slam learning

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

相关数学基础 总结

浏览 123 扫码 分享 2022-07-25 05:27:55
  • SVD分解
  • 为什么尺度等价性矩阵自由度减一
  • 线性代数的本质
  • 矩阵的自由度（degrees of freedom）
  • 最小二乘法
  • 贝叶斯、似然、先验、后验
  • 罗德里格斯公式推导
  • 反对称矩阵

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 视觉slam14讲 全笔记
    • 第1-2讲 初识slam
    • 第3讲 三维空间刚体运动
    • 第4讲 李群与李代数
    • 第5讲 相机与图像
    • 第6讲 非线性优化
    • 第7讲 (1) 视觉里程计1
    • 第7讲 (2) 本质矩阵 基础矩阵 单应矩阵
    • 第7讲 (3) 相机运动的估计2D-2D/3D-2D/3D-3D
    • 第8讲 视觉里程计2 光流法/直接法
    • 第9讲 (1) 卡尔曼滤波
    • 第9讲 (2) BA与图优化
    • 第10讲 后端2
    • 第11讲 回环检测
    • 第12讲 建图
    • 第14讲 现在与未来
  • 相关数学基础 总结
    • 为什么尺度等价性矩阵自由度减一
    • 线性代数的本质
    • 矩阵的自由度（degrees of freedom）
    • 最小二乘法
    • 贝叶斯、似然、先验、后验
    • 罗德里格斯公式推导
    • 反对称矩阵
  • IMU相关知识点总结
  • 待补充
    • ORB-SLAM3
      • ORB-SLAM2 学习笔记
    • 相机标定
      • 第1章 标定基础知识
    • paper reading
      • ORB-SLAM3
      • 基于单目视觉的SLAM方法综述
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注