看到vslam十四講的第8章肩祥，理解了些基礎(chǔ)知識后需要記住
1.高斯分布的最大似然等價于最小二乘模型转砖。
2.一階泰勒展開：一定要一階泰勒展開局义，不能采用二階以上欢际，因為只有一階泰勒展開才是線性函數(shù)，才能將非線性轉(zhuǎn)換為線性最小二乘問題來直接求解耍属。
3.最小二乘法直接求得全局最優(yōu)解而得到最小值托嚣，梯度下降法通過迭代求局部最優(yōu)解調(diào)整參數(shù)，最終得到最小值恬涧。
4.之前學(xué)習(xí)的ML中梯度下降的變量是θ求h(θ)的最小值注益。其中x和y都有先驗的固定輸入值，所以x和y不是變量溯捆。
5.非線性優(yōu)化問題的框架分為線性搜索和信賴區(qū)兩類。
6.高斯濾波采用加權(quán)平均進行模糊厦瓢，離中心越近的像素權(quán)重越高提揍。圖像高斯模糊用的都是二維的高斯函數(shù)。
7.圖像金字塔->高斯金字塔(多組不同尺度的金字塔)->差分金字塔DOG(高斯金字塔的層次差)
8.對于二進制串ａ和ｂ來說煮仇，漢明距離等于ａ抑或ｂ中１的數(shù)目劳跃。
9.BRIEF特征提取描述子算法步驟為1)高斯濾波。2)正態(tài)分布范圍隨機取256對點浙垫。3)按閾值計算為0或1刨仑，形成256bit二進制碼郑诺。4)計算漢明距離小于128一定不配對，距離小的配對杉武。
10.泰勒展開包括一階雅克比矩陣和二階海森矩陣辙诞。
11.Moravec角點檢查的原理是通過滑動二值矩陣窗口尋找灰度變換的局部最大值。
12.SIFT特征點檢測：1.尺度空間極點檢測2.關(guān)鍵點精確定位3.關(guān)鍵點的方向確定4.特征向量的生成轻抱。
13.2張不同視角的圖片中飞涂，本質(zhì)矩陣E是相機坐標(biāo)系關(guān)系和基礎(chǔ)矩陣F是圖像坐標(biāo)系關(guān)系。
14.2個向量的內(nèi)積是標(biāo)量祈搜，公式為交叉相乘较店，正好等于矩陣乘法。都是因為線性代數(shù)才把它們聯(lián)系起來容燕。
15.特征值分解的過程就是坐標(biāo)系變換然后拉升k倍梁呈。所以可以保持其形狀特征
16.N’X1=d是超平面方程通過內(nèi)積也就是投影來理解OX的投影長度就是標(biāo)量d
17.反對稱矩陣可以替換叉乘中的一個向量。
18.LK光流跟蹤法可以代替描述子和特征匹配蘸秘，找到特征點捧杉。前提是第一張圖片需要先找特征點，然后越跟蹤特征點會越少秘血。
19.LK光流法中的A和b都是梯度值味抖。
20.圖像處理一般用二階高斯濾波，中心點坐標(biāo)為0,0所以等于提取的是中心點周邊像素的加權(quán)平均灰粮。所以才會模糊仔涩。
21.通過二階差分法求的拉普拉斯的算子，拉普拉斯作為卷積核能算出每個像素的灰度梯度值粘舟。梯度值大的為高亮熔脂，梯度值大的也是邊沿。所以拉普拉斯卷積核能進行邊緣檢測柑肴。
22.線性差值是通過幾何比例公式來求的
