卡尔曼滤波器的运动校正步骤

Posted

技术标签:

【中文标题】卡尔曼滤波器的运动校正步骤【英文标题】:Motion correction step for kalman filter 【发布时间】:2019-12-24 01:13:37 【问题描述】:

预测一系列测量的下一个状态和协方差的一种方法是使用Kalman 过滤器。在及时跟踪汽车的位置(x 和 y 坐标)的情况下,有一个我在任何地方都没有讨论过的问题。为了简化问题,假设我们有一个单一的来源为我们提供测量值(一辆移动的汽车),并且我们必须在每次新的测量值到来时预测下一个状态(位置)。卡尔曼滤波器首先执行预测(预测下一个状态),然后执行更新步骤(用实际测量来校正预测)。如果汽车在不同的帧中以不同的速度移动会发生什么?我觉得少了一个额外的步骤。在更新步骤之后,我们必须对位置进行校正,因为预测是在假设车辆具有与该点之前相同的速度的情况下进行的。即使更新步骤使轨道更接近实际测量值,它也不能完美地将其与测量值对齐。 有谁知道如何解决这样的运动校正问题?

【问题讨论】:

【参考方案1】:

如果汽车以不同的速度移动,那么预测协方差(不确定性)会更高,并根据它进行调整。此外,过程噪声(Q)是指在过程中可能发生的方差,因此如果频繁发生,则需要将其调整为更高的值等等。

【讨论】:

首先感谢您的评论!其次,您对过程和测量中的噪音是正确的,但这并不能回答问题。老实说,我认为(并且觉得)应该以某种方式进行运动补偿......

以上是关于卡尔曼滤波器的运动校正步骤的主要内容,如果未能解决你的问题,请参考以下文章

是否有可用的卡尔曼滤波器开源实现来校正加速度计数据?

使用卡尔曼滤波器跟踪圆周运动的机器人

在视频稳定中使用卡尔曼滤波器或粒子滤波器平滑运动

# 粒子滤波 PF——三维匀速运动CV目标跟踪(粒子滤波VS扩展卡尔曼滤波)

# 粒子滤波 PF——三维匀速运动CV目标跟踪(粒子滤波VS扩展卡尔曼滤波)

# 粒子滤波 PF——三维匀速运动CV目标跟踪(粒子滤波VS扩展卡尔曼滤波)