對先驗校正後的概率分布。
3、線性高斯系統和非線性非高斯系統有什麼區別？
而如果使用優化的方法求解的話，就跳過了高斯分布的這個假設，它並沒有涉及到均值方差的概念，直接構建誤差函式，求得使總誤差最小時的狀態量即可。
4、遞迴估計和批量估計有什麼區別？
遞迴是濾波形式的，只考慮上一時刻的狀態；而批量是優化形式的，會考慮前面所有時刻的狀態。
濾波器分類，卡爾曼、粒子濾波全都是基於貝葉斯濾波推導出來的。
而非線性優化是基於最大似然估計（map，maximum a posteriori）或最大後驗估計的 (ｍｌ，maximum likelihood)推導的。這是兩種推導方式。
5、迭代擴充套件卡爾曼濾波（iekf）相較於非迭代版本有什麼區別？
6、（ba）bundle adjustment和slam的區別是什麼？
最本質的區別是：ba是乙個最大似然問題，slam是乙個最大後驗問題。也就是說，ba只有觀測值，而slam還要知道機械人是如何運動的，即要有乙個運動模型。見中文書p308
7、為什麼gps+imu融合時還要要估計加速度和陀螺儀的偏差？
看了第五章後明白了，因為在經典的卡爾曼濾波中，都是在假設雜訊是零均值高斯誤差模型下推導的。但是像加速度這種控制量，它是會有零偏的，也就是它所測量的值隨時間會有乙個固定的偏差，這樣的話加速度的誤差就不是零均值高斯誤差模型了。如果卡爾曼濾波不考慮這些，會導致誤差不是無偏的。按我之前的理解，狀態量只要速度、朝向、位置就夠了，但是看別的書上都是還要把偏差也估計出來，之前不理解，現在終於理解了。
看了這麼多理論，總的大概是入們slam了。其實最重要是實戰，你不可能自己寫乙個後端優化的東西，學會熟練使用開源庫是一項很重要的技能。動手能力才是真正的能力，老闆讓你做乙個東西，不是讓你看書學習的（雖然看書學習很重要），他要聽的是結果，你做出了什麼，不是你學了什麼，弄明白了什麼。所以，下一步，重點學習gtsam庫的使用，用它來做一些東西出來。
NAO機械人學習筆記（1）
1 nao機械人硬體 1.1 紅外線 紅外線發射角度 60 60 波長940nm.1.2 超聲波 聲納 nao能夠探測前方0.25 2.55m內是否有障礙物，探測角度60 超聲波頻率為49khz.1.3 感測器 1.3.1 接觸感測器 頭部感測器周圍 12個led 耳部 2 10個16級藍色led,...
機械人學 機械人感知（Mapping）
軌跡規劃任務是再metric map的基礎上完成的。當然，層次最高的是語意圖，語意圖是未來研究的熱點方向。獲取metric map 的難度最大之處在於 1 感測器雜訊 may be solved by pgm 2 機械人在移動 location 問題 常見的map是基於ugv而言的，使用的地圖是oc...
機械人學 機械人視覺（特徵）
上回說到機械人視覺的核心任務是estimation，理論框架是射影幾何理論。在之前的作業中展現了單應變換的巨大威力。然而，整個estimation 的首要條件是已知畫素點座標，尤其是多幅圖中對應點的畫素座標。單幅影象的處理方法都是大路貨了，不贅述。這篇部落格想講講不變點檢測與不變特徵。由於機械人在不...