主流卡尔曼滤波推导——KF、EKF、IKF、UKF、ESKF
文章目录一、高斯分布1.1 高斯概率密度函数1.2 联合高斯概率密度函数1.3 高斯随机变量的线性变换二、滤波器基本原理2.1 贝叶斯滤波三、卡尔曼滤波3.1 普通卡尔曼滤波器 (KF)3.2 扩展卡尔曼滤波(EKF)一、高斯分布1.1 高斯概率密度函数一维情况下, 高斯概率密度函数表示为:其中μ\muμ为均值, σ2\sigma^2σ2为方差。多维情况下, 高斯概率密度函数表示为其中μ\muμ为均值, 方差为Σ\SigmaΣ 。1.2 联合高斯概率密度函数1.3 高斯随机变量的线性
复制链接