激光雷达成像原理：机械式与固态式
本文记录机械旋转式与固态式两类激光雷达的成像原理与区别，并以一次协同采集里的三台设备（禾赛 QT128、速腾 RoboSense、图漾 Livox 固态）的点云对照。核心是：扫描机构决定点云长什么样——机械式打"环"、重复，固态式打"花瓣"、非重复。
万向节死锁（Gimbal Lock）
欧拉角用三个角度、按固定轴序表示三维旋转，是最直观的旋转参数化方式。当中间角（俯仰角）取到 ±90° 时会出现一个自由度丢失的奇异现象，称为万向节死锁（Gimbal Lock）。本文记录其成因、三种数学证明与规避方法。
结构光相机成像原理与精度实测 -- FM815-IX-E1
本文记录图漾 FM815-IX-E1 结构光深度相机的成像原理推导，以及一组距离-精度的实测。先梳理结构光与双目立体视觉的基础（针孔模型、三角测量、视差、SGBM、整流），再把设备的实测参数代入，和 9 个距离的平面墙平整度数据对照。数值取自设备特性转储、出厂标定和实测采集。
矩阵分解 -3- 方法综述
矩阵分解是把一个矩阵拆成若干结构清晰、计算可控的因子之积，是数值线性代数与数据科学的基础工具。本分类下已有《矩阵分解 -1- 概述》的方法清单与《矩阵分解 -2- 特征值分解》的单篇展开，本文作为方法综述，按几何与代数本质把常见分解归为四类——谱类、正交类、直接求解类、应用驱动类——对每类给出定义、因子的含义、适用条件与典型应用，并梳理方法之间的联系、复杂度与数值稳定性，最后给出选型决策。 本文
Fisher 信息：相机标定真实数据实操
本文继续相机内参标定的工作, 之前仿真篇在有真值的数字孪生里算了 CRLB、验证了「在估计处算观测信息」这套方法可信（《Fisher 信息：相机标定仿真实操》，理论见《Fisher 信息与精度下界》）。但仿真篇留了一个缺口：真实标定没有真值，第 6 步的 Monte Carlo 验证做不了。 本文把同一套方法跑在真实采的图上，并用 k 折、独立测试、数据一致性把那步验证补回来——回答：这台相机的
Fisher 信息：相机标定仿真实操
相机标定估出内参后，这些估计准到什么程度？本文用 Fisher 信息算出每个内参的精度下界（CRLB）——不管用什么算法，误差都不可能小于它，而且拍照前就能算。理论推导见《Fisher 信息与精度下界》。
Fisher 信息与精度下界
Fisher 信息（Fisher Information）刻画观测数据对参数的敏感程度，给出任何无偏估计的精度下界（Cramér–Rao 不等式）。本文从温度计、抛硬币等例子出发，记录它的定义、等价形式与计算方法。
海康相机取图方式整理
一台海康网络相机，把图像拿出来的通路不止一条。本文按协议栈把取图方式分成 SDK、HTTP（ISAPI）、流协议、封装层四级，记录各自的端口、认证与可操作接口，并附 Python 实测脚本与输出。