笛卡尔空间：

直角坐标系又称笛卡尔坐标系三维空间的表示。笛卡尔空间就是指在笛卡尔坐标系下的坐标空间。

位姿：

在机器人领域内，一些字母的含义（后面会用得到）

大地坐标系（或基坐标系）：B

末端坐标系：E

工具坐标系：T

测量坐标系：M

坐标系原点：ORG

卡尔曼滤波器

卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

闭环反馈

闭环反馈控制是基于反馈原理建立的自动控制。所谓反馈原理，就是根据系统输出变化的信息来进行控制，即通过比较系统行为（输出）与期望行为之间的偏差，并消除偏差以获得预期的系统性能。在闭环反馈控制中，既存在由输入到输出的信号前向通路，也包含从输出端到输入端的信号反馈通路，两者组成一个闭合的回路。闭环反馈控制是自动控制的主要形式。在工程上常把在运行中使输出量和期望值保持一致的闭环反馈控制系统称为自动调节系统，而把用来精确地跟随或复现某种过程的反馈控制系统称为伺服系统或随动系统。

相机畸变

相机镜头的畸变实际上是光学透镜固有的透视失真的总称。

雅可比矩阵

径向畸变

径向畸变主要由镜头径向曲率产生（光线在远离透镜中心的地方比靠近中心的地方更加弯曲）。导致真实成像点向内或向外偏离理想成像点。其中畸变像点相对于理想像点沿径向向外偏移，远离中心的，称为枕形畸变；径向畸点相对于理想点沿径向向中心靠拢，称为桶状畸变。

图像特征

特征是与解决某个应用程序相关的计算任务有关的一条信息。特征可能是图像中的特定结构，例如点，边缘或对象。特征也可能是应用于图像的一般邻域操作或特征检测的结果。这些功能可以分为两大类：

• 图片中特定位置的特征，如山峰、建筑角落、门口或有趣形状的雪块。 这种局部化的特征通常被称为关键点特征(或者甚至是角点) ，它们通常以点位置周围出现的像素块来描述，这个像素块往往被称作图像补丁(Image patch)。
• 可以根据其方向和局部外观（边缘轮廓）进行匹配的特征称为边缘，它们也可以很好地指示图像序列中的对象边界和遮挡事件

角点检测算法基本思想是什么？

算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，窗口中的像素灰度变化程度，如果存在任意方向上的滑动，都有着较大灰度变化，那么我们可以认为该窗口中存在角点。

相机标定的内参：Focal Length（焦距）, Principal Point（主点）, Skew（扭曲因子）, Distrotion（畸变）

相机外参数是在世界坐标系中的参数，比如相机的位置、旋转方向等

奇异位形有这样三个特点：

（1）在这个位置附近，关节速度趋于无穷大；

（2）此时机器人失去一个自由度，二连杆手臂退化为一个连杆；

（3）在笛卡尔空间中，无论选择什么样的关节速度都不能使机器人沿着某个方向运动，比如上图中，无论用多大的关节速度都不可能使末端B点沿着虚线方向运动。

手眼标定的目的就是获取机器人坐标系和相机坐标系的关系，最后将视觉识别的结果转移到机器人坐标系下。 手眼标定行业内分为两种形式，根据相机固定的地方不同，如果相机和机器人末端固定在一起，就称之为“眼在手”（eye in hand），如果相机固定在机器人外面的底座上，则称之为“眼在外”（eye to hand）

10月29日专业话语记录

加速度计

加速度计 (accelerometer) 测量加速度的仪表。

微分的概念：

图像预处理技术：Matlap

MATLAB是美国MathWorks公司出品的商业数学软件，用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人，控制系统等领域。

Harris 算法和Harris 角点

        概念：特征点检测广泛应用到目标匹配、目标跟踪、三维重建等应用中，在进行目标建模时会对图像进行目标特征的提取，常用的有颜色、角点、特征点、轮廓、纹理等特征。现在开始讲解常用的特征点检测，其中Harris角点检测是特征点检测的基础，提出了应用邻近像素点灰度差值概念，从而进行判断是否为角点、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值，其中关键流程包括转化为灰度图像、计算差分图像、高斯平滑、计算局部极值、确认角点。

        判断特征点是否稳定的指标：尺度不变、旋转不变、抗噪声影响；

        

我们可以直观的概括下角点所具有的特征：

>轮廓之间的交点；

>对于同一场景，即使视角发生变化，通常具备稳定性质的特征；

>该点附近区域的像素点无论在梯度方向上还是其梯度幅值上有着较大变化；

2. 角点检测算法基本思想是什么？

算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，窗口中的像素灰度变化程度，如果存在任意方向上的滑动，都有着较大灰度变化，那么我们可以认为该窗口中存在角点。

  

11月1日

滤波：

Harris角点原理