- 目的:为了滤除跟踪目标的噪声,使参数的变化过程更平滑,而不会显得突兀。
- 原理:应用了统计学的原理。有的时候,我们的测量因为随机干扰,无法准确得到,卡尔曼先生就给我们想了个办法,让我们在干扰为高斯分布的情况下,得到的测量均方误差最小,也就是测量值扰动最小,看起来最平滑。
- 核心思想:最终的值为,估计值和测量值的加权平均。
- 两个依据:(1)环境并不是理想环境。主要是来跟踪的某一个变量的值,跟踪的依据是首先根据系统的运动方程来对该值做预测,比如说我们知道一个物体的运动速度,那么下面时刻它的位置按照道理是可以预测出来的,不过该预测肯定有误差,只能作为跟踪的依据。
(2)可以用测量手段来测量那个变量的值,当然该测量也是有误差的。只能作为依据。
2个依据的权重比例不同。最后kalman滤波就是利用这两个依据进行一些列迭代进行目标跟踪的。
测量值和估计值的加权平均。 - 本质:卡尔曼滤波器本质是一个线性滤波器。
注:线性代数的本质就是用来描述线性关系。 - 应用场景:目标检测和跟踪。
- 卡尔曼滤波初始化参数设置:初始化参数的结果对最终预测值的影响很大,如果初始化值与实际测量值差异很大,导致最终的修正值和测量值差异也会很大。
kalman.measurementNoiseCov为测量系统的协方差矩阵,
最全卡尔曼滤波原理简介
最新推荐文章于 2024-04-13 20:41:19 发布