Fork me on GitHub

Runge-Kutta Methods Gyroscope

Runge-Kutta Methods Gyroscope

陀螺仪的观测量是三轴角速度(angular velocity),对一段时间内的角速度进行积分才能获取到姿态数据。 Runge-Kutta 4th
order normalized method (RK4n)是一种稳定且鲁棒性强的积分算法,相比较于标准线性积分有更高的积分准确度。

阅读更多...

IMU校准(1)-误差源

引言

IMU(Inertial Measurement Unit)是一种广泛应用于导航、机器人、飞行器和虚拟现实等领域的传感器装置,它可以测量并记录物体的加速度和角速度。但是其测量结果具有噪声和不精确性,这些误差源可能会导致导航或测量的不准确性。为了解决IMU的误差问题,校准是必不可少的步骤。校准是一个复杂的过程,旨在减少系统误差、随机误差和温度效应等因素的影响。在本博客中,我们将深入探讨IMU校准的误差源,以及如何通过校准方法来提高IMU的精度和性能。本系列博客为IMU校准相关工作的总结和记录,包含原理和MATLAB代码。

阅读更多...

Python网络编程

1.背景

​ 局域网上连接有两个设备:树莓派、PC。树莓派仅有供电没有连接其他外设,树莓派上定时执行爬虫脚本,需要经常查看爬虫日志信息检查运行状态。其中一个解决方案就是:通过TCP/IP协议,树莓派作为服务器,PC作为服务端,按需将日志信息发送到PC上。实现前述需求使用的技术是:Python网络编程。

阅读更多...

SVM(Support Vector Machine)——交叉验证

[TOC]

概述

​ SVM(支持向量机)是一种常用的机器学习算法,其中交叉验证用于评估模型在新数据上的表现。交叉验证是一个常用的模型选择和性能评估技巧,它将原始数据集划分为多个互相重叠的子集,其中一部分数据用于模型训练,另一部分数据用于模型测试和验证。通过测试集的效果评估,可以评估模型的性能和泛化能力。而交叉验证就是一种更加复杂的测试集划分方式,可以让更好地评估SVM模型的性能。

阅读更多...

HMM和Viterbi算法

​ 隐马尔可夫模型(hidden Markov model,HMM)是可用于标注问题的统计学习模型,描述由隐藏的马尔可夫链随机生成观测序列的过程,属于生成模型,描述了两个相关序列的依赖关系。隐马尔可夫模型在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。其主要思想来源于马尔可夫过程,它假设当前时刻状态只与前一时刻的状态有关,而与更早的状态无关。

阅读更多...

quaternion

四元数在三维旋转中的是最常用的一种方法,最近在做关于IMU相关的工作,下面就是过程中涉及到的相关资料的收集整理和个人理解记录。

阅读更多...
  • Copyrights © 2020-2023 Wh
  • 访问人数: | 浏览次数:

请我喝杯咖啡吧~

支付宝
微信