卡尔曼滤波器是一种优化状态估计的算法，通过初始化、预测、观测和更新四个步骤，不断校正系统状态，使其逼近真实值。它利用运动模型和传感器数据，结合卡尔曼增益来处理不确定性。该过程涉及状态变量定义，如位置、速度和加速度，以及一维和二维的运动模型。同时，滤波器通过调整方差和协方差来量化不确定性。
Special Topics - The Kalman Filter (1 of 55) What is a Kalman Filter-_哔哩哔哩_bilibili
1. 整体的流程图
初始化： 初始状态量、初始不确定矩阵
预测： 根据运动学模型，对状态量和不确定矩阵进行预测
观测：通过传感器测量得到新的观测状态
更新：对比预测状态和观测状态，计算卡尔曼增益，计算新的状态量，更新不确定性矩阵
循环: 如上的预测、观测、更新是一个循环进行的过程，系统的状态量会越来越接近真值。
2. 状态变量的定义
3. 位置、速度 、加速度一维
运动模型
观测信息
4. 位置，速度， 加速度，二维
5. 卡尔曼增益
因为运动模型过程中存在不确定性，传感器也存在一定的不确定性，卡尔曼增益就是评估这两种不确定性的权重，用于后续的状态和不确定性的更新
6. 方差，协方差
7. 预测、观测、更新、循环
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
