扩展卡尔曼滤波_不变扩展卡尔曼滤波-技术报告

最新推荐文章于 2024-06-25 10:16:28 发布
最新推荐文章于 2024-06-25 10:16:28 发布
阅读量317 收藏
点赞数
文章标签： 扩展卡尔曼滤波
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39731107/article/details/111347643
版权
本文档详述了不变扩展卡尔曼滤波的应用场景和实施步骤，并深入探讨了矩阵李群的概念，包括定义、切空间、李代数以及指数映射的特性，为理解和应用不变扩展卡尔曼滤波提供了理论基础。
摘要由CSDN通过智能技术生成

本文使用 Zhihu On VSCode 创作并发布

connor 2020.06.02

1.本文档的目标

  1. 不变扩展卡尔曼滤波的适用范围
  2. 不变扩展卡尔曼滤波的使用步骤

2.矩阵李群

2.1定义

一个矩阵李群(matrix Lie group)G是满足下列条件的

可逆矩阵的子集:

其中

表示
维单位矩阵，
表示矩阵
的逆，
表示矩阵乘法。

2.2切空间

现在，将上述构成李群的集合G视为一个空间，其中的元素视为空间上的点。设

是G上的一点，
是G上的单参数光滑曲线，且

则

是G中
处的一条切线,所有这样的曲线
在
处的切线就张成了，G中
点处的切空间，记为
.

2.3李代数

单位矩阵

处的切空间
称为G上的李代数,记为g。我们用向量空间g的维数d来定义李群G的维数，它通常比环境空间的维数
要小得多。

2.4 指数映射

一个指数函数定义为：

将该定义推广到方阵上得到：

指数映射具有以下性质：

最后一式表明指数映射将任意方阵

映射到可逆矩阵
,即将切空间映射为一般线性群。 (待续)
weixin_39731107
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【滤波跟踪】不变扩展卡尔曼滤波器对装有惯性导航系统和全球定位系统IMU+GPS进行滤波跟踪【含Matlab源码 2232期】
Matlab领域的博客
11-27 304
不变扩展卡尔曼滤波器对装有惯性导航系统和全球定位系统IMU+GPS进行滤波跟踪 完整的代码，方可运行；可提供运行操作视频！适合小白！
不变扩展卡尔曼滤波（一）：李群与李代数
aipiano
03-23 4489
本文同步更新与github pages，欢迎收藏关注。 文章目录群的定义SLAM中常用的群切空间与李代数$SO(3)$的切空间$SE(3)$与$SE_{k+1}(3)$的切空间指数映射$so(3)$到$SO(3)$$se(3)$到$SE(3)$$se_{k+1}(3)$到$SE_{k+1}(3)$一些指数映射的其他性质群伴随$SO(3)$的伴随$SE(3)$与$SE_{k+1}(3)$的伴随Ref...
不变扩展卡尔曼滤波（二）：原理与推导
aipiano
03-23 7213
文章同步更新于github pages，欢迎收藏关注。 文章目录扩展卡尔曼滤波的缺陷存在正反馈非一致性不变扩展卡尔曼滤波误差传递状态更新References 扩展卡尔曼滤波的缺陷 存在正反馈 普通的扩展卡尔曼滤波（EKF），通过对动态方程的线性化，来估计状态与状态的协方差。比如有一个系统定义为 x˙t=f(xt,ut)+nt \begin{aligned} \dot{x}_{t}&...
【滤波跟踪】基于matlab不变扩展卡尔曼滤波器对装有惯性导航系统和全球定位系统IMU+GPS进行滤波跟踪【含Matlab源码 2232期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
11-20 1173
不变扩展卡尔曼滤波器对装有惯性导航系统和全球定位系统IMU+GPS进行滤波跟踪 完整的代码，方可运行；可提供运行操作视频！适合小白！
基于不变扩展卡尔曼滤波器RI-EKF的同时定位与地图构建SLAM算法的收敛性和一致性特性研究（Matlab代码实现）
最新发布
m0_64583023的博客
06-25 699
摘要——本文探讨了基于不变扩展卡尔曼滤波器（RI-EKF）的同时定位与地图构建（SLAM）算法的收敛性和一致性特性。证明了该算法的基本收敛性质，这些证明不需要在运动和观测模型的雅可比矩阵处于地面真实值时进行限制性假设。同时指出，与仅在确定性刚体变换下不变的基于SO(3)的EKF SLAM算法（SO(3)-EKF）相比，RI-EKF的输出在任意随机刚体变换下均保持不变。还讨论了这些不变性质对估计器一致性的影响。
【滤波跟踪】基于不变扩展卡尔曼滤波器对装有惯性导航系统和全球定位系统IMU+GPS进行滤波跟踪附matlab代码
matlab_dingdang的博客
11-18 665
惯性导航系统(INS)具有完全自主性,但其导航定位精度随时间下降,因而难以长时间独立工作;全球定位系统(GPS)是全球实时高精度的导航系统,但GPS受制于人且信号易受到干扰;
基于卡尔曼滤波法电池参数辨识_锂电池模型_卡尔曼滤波_SOC模型_matlab仿真
05-03
资源名：基于卡尔曼滤波法电池参数辨识_锂电池模型_卡尔曼滤波_SOC模型_matlab仿真 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行...
卡尔曼滤波DSP实现.zip_DSP 卡尔曼滤波_DSP 滤波_dsp卡尔曼滤波_卡尔曼_卡尔曼滤波 DSP
07-14
卡尔曼滤波是一种基于数学预测的优化估计方法，广泛应用于信号处理、控制理论和许多其他领域，尤其是在存在噪声和不确定性的情况下。在这个特定的压缩包文件中，重点是将卡尔曼滤波算法实现在数字信号处理器...
模糊+卡尔曼滤波.zip_卡尔曼滤波_寿命 预测_寿命预测_寿命预测matlab_预测 matlab
07-14
模糊卡尔曼滤波是一种结合了模糊逻辑和卡尔曼滤波理论的高级数据处理技术，广泛应用于参数估计和寿命预测等领域。在MATLAB编程环境中，这种技术可以被有效地实现和应用。 卡尔曼滤波是一种线性递归滤波器，由鲁道夫...
datsfusion_卡尔曼滤波_数据融合用卡尔曼滤波_数据融合_
09-30
在IT领域，尤其是在信号处理和控制工程中，卡尔曼滤波是一种极其重要的算法，它被广泛应用于数据融合和模式识别等任务。本文将深入探讨卡尔曼滤波的基本原理，其在数据融合中的应用，以及如何利用它来实现模式识别和...
扩展卡尔曼滤波_无迹卡尔曼滤波_扩展信息滤波_l粒子滤波算法.rar
11-03
这个压缩包文件包含了一系列关于扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、扩展信息滤波（EIF）以及l-粒子滤波算法（l-Particle Filter）的相关资料。这些算法都是为了解决在非线性系统中的状态估计问题，下面...
用于腿部机器人状态估计的接触辅助不变扩展卡尔曼滤波
01-29
本文利用不变观测器设计理论，推导了一种用于三维两足机器人的接触辅助惯性导航观测器。辅助惯性导航从根本上说是一个非线性观测器设计问题；因此，当前的解决方案基于系统动力学的近似值，例如扩展卡尔曼滤波器（EKF），它使用系统沿其轨迹的当前最佳估计的雅可比线性化。基于Barrau和Bonnabel的不变观测器设计理论，特别是不变EKF（InEKF），我们证明了点接触惯性系统的误差动力学遵循对数线性自治微分方程；因此，可观测状态变量可以在一个独立于系统轨迹的吸引域内收敛。由于误差动态的对数线性形式，无需进行非线性可观测性分析，以表明当使用惯性测量单元（IMU）和接触式传感器时，机器人的绝对位置和围绕重力矢量（偏航）的旋转是不可观测的。由于这些参数的在线估计对系统性能有着至关重要的影响，我们利用IMU偏差进一步增强了已开发InEKF的状态。我们通过蒙特卡罗模拟，用常用的基于四元数的EKF观测器评估了该系统的收敛性。此外，我们使用Cassie系列两足机器人进行的实验评估表明，与基于四元数的EKF相比，接触辅助InEKF具有更好的性能，这是利用系统动力学中存在的对称性的结果。
State Estimation for Robotics A Matrix Lie Group Approach
11-14
State Estimation for Robotics A Matrix Lie Group Approach
不变扩展卡尔曼滤波（三）：一个更通用的框架
aipiano
04-28 3250
同步更新于github page。 文章目录复杂系统下的不变扩展卡尔曼滤波混合误差的系统方程混合状态的更新总结References 复杂系统下的不变扩展卡尔曼滤波 由前面的文章可知，不变性要靠合理的状态误差设计来实现。但在更复杂的系统中，为所有状态量找到一个满足不变性的状态误差是很困难的，甚至一些状态是不可能被表示为群运算的。在存在这类状态量的系统中，有没有可能保留InEKF的主要优点呢（主要指一...
【状态估计】基于不变扩展卡尔曼滤波器的传感器融合状态估计（Matlab代码实现）
weixin_46039719的博客
04-10 464
摘要:随着微型飞行器(MA Vs)变得越来越便宜和普遍，它们在复杂的城市环境中的使用将变得更加可取，如检查、监控和交付。这些环境的导航需要比传统GNSS系统提供的更高的位置精度。虽然MA v通常包含惯性测量单元(imu)，但其基于积分的状态估计容易随时间漂移。我们探索了传感器融合的使用，以结合这些互补的传感器。在这个项目中，我们使用不变扩展卡尔曼滤波器(InEKF)来估计MAV在具有挑战性的城市环境中的位置。我们通过将估计位置与地面真相数据集进行比较来评估我们的结果。行百里者，半于九十。
【无人机】【扩展卡尔曼滤波器从IMU和GPS数据计算无人机的姿态】使用不变扩展卡尔曼滤波器对微型无人机状态估计进行传感器融合（Matlab代码实现）
weixin_67304359的博客
03-02 485
摘要—随着微型空中飞行器（MAVs）变得更加价格实惠和普及，它们在复杂的城市环境中的用途将变得更加理想，例如检查、监测和投递。在这个项目中，我们使用不变扩展卡尔曼滤波器（InEKF）来估计MAV在具有挑战性的城市环境中的位置。标准的扩展卡尔曼滤波器（EKF）通过线性化动态方程来估计状态之间的协方差。与此同时，增强卡尔曼滤波器（In-EKF）可以解决上述问题，并且具有严格的数学推导作为保证。文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。行百里者，半于九十。
【任务分配】CBBA算法带有任务属性、任务价值、任务时间窗等多种约束下多无人机任务分配【含Matlab源码 3989期】
Matlab领域的博客
02-24 2076
CBBA算法带有任务属性、任务价值、任务时间窗等多种约束下多无人机任务分配 完整的代码，方可运行；可提供运行操作视频！适合小白！
卡尔曼及扩展卡尔曼滤波详细推导-来自DR_CAN视频
xls0123456789的博客
11-22 283
卡尔曼及扩展卡尔曼滤波详细推导-来自DR_CAN视频
EKF（拓展卡尔曼滤波）学习笔记：
weixin_51994127的博客
07-16 1404
注意，slam中EKF是离散形式存在的，x(k-1)是变量，x(k-1).hat是变量值，计算概率时，带入进去。不是单纯的数值，而是一个状态分布函数，是一个概率函数，程序的更新，只需要维护一个状态变量，对其进行更新即可。（2）通过上一时刻状态来更新新的时刻的状态，考虑状态转移函数，外力作用，同时考虑系统的不确定性。概率论角度来说似然由观测方程给出，先验由过去所有状态给出，对于KF，由上一时刻状态给出。x代表某一时刻的所有状态，代表该状态下所有的观测。有上一时刻的状态，加系统输入得到系统的先验分布。...
机动目标跟踪技术：无迹卡尔曼滤波与扩展卡尔曼滤波对比
“机动目标跟踪技术研究，探讨了非线性系统滤波在机动目标跟踪中的应用，特别是扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法。” 机动目标跟踪技术是现代科技领域的一个关键研究方向，尤其在军事防御、航空...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值