您好，欢迎收听自动驾驶汽车专业课程二。在本课程中，我们将介绍状态估计，重点是定位。

让我们首先定义几个关键术语。

定位是我们确定的方法车辆在世界中的位置和方向。正如你可能想象的那样，准确定位是关键组成部分任何自动驾驶汽车软件堆栈。

如果我们想自动驾驶，我们当然需要知道我们在哪里。为此，我们可以使用状态估计。

这是计算物理量的过程像来自一组测量值的位置。由于任何现实世界的测量都是不精确的，我们将开发尝试找到最佳或给定一些假设的最佳值关于我们的传感器和外部世界。

与状态估计相关的是参数估计的思想。与状态不同，我们将其定义为随时间变化的物理量，参数随时间保持不变。

位置和方向是移动车辆的状态，而特定电阻器的电阻在车辆的电气子系统将是一个参数。

在课程的第一个模块或第一周，我们将介绍状态估计中的一种常用技术，最小二乘法。

到本周末，你会知道一点关于最小二乘法的历史，你会了解普通最小二乘法及其表亲，加权最小二乘法。

然后，我们将介绍递归最小二乘法，最后，讨论最小二乘法之间的联系和最大似然估计技术。

在本模块的第一课中，我们将介绍最小二乘法还有一种叫做平方误差标准的东西。

在视频的最后，你将能够描述最小二乘法是如何首先出现的

卡尔·弗里德里希·高斯 (Carl Friedrich Gauss) 在发现小行星谷神星时使用。

描述最小错误标准以及如何它用于估计最佳参数。推导出必要的正规方程我们需要解决才能使用该方法。

让我们开始。最小二乘法起源于 18世纪后期井在任何人考虑汽车的概念之前。

1801 年 1 月 1 日，一位意大利牧师和天文学家朱塞佩·皮亚齐在夜空中发现了一个新的天体。小行星或小行星现在称为谷神星。

你可以在这里看到它靠近月球和地球。

皮亚齐进行了 24 次望远镜观测这个新物体经过 40 多天才消失在阳光下。

由于谷神星的直径只有 900 公里左右，再次找到它是极具挑战性的。

这意味着其他天文学家无法证实皮亚齐的发现。

为了帮助再次定位谷神星，卡尔·弗里德里希·高斯，被称为世界王子数学家们对许多不同领域的巨大贡献，使用最小二乘法准确估计谷神星轨道参数基于 Piazza 公布的测量结果。

有了高斯的计算，天文学家成功地重新发现谷神星在皮亚齐做出第一次观察后将近一年。

虽然他在 1809 年发表了这个方法，高斯声称他开发了最小二乘法 1795 年，早于 Lesion 的作品。

Gauss 总结了该方法如下。未知参数的最可能值是最小化我们观察到的和我们期望的之间的平方误差的总和。为了说明这是如何工作的，让我们举一个简单的例子。

假设您正在尝试测量以欧姆为单位的值自动驾驶汽车驱动系统中的简单电阻器。要做到这一点，你抓住放在实验室周围的相对便宜的万用表。现在，假设您按顺序收集这四个单独的测量值。

如果你以前学过电路，您可能会记得所显示的碳膜电阻器类型这里是根据其额定电阻值进行颜色编码的。该电阻器的额定值为 1 千欧。

但是，由于多种因素，真实电阻可能与额定值不同。在这种情况下，电阻器有一个金带这表明它可以变化多达百分之五。

此外，让我们想象一下我们的万用表特别是穷人和那个人测量不是特别仔细。

目前，足以治疗这种噪音相当于一般错误但我们会回到解释噪音的方式模块后面的概率视角。对于四个测量中的每一个，我们定义了一个独立于其他噪声项的标量噪声项。

从统计上讲，在这种情况下，我们会说噪声是独立同分布的或 IID，稍后我们将对此进行更多讨论。

接下来，我们定义之间的误差每个测量值和我们电阻 x 的实际值。但请记住，我们还不知道 x 是什么。为了找到 x，我们将这些误差平方以得出一个方程这是我们测量的函数，并且我们正在寻找的未知阻力。

定义这些错误后，最小二乘法说的是我们正在寻找的电阻值，这是 x 的最佳估计是一种最小化平方误差标准的方法，有时也称为平方误差成本函数或损失函数。

为了最小化平方误差标准，我们将用矩阵表示法重写我们的错误。当我们必须处理时，这将特别有用数以百计甚至数以千计的测量。

我们将定义一个标识为粗体 e 的误差向量，这是我们观察到的函数堆积成向量 y 和矩阵 H 称为雅可比矩阵。最后，我们的真实阻力 x。H 的尺寸为 m × n，其中 m 是测量次数，n 是数量我们希望估计的未知数或参数。

一般来说，这将是一个矩形矩阵，我们可以在这种线性情况下很容易写下来。这将需要更多的数学努力来计算何时我们将在下一课中讨论非线性估计。请注意，这里 x 是单个缩放器。我们稍后会看到它可以是一个包含多个未知数的向量。

考虑到这些定义，我们可以将平方误差标准转换为向量符号，如下所示。展开括号，我们得出了这个有点令人生畏的表达方式。

所以现在怎么办？好吧，记住我们需要最小化相对于我们的真实电阻 x 的平方误差。

从微积分中，我们知道我们可以通过对误差函数关于未知 x 并将导数设置为零。让我们这样做。我们将不得不使用一些标准的矩阵表达式。重新排列，我们得到所谓的正规方程，可以写成单个矩阵公式。

我们可以解决这些来找到x-hat，最小化我们的平方误差标准的电阻。

此表达式有唯一解当且仅当如果 H 转置 H 不是奇异的。换句话说，如果矩阵有逆矩阵。如果我们有 m 个测量值和 n 个未知参数， H 转置 H 将是 n × n。

当且仅当矩阵是可逆的如果 m 大于或等于 n。所以，我们至少需要与未知数以推导出最小二乘解。这通常不会有问题。

事实上，我们会经常面临挑战处理过多的测量。但无论如何，你应该保持使用公式时请记住这一限制。回到我们特殊的阻力问题，让我们填写我们的变量。一旦我们有了这些数量，这只是插拔的问题。该表达式非常易于编码正如您将在模块作业中看到的那样。注意这里的表达式简化为我们四次测量的算术平均值。

也许这是你一直以来都想做的事情。现在，我们有另一个使用算术平均值的理由，它最小化了简单的最小二乘准则。

最后，我们应该注意我们所做的两个重要假设。

首先，我们假设我们的测量模型是线性的。这是一个非常重要的假设在复杂的系统中经常被破坏。我们将在后面的课程中讨论非线性测量模型。

其次，我们假设所有我们的测量在我们的误差方程中具有相同的权重。换句话说，我们假设我们同样关心我们的每一个测量。

总而言之，在这个视频中，你已经了解到最小二乘法是由卡尔弗里德里希高斯谁用它来准确预测一个名为谷神星的新行星状物体的轨道。

你看到了我们如何最小化求解感兴趣参数值的最小二乘准则。我们注意到普通最小二乘法假设线性测量模型和无法处理重要性不同的测量。

在下一个视频中，我们将扩展加权最小二乘法的最小二乘法，这可以解释不同重要性的测量。

参考

https://www.coursera.org/learn/state-estimation-localization-self-driving-cars/lecture/zDFtr/lesson-1-part-1-squared-error-criterion-and-the-method-of-least-squares

自动驾驶 8-1: 平方误差准则和最小二乘法 (上) Squared Error Criterion and the Method of Least Squares (Part 1)相关推荐

XY的模式识别学习笔记-最小平方误差准则分类 MSE
最小平方误差准则分类 MSE 最小平方误差准则分类定义简单例题及Matlab代码实现大三数学狗,记录一下学习过程. 最小平方误差准则分类定义对线性不可分的样本集,不等式组 a T y i & ...
怎样才能在自动驾驶任务中高效地利用时间轴上的信息进行视频检测？
目录这篇论文究竟想解决什么样的问题? 我们要尊重时间轴上的因果关系我们对实时性有要求简单粗暴地只添加LSTM模块行不行? 我们简单地回顾一下LSTM的原理 LSTM的局限性作者建议的模型是如何 ...
2022年自动驾驶关键词：由实向虚、上攻提速、打破边界
文丨智能相对论作者丨科科鸡年初百度.小米相继入局造车,年末小鹏坚定布局Robotaxi.2021年我们看到不同技术路径和商业模式的玩家仍在涌入自动驾驶赛道. 互联大厂入局,传统车企转型,初创企业技 ...
Coursera自动驾驶课程第13讲：Least Squares
在上一讲<Coursera自动驾驶课程第12讲:Semantic Segmentation>我们学习了深度学习的另一个重要应用:语义分割.至此,本课程的视觉感知模块就介绍完了. 从本讲开始 ...
Coursera自动驾驶课程第16讲：LIDAR Sensing
在第15讲<Coursera自动驾驶课程第15讲:GNSS and INS Sensing for Pose Estimation> 我们学习了自动驾驶定位中常用的两种传感器:IMU(惯性 ...
“现在的自动驾驶太保守！”看看轻舟智航联合创始人大方这篇论文怎么说
交流群 | 进"传感器群/滑板底盘群"请加微信号:xsh041388 交流群 | 进"汽车基础软件群"请加微信号:ckc1087 备注信息:群名称 + 真实姓名 ...
论文推荐 | 综述：自动驾驶背景下的交通流模型研究
导读题目:<Automated vehicle-involved traffic flow studies: A survey of assumptions, models, speculat ...
滴滴自动驾驶部门成立独立公司，CTO张博兼任新公司CEO
整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) 导读:8 月 5 日,滴滴出行官方微信公众号发文,宣布旗下自动驾驶部门升级为独立公司.目前,新成立公司的名称还未曝光,但据官方介绍将 ...
出行公司集体亮剑自动驾驶花落谁家？
当了出行领域百年大哥的主机厂,如今在各类企业围绕自动驾驶融合的进程中,似乎渐渐丧失了主角地位? 在几乎所有的主流车企都向出行服务转型的时候,真正的出行公司已经在向自动驾驶领域"亮剑" ...
谷歌、苹果等大佬亲自戳穿自动驾驶完美童话，技术、场景、安全牢笼实难突围！...
来源: 物联网智库摘要:自动驾驶普及不仅局限于自身技术和应用场景,而且与产业链各环节密切相关.一项科技从诞生到被人们所接受是一个循序渐进的过程,自动驾驶真正普及还任重而道远. 2018年11月1日百 ...

自动驾驶 8-1: 平方误差准则和最小二乘法 (上) Squared Error Criterion and the Method of Least Squares (Part 1)

参考

自动驾驶 8-1: 平方误差准则和最小二乘法 (上) Squared Error Criterion and the Method of Least Squares (Part 1)相关推荐

最新文章

热门文章