对基于卡尔曼滤波的跟踪算法的一些理解（二）

KF跟踪时常见的运动模型有匀速运动模型（CV）和匀加速运动模型（CA）

常用传感器是Lidar和Radar

其中，Lidar只能测距不能测速，而radar可以测速。

因此，在使用Lidar进行跟踪时，速度可以初始化为0，在预测阶段正常计算，在测量更新阶段使用测量矩阵H 将状态向量中的速度舍弃掉。但这并不意味着速度就不能更新了，因为计算得到的卡尔曼增益K可以根据预测测量值和实际测量值的差对速度进行更新，也就是说，根据Lidar 的距离测量值来更新速度。

原因是，卡尔曼滤波一方面可以根据状态的测量值对状态的预测值进行后验更新，以得到更可信的结果。另一方面，卡尔曼滤波器也是一种状态观测器，因为有些状态不容易测量，比如无法安装传感器、传感器太贵等，用卡尔曼则可以估计这些不能直接测量的状态，例如用Lidar估计速度。

 

由于radar可以直接测量速度，KF中加入radar的测量值则可以相对只用Lidar大大加快算法收敛的速度。

 

 

补充：目前多数厂家的radar也可以返回加速度值。实际应用的时候常用CA模型。