信息融合与滤波
LittleEmperor
这个作者很懒,什么都没留下…
展开
-
粒子滤波(PF)
算法流程:1、预测:根据上一时刻状态进行粒子采样。2、更新:每一个粒子携带观测值,用观测值计算该粒子的匹配程度,也就是权值。3、重采样:根据权重大小对粒子进行重采样,权重大的粒子重复的概率较大,权重较小的粒子重复概率小。以2D激光与轮式里程计为例,机器人首先根据轮式里程计得到一步预测值,然后在该预测值的基础上播撒粒子,每一个粒子代表了对状态值的随机采样,完成预测。然后...原创 2020-01-07 17:34:18 · 1106 阅读 · 0 评论 -
无迹卡尔曼滤波(UKF)
无迹卡尔曼滤波算法用于解决系统方程非线性的情况。无迹卡尔曼滤波算法采用无迹变换对状态值进行采样,采样2n+1个sigma点用于计算均值与协方差。相比于EKF对系统方程线性化,无迹卡尔曼滤波近似程度更高。系统方程:状态预测:观测量计算:状态更新:过程推导:无迹变换:一般用离散采样点恢复一种分布,采样点越多,近似度越高,但计算量也越大,比如蒙...原创 2020-01-07 10:55:01 · 7294 阅读 · 0 评论 -
卡尔曼滤波(KF)与扩展卡尔曼滤波(EKF)讲解与推导
卡尔曼滤波系统方程: 为状态转移矩阵,为控制矩阵,为控制向量,为白噪声,对应状态的每一个分量,均值为0,方差为,服从高斯分布。基本假设 下一个状态是前一个状态的线性函数,观测量是状态量的线性函数。预测 ...原创 2019-12-03 10:50:19 · 5529 阅读 · 2 评论