卡尔曼滤波器_理解卡尔曼滤波器—系统视角

本文内容主要来自于浙江大学机械工程学院海外合作教师 Klaus Janschek 教授所开设的《移动机器人控制》课程，是对课程讲义的整理和诠释。

本文所述从系统的角度理解卡尔曼滤波器的整套方法，是由 Janschek 教授自己总结，相比一般的教程要更加直观和系统，对于整体把握卡尔曼滤波器的原理结构非常有帮助，故此搬运整理。

Klaus Janschek 教授是机电系统控制与自动化领域国际著名专家，在先进控制系统理论及其航天机电系统应用领域取得了突出成就。现任国际自动控制联合会（IFAC）技术局成员，IFAC 机械电子学、机器人及元部件协调委员会主席（CC 4 Chair），IFAC 应用论文评奖委员会主席，美国航空航天学会（AIAA）委员，德国航空航天学会（DGLR）委员。

Univ.-Prof. Dr. techn. Klaus Janschek​www.et.tu-dresden.de

---

背景引入：小车定位

对于平面中小车的位姿*，有两种基本的定位方式：航位推算定位（Dead Reckoning Localization）和测距定位（Range/Bearing Localization），其中前者是通过跟踪小车自身运动量（egomotion quantities）而不参考外部世界的方式来实现对当前位置的估计，e.g. 记录车轮在整个过程中的速度，加以积分可以知道行驶的路程；而后者是在任意一个时间通过观察当前环境变量来实时估计小车的姿态，e.g. 已知一组路标的位置，通过观察与这些路标的距离和偏角来估计小车当前的位姿。

*位姿（pose）=位置（position，

、

）+姿态（orientation，

）

用框图来描述航位推算定位法如下：