卡尔曼理论学习及公示推导
2014-04-09 21:24
169 查看
在计算机视觉中，卡尔曼滤波是一个很常用的线性滤波器，主要用于单目标或多目标的跟踪。在其他领域也具有较广泛的运用，比如雷达和GPS导航等等。初次接触感觉很复杂，记得那是大三的时候，那时的痛苦模样还历历在目。这两天想起来，那段历史激发了求知欲，决定好好探究一番。山穷水尽疑无路，柳暗花明又一村。一步一步推导下去，感觉很简单的，只要你有一定的耐心。下面我和大家一起重新回顾一下：（网页打不了公式，我自己手写拍照上传的）
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 卡尔曼理论学习及公示推导
- 深度学习笔记——理论与推导之RNN的训练过程BPTT（五）
- 深度学习笔记——理论与推导之Structured Learning【Structured Linear Model】（六）
- 深度学习笔记——理论与推导之Structured Learning【Structured SVM】（七）
- libsvm学习记录（一）理论推导
- 深度学习笔记——理论与推导之Reinforcement Learning（十三）
- 深度学习笔记——理论与推导之Structured Learning【NLP】（十二）
- 深度学习笔记——理论与推导之Structured Learning【Markov Logic Network】（十一）
- 机器学习入门学习笔记：（2.4）线性判别分析理论推导
- 强化学习基础四--Policy Gradient 理论推导
- 机器学习入门学习笔记：（2.1）线性回归理论推导
- 深度学习笔记——理论与推导之概念，成本函数与梯度下降算法初识（一）
- 深度学习笔记——理论与推导之Backpropagation（二）
- 深度学习 — 反向传播(BP)理论推导
- 机器学习实战-SVD与特征值分解的理论推导及SVD在推荐系统中的应用
- 深度学习笔记——理论与推导之DNN（三）
- 深度学习笔记——理论与推导之Structured Learning【Markov Random Field】（十）
- 复习：支持向量机的理论基础—学习算法的实现方法
- 2013波浪学习贴之六：波浪理论与预测
- 分布式学习——分布式系统的BASE理论