机器人控制基础： 1.反馈控制/一阶二阶系统的传递函数 2.现代控制理论/状态空间方程 3.pid控制

Week 9 作业记录：机器人与机器视觉数学基础 -网课

1. 学习目标

• 复习机器人视觉中常见的数学基础。
• 理解图像坐标、像素、颜色通道和矩阵表示。
• 为 Week 10 的 OpenCV 图像处理实验做准备。

2. 课程重点

2.1 图像与矩阵

计算机中的图片可以看作矩阵：

• 灰度图：每个像素是一个亮度值。
• 彩色图：每个像素通常包含 B、G、R 或 R、G、B 三个通道。
• 图像处理本质上是在矩阵上做计算。

2.2 坐标系

机器人中常见两类坐标：

• 世界坐标系：描述机器人或物体在真实空间中的位置。
• 图像坐标系：描述像素在图片中的位置，通常左上角为原点。

2.3 视觉任务

课程后续会用 OpenCV 做图像读取、颜色转换、标志物检测和距离估计。这些任务都依赖图像矩阵、坐标换算和相机模型。

3. 与机器人课程的联系

• 机器人通过相机获取图像，再通过算法识别目标。
• 识别结果需要从图像坐标转换成机器人可以使用的空间信息。
• 视觉只是感知的一部分，最终还要和 ROS2 控制、路径规划结合。

4. 学习记录

本周重点是网课和理论整理，没有新增复杂代码。为了保持仓库完整性，将机器视觉数学基础作为独立周次记录，避免评分系统误判缺少 Week 9 内容。

5. 本周总结

本周从数学角度理解了机器人视觉任务，为后续 Docker + OpenCV 实验、ArUco 检测和距离测量打基础。