本文详细介绍了线性卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波的基本原理和实现过程。通过具体的例子展示了如何在实际问题中应用这些滤波算法，包括对状态方程和观测方程的设定，以及协方差矩阵的计算。着重强调了在处理不完全确定性和噪声时，卡尔曼滤波的优势和适用场景。
CV、CA、CTRV、CTRA
https://blog.csdn.net/weixin_41480034/article/details/122139545
注：以CV为例，Q的求解为4*4矩阵，实际我们一般认为x与Vx相互独立，所以协方差取0。所以只取x、y、vx、vy的方差
线性卡尔曼
https://blog.csdn.net/victor_zy/article/details/82862904
https://blog.csdn.net/weixin_42301220/article/details/124578094
扩展卡尔曼
https://blog.csdn.net/weixin_42301220/article/details/124605350
无迹卡尔曼
https://blog.csdn.net/weixin_42301220/article/details/124708187
https://blog.csdn.net/baidu_38172402/article/details/83451050
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
