机器人学 —— 机器人视觉（Bundle Adjustment）
今天完成了机器人视觉的所有课程以及作业，确实是受益匪浅啊！ 最后一个话题是Bundle Adjustment. 机器人视觉学中，最顶尖的方法。 1、基于非线性优化的相机位姿估计 之前已经在拟合一篇中，已经补完了非线性最小二乘拟合问题。Bundle Adjustment ...
原文：机器人学 —— 机器人视觉（基础）
机器人视觉是一种处理问题的研究手段。经过长时间的发展，机器人视觉在定位，识别，检测等多个方面发展出来各种方法。其以常见的相机作为工具，以图像作为处理媒介，获取环境信息。 相机模型 相机是机器人视觉的主要武器，也是机器人视觉和环境进行通信的媒介。相机的数学模型为小孔模型，其核心在于相似三角形的求解。其中有三个值得关注的地方： . f a b 焦距等于物距加上像距。此为成像定理，满足此条件时才能成清 ...
2016-04-29 22:10 0 3315 推荐指数：
相关推荐
机器人学 —— 机器人视觉（极几何）
极几何是机器人视觉分支——双目视觉中，最为重要的概念。与结构光视觉不同，双目视觉是主！动！测！量！方法。 1、极几何的研究前提 极几何的研究对象是两幅有重叠区域图像。研究目标是提取相机拍摄位姿之间的关系。一旦得到两次拍摄位姿之间的关系，我们就可以对场景点进行三维重建。 极几何定义 ...
机器人学 —— 机器人感知（Gaussian Model）
机器人感知是UPNN机器人专项中的最后一门课程，其利用视觉方法来对环境进行感知。与之前提到的机器人视觉不同，机器人感知更侧重于对环境物体的识别与检测。与计算机视觉不同，机器人视觉所识别的物体往往不需要高精度测量，物体也有明显特征。机器人感知最为典型的应用是对环境的感知 —— SLAM，同步定位 ...
机器人学 —— 机器人感知（Mapping）
对于移动机器人来说，最吸引人的莫过于SLAM，堪称Moving Robot 皇冠上的明珠。Perception 服务于 SLAM，Motion Plan基于SLAM。SLAM在移动机器人整个问题框架中，起着最为核心的作用。为了专注于Mapping，此章我们假设 Location 是已知 ...
机器人学 —— 机器人感知（Location）
终于完成了Robotic SLAM 所有的内容了。说实话，课程的内容比较一般，但是作业还是挺有挑战性的。最后一章的内容是 Location. Location 是 Mapping 的逆过程。在给定map的情况下，需要求取机器人的位姿。 1、Location 的意义 在机器人导航任务 ...
机器人学 —— 机器人感知（Kalman Filter）
对于机器人感知任务而言，经常需要预判物体的运动，保证机器人在物体与自身接触之前进行规避。比如无人机与障碍物的碰撞，足球机器人判断足球的位置。预判的前提是对当前状态进行准确的估计，比如足球的速度，障碍物靠近的速度。一般认为，测量是存在误差的 —— 眼见未必为实。 1、物体的运动学模型 ...
机器人学 —— 轨迹规划（Introduction）
轨迹规划属于机器人学中的上层问题，其主要目标是计划机器人从A移动到B并避开所有障碍的路线。 1、轨迹计划的对象 轨迹规划的对象是map，机器人通过SLAM获得地map后，则可在地图中选定任意两点进行轨迹规划。暂时不考虑三维地图，以平面二维图为例，map主要有以下几种 ...
机器人学期刊
ROBOTICS机器人学 序号 期刊名 影响因子 ...