看深蓝学院多传感器融合课程的笔记

贝叶斯推断和贝叶斯公式是整个卡尔曼的核心。

贝叶斯滤波比卡尔曼滤波比卡尔曼滤波更宽泛。

误差作为状态量

融合工程师很多时候是调参工程师，卡尔曼滤波的Q R，需要调参

掌握观测方程的推导。13章第一节。

掌握了这个方法无论推导什么东西都变得异常的简单。

预积分的作用就是提高效率，不是为了提高精度。做预积分就是为了不重新积分。

两个不互补，而且一个准一个不准，那就选一个，不用互补。

干的四件事，先建图，再定位，再把图建得更好，再把定位做得更好。

15章第一节开头讲。
大部分公司都在从滤波往优化走，滤波有的优势优化都有，反过来不一定。
现在用滤波的是因为处理器性能低
大部分公司都在这么做，
建图好的定位合起来。
发展趋势。

融合的核心是IMU。

标定就是在融合的基础上增加一些状态量。

卡尔曼滤波的代码可以github上搜ekf ins ekf gps ins ekf

IMU是核心。

看深蓝学院多传感器融合课程的笔记相关推荐

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 ...
深蓝学院-多传感器融合定位课程-第5章-惯性导航原理及误差分析
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博客深蓝学院-多传感器融合定位课程-第2章-3D激光里程计I_goldqiu的博客-CSDN博客深蓝学院-多 ...
深蓝学院-多传感器融合定位-第7章作业
深蓝学院-多传感器融合定位-第7章作业 1. 及格题 2. 良好题 Parameter - verison 1 Parameter - verison 2 Parameter - verison 3 ...
多传感器融合课程笔记------多传感器融合之绪论
多传感器融合之绪论一.传感器类型摄像头激光雷达毫米波雷达超声波雷达 IMU GNSS和RTK 1. 摄像头摄像头根据安装位置,可以分为前视.侧视.后视.内置.环视等. 摄像头相关参数介绍: ...
自动驾驶——多传感器融合的学习笔记
1 多传感器融合算法的选择--使用EKF 因为Apollo使用的是EKF,所以我们也用EKF,(具体的资料可以查看issues_10957) <无人驾驶>课程的贾老师推荐的论文<EK ...
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 ...
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 ...

看深蓝学院多传感器融合课程的笔记

看深蓝学院多传感器融合课程的笔记相关推荐

最新文章

热门文章