https://en.wikipedia.org/wiki/Kalman_filter#Unscented_Kalman_filter

一、卡尔曼滤波的几何意义参考英文原版:

http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/

注意上式部分有误,正确见下图:

核心是根据系统状态的估算值及协方差、测量值及协方差推算出最优的估计值及协方差:

在测量空间(坐标系):

所以:

变换到系统状态估算空间(坐标系):

注意:测量方程是线性的,以上公式成立。

如果系统状态方程也是线性的,系统状态的估算也比较简单:

对非线性系统,可以利用泰勒展开将系统线性化,使用扩展卡尔曼滤波:

https://blog.csdn.net/young_gy/article/details/78468153

推导见:

https://blog.csdn.net/u013102281/article/details/59109566?utm_source=blogxgwz3

二、还可以采用无迹卡尔曼滤波算法,下面的描述很形象:

https://blog.csdn.net/Young_Gy/article/details/78542754?utm_source=blogxgwz5

三、以下的推导更清晰:

https://blog.csdn.net/u013102281/article/details/59109566?utm_source=blogxgwz3

(-)根据系统方程预测过程:

(二)根据测量方程更新过程:

在准确建模的前提下,KF,EKF和UKF都有不错的表现。但是对于很多复杂的系统而言,建模就是一个复杂的问题。如果模型参数没办法准确估计,那么卡尔曼滤波器的应用就会受到限制。在不知道模型参数的情况下,可以通过蒙特卡洛采样,特别是粒子滤波的方法来对参数进行估计。

将随机量经非线性变换到另一空间,分布情况见:

https://blog.csdn.net/datase/article/details/79376461

无人驾驶三 卡尔曼滤波及无迹卡尔曼滤波的几何意义相关推荐

  1. 【概率机器人】3.1 卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波

    这一章将介绍卡尔曼滤波.扩展卡尔曼滤波以及无迹卡尔曼滤波,并从贝叶斯滤波的角度来进行分析并完成数学推导.如果您对贝叶斯滤波不了解,可以查阅相关书籍或阅读 [概率机器人 2 递归状态估计]. 这三种滤波 ...

  2. 【自动驾驶中的卡尔曼滤波算法——无迹卡尔曼滤波的实现】

    无迹卡尔曼滤波算法的实现   之前写了线性卡尔曼滤波以及拓展卡尔曼滤波算法的实现,今天补充一下无迹卡尔曼滤波算法的MATLAB算法实现.其实网上相关的博客很多,也讲的非常详细,所以本博客不再对原理部分 ...

  3. 卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及粒子滤波原理

    所有滤波问题其实都是求感兴趣的状态的后验概率分布,只是由于针对特定条件的不同,可通过求解递推贝叶斯公式获得后验概率的解析解(KF.EKF.UKF),也可通过大数统计平均求期望的方法来获得后验概率(PF ...

  4. KF与无迹卡尔曼滤波详解

    这是另一片写卡尔曼滤波的文章,亮点在与总结的卡尔曼滤波的五个公式,可通过上一篇理解卡尔曼滤波的推导原理,本篇用来理解卡尔曼滤波的计算实现 1.简介(Brief Introduction) 在学习卡尔曼 ...

  5. 交互式多模型-无迹卡尔曼滤波IMM-UKF算法matlab实现(跟踪场景二)

    交互式多模型-无迹卡尔曼滤波IMM-UKF算法matlab实现--机动目标跟踪 原创不易,路过的各位大佬请点个赞 针对机动目标跟踪的探讨.技术支持欢迎联系,也可以站内私信 WX: ZB82361831 ...

  6. 【滤波】无迹卡尔曼滤波

    本文主要翻译自rlabbe/Kalman-and-Bayesian-Filters-in-Python的第10章节10-Unscented-Kalman-Filter(无迹卡尔曼滤波). %matpl ...

  7. 手撕自动驾驶算法——无迹卡尔曼滤波(UKF)

    文章目录 1. 简介 2. CTRV运动模型 2.1 CTRV的目标状态量: 2.2 CTRV的状态转移函数: 2.3 CTRV Process Noise 3. Prediction 3.1 Gen ...

  8. 对无迹卡尔曼滤波(UKF)和粒子滤波(PF)的理解

    对无迹卡尔曼滤波(UKF)的总结: EKF通过在工作点附近进行一阶泰勒展开来线性化非线性的运动方程和观测方程.这样的线性近似在高度非线性的情况下存在较大误差.而UKF换了一个线性化的思路.1)选取2n ...

  9. 行驶车辆状态估计,无迹卡尔曼滤波,扩展卡尔曼滤波(EKF UKF)

    行驶车辆状态估计,无迹卡尔曼滤波,扩展卡尔曼滤波(EKF UKF) 软件使用:Matlab Simulink 适用场景:采用扩展卡尔曼滤波和无迹卡尔曼滤波EKF UKF进行行驶车辆的"车速, ...

最新文章

  1. 光遗传学离诺奖又双叒进一步!10天后谜底将揭晓 (盘点光遗传学近年来获奖记录)...
  2. LeetCode ZigZag Conversion
  3. memcached企业面试题
  4. java treeset 红黑树_【数据结构】红黑树与跳表-(SortSet)-(TreeMap)-(TreeSet)
  5. Microsoft 邀您参加云对话!
  6. Webclient UI上help center hyperlink的显示逻辑
  7. 引用另一个Android工程的方法详解
  8. java核心技术-jvm基础知识
  9. 重启计算机后桌面顺序是反的,Win10系统为什么重启电脑之后桌面上的图标排列顺序被打乱该如何处理...
  10. java 10进制转 000x_java 如何把 00 转换成 0x00 或者 10 转换成 0x10
  11. Delphi获得计算机系统配置,用Delphi获取本地计算机名称和IP地址
  12. https://127.0.0.1:8080/test?param={%22..报错
  13. webdriver原理_(最新版)如何正确移除 Pyppeteer 中的window.navigator.webdriver
  14. HttpPrinter易桥网络打印机
  15. ★如何解释特修斯之船问题? /编
  16. 高通MSM8953点屏记录
  17. Java类和对象之对象组合之求圆柱体积
  18. 如何查看一个vs工程使用的vs版本是哪一个?
  19. java jws web_java 用jws发布一个简单的webservice
  20. 感觉生活一直在退步~

热门文章

  1. 容器编排技术 -- Kubernetes kubectl set 命令详解
  2. docker-compose.yml配置文件详解
  3. Spring @Autowired Annotation教程
  4. 界面发布2019中国最富1000人榜:凛冬望春,马云问鼎中国首富
  5. 【React 基础】之 React 基本介绍、jsx 规则、模块与组件
  6. 【Python爬虫】Beautiful Soup库入门
  7. 【Liunx】Linux 文件基本属性
  8. 【HTML】iframe嵌套界面自适应,可高度自由收缩
  9. python标准库之logging
  10. gatsby_如何使用Gatsby和MDX从头开始构建编码博客