视觉SLAM十四讲笔记-第一讲

Posted 陈鹏烨

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了视觉SLAM十四讲笔记-第一讲相关的知识,希望对你有一定的参考价值。

第一讲:课后习题

1. 有线性方程 Ax = b,若已知 A,b,需要求解x,该如何求解? 这对 A b 有哪些要求?  【提示:从A的维度和秩角度来分析】

答:可以利用大学时候学的非齐次方程组的方法求解,利用 的增广矩阵 \\widetilde{A} ,对增广矩阵进行标准化和归一化。

A的增广矩阵是:

                                      \\widetilde{A}= \\left[ \\begin{array}{cccc|c} a_{11} & a_{12} & ... & a_{1n} & b_{1} \\\\ a_{21} & a_{22} & ... & a_{2n} & b_{1} \\\\ ... & ... & ... & a_{1n} & ... \\\\ a_{m1} & a_{m2} & ... & a_{mn} & b_{m} \\end{array} \\right]

  1. rank(A)<rank(A~) , 方程组 (2) 无解
  2. rank(A)=rank(A~)=n , 方程组 (2) 有唯一解
  3. rank(A)=rank(A~)<n , 方程组 (2) 有无穷解
  4. rank(A)>rank(A~) 不可能出现, 因为增广矩阵的秩大于等于系数矩阵的秩(矩阵加入一列,其秩只能增大,不可能变小)

需要补充线性代数的同学可以参考这个同学:https://blog.csdn.net/youngpan1101/article/details/54574130


2.高斯分布是什么?它的一维形式是什么样子?它的高维形式是什么样子?

答:高斯分布(Gaussian distribution),也称正态分布(Normal distribution),最早由棣莫弗(Abraham de Moivre)在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
    正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
    若随机变量X服从一个数学期望为μ、方差为σ2的正态分布,记为N(μ,σ2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。如下图:

高斯

https://www.cnblogs.com/bingjianing/p/9117330.html

3.你知道C++中的类吗?你知道STL吗?你使用过它们吗?


4. 你以前怎样书写CH++程序?(你完全可以说只在Visual C++6.0下写过CH+工程只要你有写C++和C语言的经验就行。)


5.你知道C++11标准吗?你听说过或用过其中哪些新特性?有没有其他的标准


6. 你知道Linux吗?你有没有至少使用过一种(不算安卓)操作系统,比如 Ubuntu?


7. Linux的目录结构是什么样的?你知道哪些基本命令,比如 Is,cat等?

8.如何在 Ubuntu系统中安装软件(不打开软件中心的情况下)?这些软件被安装在什么地方?如果只知道模糊的软件名称(比如想要装一个名称中含有Eigen 的库),应该如何安装它?


9.*花一个小时学习Vim,因为你迟早会用它。你可以在终端中输入vimtutor阅读一遍所有内容。我们不需要你非常熟练地操作它,只要能够在学习本书的过程中使用它输入代码即可。不要在它的插件上浪费时间,不要想着把Vim用成 IDE,我们只用它做文本编辑的工作。


 

以上是关于视觉SLAM十四讲笔记-第一讲的主要内容,如果未能解决你的问题,请参考以下文章

视觉SLAM十四讲笔记 -- 第一讲

视觉SLAM十四讲笔记 -- 第一讲

视觉SLAM十四讲笔记 -- 第一讲

视觉SLAM十四讲笔记 -- 第二讲

视觉SLAM十四讲笔记 -- 第二讲

视觉SLAM十四讲笔记 -- 第二讲