O_MMMM_O的博客

扩展卡尔曼滤波（EKF）理论讲解与实例（matlab、python和C++代码）文章目录扩展卡尔曼滤波（EKF）理论讲解与实例（matlab、python和C++代码）理论讲解KF和EKF模型对比雅可比矩阵计算计算实例应用实例线性模型CV模型：CA模型非线性模型CTRV模型：CTRV实例（python）small demo抛物线demo飞机高度demoC++实例参考文献我们上篇提到的卡尔曼滤波是用于线性系统，预测（运动）模型和观测模型是在假设高斯和线性情况下进行的。简单的卡尔曼滤波必须应用在符合高斯分布

理论讲解卡尔曼滤波属于线性滤波器，它可以在多元不确定信息下通过融合多个信息源来得到一种最优的状态估计。卡尔曼滤波在连续变化的线性系统中表现是非常出色的，因为它考虑了系统过程中存在的一些干扰，比如模型预测干扰QQQ和测量过程干扰RRR，因此，即使系统中伴随着一些干扰，卡尔曼滤波器也可以比较准确的计算出实际的状态，并且可以对系统未来的运动状态做出合理的预测。卡尔曼滤波器的前提条件是系统是线性高斯系统...

四元数的表示我们都知道四元数用来描述旋转比较简单，那他怎么描述旋转呢？首先先简单的知道一下四元数的表示方法吧。四元数的表示可以写为q⃗=ω+xi+yj+zk=(ω,x,y,z)=(ω,v),其中v⃗=(x,y,z)\vec{q} = ω+xi+yj+zk=(ω,x,y,z)=(ω,v),其中\vec{v}=(x,y,z)q​=ω+xi+yj+zk=(ω,x,y,z)=(ω,v),其中v=...