多传感器融合之滤波（二）EKF

扩展卡尔曼滤波算法是解决非线性状态估计问题最为直接的一种处理方法，尽管EKF不是最精确的”最优“滤波器，但在过去的几十年成功地应用到许多非线性系统中。所以在学习非线性滤波问题时应该先从EKF开始。 EKF算法是将非线性函数进行泰勒展开，然后省略高阶项，保留展开项的一阶项，以此来实现非线性函数线性化，最后通过卡尔曼滤波算法近似计算系统的状态估计值和方差估计值。

https://simondlevy.academic.wlu.edu/kalman-tutorial/

https://simondlevy.academic.wlu.edu/

多传感器融合之滤波（二）EKF相关推荐

多传感器融合之滤波（一）——卡尔曼滤波（KF）推导
c参考资料:https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/ 卡尔曼滤波本质上是一个数据融合算法,将具有同样测量目的.来自不 ...
多传感器融合定位（二）——基于地图的定位
目录一.回环检测 1.1 基于Scan Context 1.2 基于直方图一.回环检测回环检测只能消除一部分误差,不能消除全部误差.运用视觉用特征点描述子比较简单. 1.1 基于Scan Con ...
多传感器融合定位二-3D激光里程计其二：NDT
多传感器融合定位二-3D激光里程计其二:NDT 1. 经典NDT 2. 计算方式 2.1 2D场景求解: 2.2 3D场景求解: 3. 其他 NDT Reference: 深蓝学院-多传感器融合多传 ...
无损卡尔曼滤波UKF与多传感器融合
非线性系统状态估计是一大难点.KF(Kalman Filter)只适用于线性系统.EKF(Extended Kalman Filter)利用泰勒展开将非线性系统线性化.可是,EKF在强非线性系统下的误 ...
多传感器融合定位三-3D激光里程计其三：点云畸变补偿
多传感器融合定位三-3D激光里程计其三:点云畸变补偿 1. 产生原因 2. 补偿方法 Reference: 深蓝学院-多传感器融合多传感器融合定位理论基础文章跳转: 多传感器融合定位一-3D激光里 ...
多传感器融合定位五-点云地图构建及定位
多传感器融合定位五-点云地图构建及定位 1. 回环检测 1.1 基于Scan Context 1.2 基于直方图 2. 后端优化 2.1 后端优化基本原理 2.2 李群.李代数基本知识 2.3 李群. ...
多传感器融合定位十四-基于图优化的定位方法
多传感器融合定位十四-基于图优化的定位方法 1. 基于图优化的定位简介 1.1 核心思路 1.2 定位流程 2. 边缘化原理及应用 2.1 边缘化原理 2.2 从滤波角度理解边缘化 3. 基于kitt ...
多传感器融合定位十五-多传感器时空标定(综述)
多传感器融合定位十五-多传感器时空标定 1. 多传感器标定简介 1.1 标定内容及方法 1.2 讲解思路 2. 内参标定 2.1 雷达内参标定 2.2 IMU内参标定 2.3 编码器内参标定 2.4 ...
多传感器融合定位七-惯性导航解算及误差分析其一
多传感器融合定位七-惯性导航解算及误差分析其一 1. 三维运动描述基础知识 1.1 概述 1.2 姿态描述方法 1.2.1 欧拉角 1.2.2 旋转矩阵 1.2.3 四元数 1.2.4 等效旋转矢量 ...

多传感器融合之滤波（二）EKF

多传感器融合之滤波（二）EKF相关推荐

最新文章

热门文章