一、滤波问题
1.低通滤波器
上一时刻的输入 加 这一时刻的输入 的加权 平均。
上一时刻输入的权重 | 这一时刻输入的权重 |
---|---|
a | 1 - a |
当前时刻输入值的权重越小越平滑,但是太大就会引起延迟。
低通滤波器的改进 :1. 针对传感器数据中的突变、毛刺等 2. 去最值滤波 3. 移动平均滤波 4. 带遗忘因子的加权平均滤波
2.卡尔曼滤波
主要针对 :滤高斯白噪声,状态估计(注意:KF是离散算法)
Q和R分别是系统噪声w和观测噪声v的方差。 K为卡尔曼增益!!
为上一时刻的估计值。
3.隆伯格状态观测器 vs 卡尔曼滤波器
隆伯格状态观测器 | 卡尔曼滤波器 |
---|---|
观测器中的反馈增益Ke是定值 | 观测器中的反馈增益Kk是时刻在变的 |
4.扩展卡尔曼滤波
将非线性系统线性化后即可直接采用KF
二、二次规划(QP)
在换道的轨迹规划–横向的轨迹规划,纵向的速度规划是一种重要的轨迹规划算法之一!!
一般来说,如果自变量不为空集一定有解。可通过观察exitflag 来观察是若有解,如无解解决方法:1.可将等式移至到由化目标上,例如将Ax = b 变为 (Ax - b)^2 加入至 1/2 X^T Q X + c^T x 中去 ,即成为优化目标!!
2. 可将不等式约束增大,即不断增大边界。