基于四元数的扩展卡尔曼(EKF)滤波器四旋翼姿态解算详解-2.EKF介绍

最新推荐文章于 2025-09-17 10:14:49 发布
原创 最新推荐文章于 2025-09-17 10:14:49 发布 · 8.9k 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#EKF #四旋翼 #四旋翼姿态角 #姿态解算

博客涉及四旋翼相关内容，重点围绕四旋翼姿态角的姿态解算，运用EKF等技术，不过目前内容待完善。
尽快抽时间写完吧
飞控之扩展卡尔曼滤波
铁头娃
04-29 2391
姿态解算一条龙
【姿态估计】扩展卡尔曼滤波(EKF)四旋翼无人机姿态估计【含Matlab源码 3301期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
10-26 425
扩展卡尔曼滤波(EKF)四旋翼无人机姿态估计 完整代码，直接运行，适合小白！可提供运行操作视频！
具有四元数的姿态扩展卡尔曼滤波器 (EKF)附matlab代码2022版本.zip
04-09
1.版本：matlab2014/2019a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 3.内容：标题所示，对于介绍可点击主页搜索博客 4.适合人群：本科，硕士等教研学习使用 5.博客介绍：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可si信
四元数扩维无迹卡尔曼滤波算法及其在大失准角快速传递对准中的应用 (2011年)
05-31
针对快速传递对准中量测失准角为大角度的情况,在非线性欧拉角误差模型基础上,推导了一种基于乘性 四元数的等效快速传递对准模型.为解决四元数在无迹卡尔曼滤波(UKF)算法中的应用问题,提出了一种基于四元 数的状态扩维无迹卡尔曼滤波(Q--AUKF)算法.该算法将系统噪声增广到状态向量中,解决了乘性四元数噪声无法 进行向量意义下四则运算的问题.针对四元数加权均值规范化的限制,采用平均四元数算法保证其正交规范化要 求.最后将其应用到快速传递对准中的仿真实验结果表明,在量测误差角为大角度的情况下,该算法具有更高的估
四元数（Quaternion）乘法规则详解（4）
最新发布
qq_36812406的博客
09-17 1040
两个四元数q1w1v1q1​w1​v1​q2w2v2q2​w2​v2​的乘积（Hamilton product）定义为q1q2w1w2−v1⋅v2w1v2w2v1v1×v2q1​q2​w1​w2​−v1​⋅v2​w1​v2​w2​v1​v1​×v2​​ww1w2−v1⋅v2ww1。
无人机姿态解算_扩展卡尔曼滤波（2）
slowdownbabe的博客
05-26 2414
扩展卡尔曼滤波
基于扩展卡尔曼滤波(EKF)和低成本传感器的AHRS实现
从零开始
05-05 4695
一种基于低成本传感器的无人机姿态计算方法 使用ekf模型
姿态解算系列一：经验型卡尔曼数据融合
热门推荐
haishaoli的专栏
10-29 2万+
目的：我们需要得到机器人运动的姿态信息，三个轴的角度以及角速度。 本文大纲： 1、传感器相关模型  2、坐标变换    3、卡尔曼数据融合 4、姿态解算流程  5、DMP  6、数据融合效果  本文内容： 姿态解算总框图（欧拉角方式）： 一、数据模型、 噪声模型及曲线 1、欧拉角定义：
定时采样增量法更新四元数-px4 EKF2中使用的四元数更新算法
从零开始
08-01 3015
角增量 关于欧拉角四元数的物理意义，及四元数微分方程的推导等部分有兴趣的可查看四元数基础. 在四元数基础中，我们提到了使用陀螺仪输出的角速度进行四元数的更新，但是实际使用中，陀螺仪的输出并不是角速度，而是采样间隔内的角增量。PX4中使用以下算法进行四元数更新。 若通过角增量和采样间隔计算角速度会造成噪声的微分放大 基于角增量的四元数更新算法 qk+1=qk⨂δqqk+1=qk⨂δ...
基于四元数的扩展卡尔曼(EKF)滤波器四旋翼姿态解算详解-1.KF介绍
wkdwl的博客
08-19 1万+
先说明一下，之前介绍的两种姿态解算算法http://blog.csdn.net/wkdwl/article/details/52119163    互补滤波和入梯度下降姿态解算算法，虽然在姿态解算方面效果还比较不错。但是缺点就是这两种算法并没有把传感器的噪声和系统的噪声考虑在内。因此为了进一步提高算法的精度和性能，提出了卡尔曼滤波的姿态估计算法。        在介绍扩展卡尔曼(EKF)之前，
基于四元数的扩展卡尔曼滤波器（EKF）姿态估计文献小结
FantasyJXF的博客
12-03 1万+
姿态解算文章简介
基于四元数EKF的低成本MEMS姿态估计算法 (2014年)
06-12
低成本MEMS器件具有低精度高噪声特点,其误差随时间不断累加,无法满足长时间载体姿态测量要求,针对此问题,设计了基于四元数扩展卡尔曼滤波器EKF(ExtendedKalmanFilter)的姿态估计算法。该算法将姿态四元数作为EKF滤波器状态,应用测量的角速率完成滤波器时间更新;应用载体所处位置的重力场与地磁场数据,完成滤波器量测更新,抑制了姿态误差发散,解决了长时间姿态测量问题。为检验算法可行性,分别开展了转台精度实验与静态实验,实验结果表明:俯仰、横滚角精度优于0.1°,航向角精度优于0.2°,2h内
PX4中EKF用到的四元数微分方程的毕卡求解法.pdf
07-17
四元数更新有很多种，毕卡求解算法是其中一种。本文就PX4源码中的算法进行了详细的解释说明。以供学习参考
使用Matlab在Uavs中实现扩展卡尔曼滤波（EKF）_基于扩展卡尔曼滤波(EKF)的四旋翼无人机姿态估计 Exten
09-12
扩展卡尔曼滤波（EKF）是现代信号处理中一种重要的算法，主要用于非线性系统的状态估计。在无人机（UAVs），尤其是四旋翼无人机的控制和导航中，EKF被广泛应用于姿态和位置的估计。由于四旋翼无人机的动态模型本质上...
基于扩展卡尔曼滤波的四旋翼无人机姿态估计算法
2301_79326510的博客
08-10 599
具体地，在 EKF 算法中，通过对非线性系统模型进行雅可比矩阵计算，将非线性系统模型转化为线性高斯问题，然后再利用卡尔曼滤波理论进行状态估计。其中角度表示四旋翼无人机相对于地面的姿态，表示无人机在 x、y、z 三个方向上的加速度，表示无人机角速度。可以看到，本文提出的姿态估计算法能够准确地估计四旋翼无人机的姿态，并且具有较好的实时性和鲁棒性。其中，表示陀螺仪的输出误差，表示加速度计的输出误差，表示加速度计的零偏误差。使用本文提出的四旋翼无人机姿态估计算法，对模拟数据进行了测试。
四旋翼无人机姿态解算：平方根容积卡尔曼滤波的新策略
"该资源是一篇发表于2019年4月的科研论文，主要研究四旋翼无人机的姿态解算方法，采用平方根容积卡尔曼滤波（SCKF），并对比了EKF（扩展卡尔曼滤波）、SR-EKF、UKF（无迹卡尔曼滤波）和UKF-SRUKF。文章详细介绍了...
IMU 噪声克星来了！四轴姿态解算的 “滤波双引擎”：如何用卡尔曼 + 低通实现飞控 “稳如悬停”？
m0_74313397的博客
08-26 1264
稳定精准的飞行姿态是四轴飞行器安全可控的核心，而这一目标依赖惯性测量单元（IMU）的加速度计与陀螺仪提供原始数据。然而，两种传感器受自身特性与飞行环境影响，均存在显著噪声：加速度计易受电机高频振动与动态惯性力干扰，输出信号波动剧烈，直接使用会导致姿态角抖动；陀螺仪虽实时性强，却存在高频随机噪声与时间漂移，积分后易累积角度误差。 针对两类传感器的 “噪声特性差异”，需采用差异化滤波策略：对加速度计，选用一维卡尔曼滤波，通过 “预测 - 更新” 的递归迭代机制，动态平衡模型预测与测量值的可信度，在高效滤除高频
Arduino和Python卡尔曼滤波对四元数进行姿态测定
跨学科知识视角展现
12-04 1766
关联知识 Python Matplotlib Arduino 在本文中，我将演示使用EKF（扩展卡尔曼滤波）对四元数确定姿态的实现，并说明将多个传感器数据融合在一起以使系统正常工作的必要性。 将要使用的传感器是陀螺仪，加速度计和磁力计。 Arduino用于从传感器读取数据，但是数据处理将在python中完成。 除此之外，我还使用Pygame创建了一个简单的显示器，以便更好地可视化结果。 我还将提供一种校准磁力计的简单方法，因为它们的读数会根据周围环境而变化很大。 绘制图形 在本节中，我们将创建可视化工具
评论 19
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