各传感器分析

imu

对于平面移动机器人（如扫地机器人），IMU只需要一般只需要使用陀螺仪的偏航角（YAW），陀螺仪的偏航角有时间漂移的误差存在，一般分为系统漂移误差（offset）和随机时间漂移误差。

轮式编码器

没啥好说的，两轮差分机器人有对应的运动模型，累计误差随着打滑等因素逐步变大。需要把轮径和两轮中心距标定出来，标定的方法比较多（todo:更新三种标定方法）。

参考论文：

Ego- and object motion estimation

论文中的工程：

GitHub - tum-phoenix/drive_ros_localize_odom_fusion: Fuses odometry message from various sources

mediaTUM - Media and Publication Server

光电鼠标传感器

可以测出来xy偏移量的，放在机器人不同的位置和放法是有讲究的。

卡尔曼融合滤波

预测模型

模型就是两轮差分轮的模型，这里要做一个偏导，算出雅可比矩阵，即状态转移矩阵F，也就是这里体现了非线性，其他按照卡尔曼滤波算法的流程走就可。

起始模型方差P0设为0.1×单位矩阵，过程噪声Q从小往大了调。

观测模型

todo

搞个状态变换矩阵H出来

测量噪声协方差R根据静止/直线运动和圆周运动统计出来，算出来×9倍（按照3sigma高斯噪声模型来处理）

IMU/光电鼠标/轮式编码器的多传感器融合（非线性卡尔曼滤波）相关推荐

解读基于多传感器融合的卡尔曼滤波算法
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|3D视觉工坊卡尔曼滤波器是传感器融合工程师用于自动驾驶 ...
【多传感器融合定位SLAM专栏】前端里程计、IMU预积分、滤波、图优化推导与应用（3）
本专栏基于深蓝学院<多传感器融合定位>课程基础上进行拓展,对多传感器融合SLAM的学习过程进行记录文章目录第三章惯性导航原理及误差分析惯性器件 1. 机械陀螺 2. 激光陀螺 ME ...
多传感器融合SLAM：激光雷达、RGB相机、IMU定位与光度重建
作者 | 流川峰编辑 | 深蓝前沿点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[SLAM]技术交流群后台回复[SLAM综述]获 ...
基于卡尔曼滤波器的融合IMU与雷达/深蓝多传感器融合第七章作业
1.卡尔曼滤波介绍参考详解卡尔曼滤波原理_清风莞尔的博客-CSDN博客_卡尔曼滤波原理 1.运动方程与观测方程其中代表位置和速度 Vk代表输入输入,Wk代表噪声运动方程表示已知k-1时刻的状 ...
服务机器人---多传感器融合
文章目录 1.多传感器融合定位 2.多传感器融合避障 1.多传感器融合定位常见的定位数据源 (1) 激光匹配laster_scan_matcher (2) 视觉管道里程计信息 (3) 车本身的编码器 ...
组合导航+多传感器融合算法
1.INS/GPS的组合导航系统可以输出高频率的导航参数信息(位置.速度.姿态),并且在长.短期的导航过程中均能具备较高精度.(输出数据的意义什么,PDR是步长+航向) 2.误差反馈系统 (1)在开环 ...
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 ...
深蓝学院-多传感器融合定位课程-第2章-3D激光里程计I
专栏文章: 深蓝学院-多传感器融合定位课程-第1章-概述_goldqiu的博客-CSDN博客 github保存了相关代码和学习笔记: Shenlan-Course-Multi-Sensor-Fusio ...
最新导航综述！SLAM方法/数据集/传感器融合/路径规划与仿真多个主题
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[SLAM]技术交流群后台回复[SLAM综述]获取视觉SLAM.激光SLAM.RGBD ...

IMU/光电鼠标/轮式编码器的多传感器融合（非线性卡尔曼滤波）