SLAM知识学习
文章平均质量分 90
与SLAM有关的基础知识学习笔记
寒墨阁
自动驾驶、机器人算法仿真测试 | 相声外行
展开
-
Unscented Kalman filter无迹卡尔曼滤波
扩展卡尔曼滤波(EKF)用一阶导数来对非线性模型做局部线性化,而无迹卡尔曼滤波UKF使用所谓“统计线性化”方法,从一个已知的分布中做采样,也就是“生成sigma points”,来“模拟”非线性模型的随机分布。UKF也包含经典的“预测”和“更新”过程,只不过多了一步sigma points的采样。原创 2021-02-10 14:43:45 · 14102 阅读 · 2 评论 -
Ensemble Kalman filter集合卡尔曼滤波
在气象预测领域,很多时候,模型具有巨大的量级,如果使用传统的卡尔曼滤波,协方差矩阵的更新将是一个~10e22量级的计算操作,因此传统的卡尔曼滤波并不适用。集合卡尔曼滤波(Ensemble Kalman filter)用sample covariance模拟原本的协方差矩阵,用一个小的多的量级的矩阵运算代替原本的协方差矩阵更新。集合卡尔曼滤波与粒子滤波有相通之处,本文将通过一个应用EnKF进行定位的python实例来初探集合卡尔曼滤波的概念。原创 2021-02-07 13:00:36 · 27253 阅读 · 3 评论 -
从EKF到MSCKF
本文主要会对msckf与ekf的联系做一个大体的介绍,以便读者在掌握ekf思想的基础上更好地把握msckf的思路,不会涉及msckf内具体的数学推导,也不会像前几节一样对msckf的代码做具体展示,只在最后给出msckf的代码链接和使用指南。原创 2021-02-03 17:32:23 · 12585 阅读 · 0 评论 -
EKF SLAM学习笔记03
在上一节中我们看到的是扩展卡尔曼滤波在定位中的应用,EKF同样可以应用于SLAM问题中。在定位问题中,机器人接收到的观测值是其在二维空间中的x-y位置。如果机器人接收到的是跟周围环境有关的信息,例如机器人某时刻下距离某路标点的距离和角度,那么我们可以根据此时机器人自身位置的估计值,推测出该路标点在二维空间中的位置,将路标点的空间位置也作为待修正的状态量放入整个的状态向量中。原创 2021-02-03 17:31:40 · 12184 阅读 · 0 评论 -
Python版msckf算法使用测试
从KF到EKF到EKF slam都有相应的python程序可以学习演示,没想到到了msckf这一步仍然有人写了python版本,还是双目的:stereo_msckf。uoip的stereo_msckf直接翻译自Kumar版的msckf,且剥离了ros,所以单独用Pangolin做了显示界面,README中写的是基于python 3.6+,以下是我在ubuntu 16.04,ros kinetic(意味着我系统里有一大堆python 2.7),python 3.5.2环境下的使用测试。原创 2021-01-29 12:05:47 · 12914 阅读 · 2 评论 -
EKF SLAM学习笔记02
在上一节中,我们了解到了卡尔曼滤波的计算公式。卡尔曼滤波基于线性系统的假设,如果运动模型或者观测模型不能用线性系统来表示(大部分现实问题都无法遵从线性系统的假设),那么我们仍然可以使用卡尔曼滤波的思想,只不过我们使用一阶雅克比矩阵来代替状态转移矩阵来进行计算(证明略),这就是扩展卡尔曼滤波EKF原创 2021-02-03 12:04:42 · 11666 阅读 · 2 评论 -
EKF SLAM学习笔记01
ekf是扩展卡尔曼滤波的缩写:Extended Kalman Filter本文将从概率论中的相关概念说起,逐步讲解到贝叶斯滤波、卡尔曼滤波、和扩展卡尔曼滤波。原创 2021-02-03 12:03:40 · 13096 阅读 · 0 评论