Kalman Filter
文章平均质量分 94
XDWX
逆水行舟,不进则退。
展开
-
Kalman Filter : 理解卡尔曼滤波的三重境界
第一重:初见Kalman假设我养了一只猪: 一周前,这只猪的体重是46±0.5kg。注意,在这里我用了±0.5,表示其实我对这只猪一周前的体重并不是那么确定的,也就是说,46kg这个体重有0.5kg的误差。现在,我又养了这只猪一个星期。那么我想要知道它一个星期之后多重,又大概有多少的误差? 为了得到一周后的体重,我有两种方法:一是根据我多年的养猪经验得到的猪体重公式推求出一个大概...转载 2018-10-26 13:22:29 · 572 阅读 · 0 评论 -
卡尔曼滤波(一)
1、理论部分卡尔曼滤波使用的准则是线性最小方差估计(LMMSE),因此,经典卡尔曼滤波适用于线性高斯系统,系统模型如下: W和V分别代表过程噪声和量测噪声,数学期望为0,方差分别为Q和R,X代表系统状态。本文假定已有一定的线性系统基础,因此不对上图中公式做具体介绍。并且本文着重介绍公式的由来、公式为...转载 2018-10-26 13:27:32 · 1532 阅读 · 0 评论 -
卡尔曼滤波原理(二):扩展卡尔曼
1、理论部分 上一篇介绍了线性卡尔曼滤波器,当系统为线性高斯模型时,滤波器能给出最优的估计,但是实际系统总是存在不同程度的非线性,如平方、三角关系、开方等。对于非线性系统,可以采用的一种方法是通过线性化方法将非线性系统转换为近似的线性系统,即为EKF,核心思想是:围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上项,得到一个近似的线性化模型,然后应用卡尔...转载 2018-10-26 13:32:05 · 2036 阅读 · 0 评论 -
卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及粒子滤波原理
所有滤波问题其实都是求感兴趣的状态的后验概率分布,只是由于针对特定条件的不同,可通过求解递推贝叶斯公式获得后验概率的解析解(KF、EKF、UKF),也可通过大数统计平均求期望的方法来获得后验概率(PF)。1 KF、EKF、UKF1.1 定义KF、EKF、UKF 都是一个隐马尔科夫模型与贝叶斯定理的联合实现。是通过观测信息及状态转移及观测模型对状态进行光滑、滤波及预测的方法。而KF、EKF及U...转载 2018-10-27 23:28:22 · 3283 阅读 · 1 评论 -
OpenCV--卡尔曼滤波(KalmanFilter)详解【转载】
版权声明:转载请注明出处 https://blog.csdn.net/GDFSG/article/details/50904811 ...转载 2018-09-15 01:06:33 · 11637 阅读 · 6 评论 -
卡尔曼滤波推导思路总结
(1) 混合高斯一维高斯函数形式:(1)N(x,μ,σ)=1σ2πe−(x−μ)22σ2\mathcal N(x,\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}}e^-\frac{(x-\mu)^2}{2\sigma^2}\tag1N(x,μ,σ)=σ2π1e−2σ2(x−μ)2(1)两个高斯函数相乘示(未归一化):(2)N(x,μ0,σ0)×N(x...原创 2019-09-12 21:07:39 · 473 阅读 · 0 评论