概念: 卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。简单来说,卡尔曼滤波器是一个“optimal recursive data processing algorithm(最优化自回归数据处理算法。)
以机器人举例障碍物距离为例。现在已知“传感器测量的机器人离障碍物的距离”,“上个时刻机器人离障碍物距离”和“自己当前时刻的速度”这三个数据。
观测值:传感器测量的机器人与障碍物的距离,比如雷达直接测量机器人离障碍物距离7m;
估计值:假如上一秒离障碍物10m,速度是4m/s,那么现在这秒估计就离障碍物距离是6m。
那么此时存在一个问题:
即:观测值是7m,估计值是6m,相信哪个?
因为传感器会坏掉,估计坏了,此时观测值不准; 或者就是速度不一,然后导致估计值不准.
那么提出如下:
如果雷达测量的那个7m准确度是90%,根据速度估计出的那个6m准确度是80%,那么最终的距离估计结果就是:
r e s u l t = 1 − 0.9 0.8 + 0.9 ∗ 6 + 0.9 0.8 + 0.9