状态估计 学习笔记
Coursera 课程 State Estimation and Localization for Self-Driving Cars 的学习笔记
恋日
这个作者很懒,什么都没留下…
展开
-
自适应滤波——协方差匹配技术
1 原理 通过对比残差协方差的在线估计值及其理论值来自适应调整过程噪声方差矩阵Qd\mathbf{Q}_{\mathrm{d}}Qd以及测量噪声方差矩阵R\mathbf{R}R,直到残差协方差的估计值和理论值相等。 假定R\mathbf{R}R已知,残差协方差的实际值为A^=1N∑j=i−N+1irjrjT(1)\widehat{\mathbf{A}}=\frac{1}{N} \sum...原创 2020-04-13 22:27:59 · 1731 阅读 · 1 评论 -
State Estimation and Localization for Self-Driving Cars 第五周作业 组合导航
本文采用(GNSS+IMU+LIDAR)的组合导航方案实现车辆的导航。这里采用松耦合的导航方式,即通过对GNSS和LIDAR的测量数据进行预处理以直接获取车辆的位置,方案图如下:1 系统模型 汽车的运动状态包括位置,速度和姿态xk=[pkvkqk]∈R10\mathbf{x}_{k}=\left[\begin{array}{c}\mathbf{p}_{k} \\\mathbf{v...原创 2020-03-27 18:17:29 · 643 阅读 · 1 评论 -
State Estimation and Localization for Self-Driving Cars 第四周作业 利用点云进行平面拟合
1.平面拟合算法 三维平面方程为z=ax+by+cz=ax+by+cz=ax+by+c。希望通过LIDAR测得的多组(x,y,z)(x,y,z)(x,y,z)来拟合(a,b,c)(a,b,c)(a,b,c)。测量误差为ej=z^j−zj=(a^+b^xj+c^yj)−zjj=1…n\begin{aligned}e_{j} &=\hat{z}_{j}-z_{j} \\&=...原创 2020-03-27 13:27:35 · 341 阅读 · 0 评论 -
State Estimation and Localization for Self-Driving Cars 第二周作业 EKF练习
1.运动和测量模型1.1汽车运动模型xk=xk−1+T[cosθk−10sinθk−1001]([vkωk]+wk),wk=N(0,Q)\mathbf{x}_{k}=\mathbf{x}_{k-1}+T\left[\begin{array}{cc}\cos \theta_{k-1} & 0 \\\sin \theta_{k-1} & 0 \\0 & 1\en...原创 2020-03-26 17:24:22 · 512 阅读 · 0 评论