O_MMMM_O的博客

无迹（损）卡尔曼滤波（EKF）理论讲解与实例文章目录无迹（损）卡尔曼滤波（EKF）理论讲解与实例理论讲解模型对比UT变换UKF算法步骤预测部分更新部分应用实例CTRV模型预测处理产生点云生成增广矩阵生成预测点计算预测的均值和方差更新处理预测量测值计算预测量测值的均值和方差更新状态完整代码参考链接理论讲解前两篇博客的卡尔曼滤波和扩展卡尔曼滤波都是都将问题转化为线性高斯模型，所以可以直接解出贝叶斯递推公式中的解析形式，方便运算。但对于非线性问题， 扩展卡尔曼滤波除了计算量大，还有线性误差的影响，有没有别的

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