学习笔记 --- KF、EKF、IKF、ESIKF 公式推导 --Part 2

已于 2022-10-03 21:15:38 修改
阅读量1.4k 收藏 3
点赞数 3
分类专栏： SLAM 文章标签： 卡尔曼滤波
于 2022-04-08 12:14:37 首次发布
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_48592526/article/details/123941805
版权
本文详细介绍了迭代扩展卡尔曼滤波（IEKF），包括预测和更新过程，以及优化目标函数的Gauss-Newton方法。通过对非线性问题的处理，揭示了IKF在精度和计算成本上的特点，并提供了关键公式的整理。
摘要由CSDN通过智能技术生成

关于卡尔曼滤波器，网上各大博客的写法虽然大同小异，但居然没让我找到一个统一的标准……
于是，趁初学之际，尝试整理一下，尽量做到符号的统一。如有谬误之处，还请指正！

承接上文：学习笔记 — KF、EKF、IKF、ESIKF 公式推导 --Part1

目录


这里保留一个问题：
IKF 与 IEKF 有什么区别？网上有人在标题上这么写: IKF(IEKF) xxx, 搞得好像IEKF 就是 IKF的别称一样??
欢迎各位大佬在评论区告诉我区别！（若能给个相关参考更是感激不尽!）

开始正文：

IEKF/IKF(iterated Kalman filter)

IKF 和 EKF 都是为了解决非线性问题。
IKF 精度要比EKF更高，但是花费的计算代价更大。
当 IKF 仅仅进行一次迭代的话相当于 EKF

了解本专栏 订阅专栏 解锁全文 超级会员免费看
昼行plus
关注
专栏目录
订阅专栏
【状态估计与多传感器数据融合】卡尔尔曼滤波(KF)、扩展卡尔曼滤波器(EKF)、 迭代扩展卡尔曼滤波器(IEKF)（附C++代码）
qq_35635374的博客
11-04 4888
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、使用卡尔曼的作用与特点1.卡尔曼滤波的作用2.卡尔曼滤波的算法的特点二、卡尔曼中的各类矩阵的含义1.协方差矩阵P（1）协方差矩阵作用（2）协方差矩阵的含义（3）协方差矩阵的性质（4）噪声协方差矩阵P的传递2.观测矩阵H（1）观测矩阵H的作用（2）观测矩阵H举例（3）注意3.观测协方差矩阵R（1）观测协方差矩阵R的作用4.状态转移矩阵F（1）状态转移矩阵F作用5.控制矩阵B（1）
学习笔记 --- KF、EKF、IKF、ESIKF 公式推导 --Part 1
～勿据散客～的博客
04-03 2236
KF(Kalman filter) 假定t时刻的系统状态与t-1时刻有关,于是有系统状态方程（线性） xt=Ftxt−1+Btut+wtx_t=F_t x_{t-1}+B_t u_t+w_txt​=Ft​xt−1​+Bt​ut​+wt​ 其中 F 为状态转换矩阵，x 为状态向量， w~N(0，Q) 为过程噪声, B 为输入控制矩阵，u为测量向量值。 另有观测方程： zt=Htxt+vtz_{t}=H_{t} x_{t}+v_{t}zt​=Ht​xt​+vt​ 其中 z 为观测值，H为转换矩阵， v~N(0
重新整理KF相关公式，Byes滤波器、KF、EKF、IEKF、UKF、PF
Efan_W的博客
01-20 2077
Filter Bayes filter： 使用概率分布推导，适用于离散系统 P(x∣z1,…,zn)=P(zn∣x,z1,…,zn−1)P(x∣z1,…,zn−1)P(zn∣z1,…,zn−1) P\left(x | z_{1}, \ldots, z_{n}\right)=\frac{P\left(z_{n} | x, z_{1}, \ldots, z_{n-1}\right) P\left(x ...
KF，EKF，IEKF 算法的基本原理并构建推导出四轮前驱自主移动机器人的运动学模型和观测模型（Matlab代码实现）
最新发布
weixin_61181717的博客
06-26 820
本篇报告全面说明了 KF，EKF，IEKF 算法的基本原理；构建推导出四轮前驱自主移动机器人的运动学模型和观测模型；
简单的理解EKF算法1
qq_40956668的博客
12-04 2660
简单的理解EKF算法经典的EKF公式 经典的EKF公式 来我们先来看一下第一眼看上去不知道在讲啥的公式 1 2 3 4 5 然后在网上看到的资料解释---系统状态矩阵，状态转移矩阵，状态观测矩阵，过程噪声...各种专业名词 一来—我表示，我只想快速的运用它，能不能搞简单些！ ...
扩展卡尔曼滤波EKF的公式及Matlab实现
weixin_44584298的博客
07-26 2874
EKF可以处理一类非线性系统，通过在线性化非线性方程来近似处理状态转移和观测模型。这使得EKF可以在许多实际问题中应用，因为很多现实世界中的系统都具有一定的非线性特性。
【EKF】EKF原理
咸鱼漫谈的博客
09-10 1376
卡尔曼滤波可以在线性模型，误差为高斯模型的情况下，对目标状态得出很好的估计效果，但如果系统存在非线性的因素，其效果就没有那么好了。其中，f 是非线性状态函数，h 是非线性量测函数，w 与 v 分别是高斯噪声，协方差矩阵为 Q 与 R，在上式中省略了。对于非线性系统的问题，比较常用的方法是将非线性的部分进行线性化处理，其中，EKF 就是对非线性系统进行线性化，即，将非线性函数，在上次估计值 x_hat(k-1) 处进行泰勒展开，其中，结合上面的非线性方程，之后将线性化的泰勒展开式代入上面的非线性方程。
ekf_slam-master.zip_EKF_EKF-SLAM_slam_slam ekf_unhappys9b
07-13
EKF-SLAM（Extended Kalman Filter Simultaneous Localization And Mapping）是一种在机器人导航和地图构建领域广泛应用的技术。它结合了扩展卡尔曼滤波（EKF）与SLAM（同时定位与建图）算法，旨在解决移动机器人在...
ekf.rar_EKF matlab导航_EKF-UKF_ekf导航_ekf滤波_导航 EKF
09-22
标题"ekf.rar_EKF matlab导航_EKF-UKF_ekf导航_ekf滤波_导航 EKF" 提到了几个关键术语：EKF（扩展卡尔曼滤波）、MATLAB、EKF-UKF（EKF与UKF的组合，UKF指无迹卡尔曼滤波）、ekf导航以及ekf滤波。这表明资源是一个...
Missile-Trajectory-master.rar_IMM-EKF_KF_imm_missile tracking_tr
07-14
扩展卡尔曼滤波（EKF）是一种非线性滤波方法，它是经典卡尔曼滤波（KF）的扩展，适用于处理非线性动态系统的状态估计问题。EKF的核心思想是通过将非线性系统线性化，然后应用卡尔曼滤波的理论进行预测和更新。在导弹...
拓展卡尔曼滤波算法EKF公式推导.pdf
03-04
有关使用EKF进行姿态解算的各公式、公式的推导过程已经各雅各比矩阵的计算过程，上面有我自己的学习笔记，希望多交流！
esekf_fusion：错误状态扩展卡尔曼滤波器传感器融合
02-13
esekf_fusion ...很快回来 代码 ms_ekf.py将实现多速率卡尔曼滤波器。 esekf_jsola.py基于J. Sola的工作（未测试）实现esekf。 数据集 基蒂 使用的Kitti数据集：2011_09_26_drive_0001 根据这些数据，我生成了： imu.txt ， gt.txt和vodataset.txt 。 使用ORB-SLAM2生成视觉姿势 TUM MH_01_easy数据集 在文件夹data / imu0 /中，您可以找到： 包含imu数据的data.csv f_mono.txt ，其中包含使用新的ORB-SLAM3生成的视觉姿势 ground_truth.csv包含基本事实。
IEKF滤波在移动机器人定位中的应用
10-18
针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题，提出了基于环境特征的迭代扩展卡尔曼滤波(IEKF)融合算法。该算法融合了里程计采集的机器人内部数据和激光雷达传感器采集的外部环境特征，在测量更新阶段多次迭代状态估计值并对机器人的位姿进行修正，减少了非线性误差，提高了定位精度。
Kalman Filter in SLAM (7) ——Error-state Iterated Kalman Filter (EsIKF, 误差状态迭代卡尔曼滤波)
qq_42731705的博客
03-09 2394
实际就是把和两个结合起来了，并且如果从本质上来说它就是个迭代卡尔曼滤波 IEKF，只不过是的。
【APM】寻找APM中EKF的五大公式
qq_38041309的博客
03-11 1217
EKF核心代码位置 AP_NavEKF2.cpp 进入该函数 进入该函数，然后可以看到关键部分，也即卡尔曼五个公式的地方。 下面介绍每个公式的具体位置 28状态值 首先要知道选用的状态值有哪些，28状态值（但参与EKF方差估计的只有24个，不计算四元数的协方差，FIX4中的EKF是24状态值，没有0~2） 公式一：x（k+1|k）=F*x(k|k)+Q 四元数更新↓ 速度位置更新↓ 调用的相关变量如下↓ 总结 IMU的数据用于预测过程， IMU得到的角度增量用于更新四元数 IMU得到的
卡尔曼滤波 KF | 扩展卡尔曼滤波 EKF （思路流程和计算公式）
热门推荐
黎国溥
03-31 1万+
前言 本文分析卡尔曼滤波和扩展卡尔曼滤波，包括：思路流程、计算公式、简单案例等。滤波算法，在很多场景都有应用，感觉理解其思路和计算过程比较重要。 目录 一、卡尔曼滤波 1.1 KF计算公式 1.2 KF迭代过程 1.3 KF使用说明 二、卡尔曼滤波案例——多目标跟踪 2.1卡尔曼滤波器——预测阶段 2.2卡尔曼滤波器——更新阶段 三、扩展卡尔曼滤波 EKF 3.1EKF计算公式 3.2 EKF迭代过程 1.3 EKF使用说明 一、卡尔曼滤波 卡尔曼滤波思想由 ka...
扩张卡尔曼滤波(EKF)的推导
weixin_44458490的博客
05-24 1711
卡尔曼滤波是最优线性估计器，然而现实世界中被估计过程和对过程的测量绝大多数都是非线性的，这个时候就要用到EKF。 EKF的思想是使用泰勒展开来对当前的估计状态进行局部线性化。假设过程有一个状态向量x∈Rnx\in R^{n}x∈Rn,有一个测量量z∈Rmz\in R^{m}z∈Rm该过程可用如下的非线性方程表示： xk=f(xk−1,uk,wk−1) (1)zk=h(xk,vk) (2) x_{k} = f(x_{k-1},u_{k},w_{k-1})\space(1) \newline
来一个很有意思的ESKF吧
lovely_yoshino的博客
10-04 4443
Error-state Kalman Filter（ESKF）就是一种传感器融合的算法，它的基础仍然是卡尔曼滤波。true state：实际状态，系统实际的运行状态nominal state：名义状态，描述了运动状态的主要趋势，主导成分。（large-signal，非线性）error state：误差状态，实际状态与名义状态之间的差值（small-signal，近似线性，适合线性高斯滤波）基于以上状态分类，我们可以将关心的true-state，分为两部分，分别进行估计，即。
小波包与EKF-RBF神经网络在瓦斯传感器故障诊断中的应用
本文提出的小波包-EKF-RBF神经网络诊断方法结合了信号处理、滤波理论和机器学习技术，为瓦斯传感器的故障诊断提供了一种高效且准确的解决方案，对于保障煤矿安全具有重要意义。此外，这种方法可以进一步应用于其他...
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

打赏作者

昼行plus

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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