卡尔曼滤波器预测实现

时间:2017-04-05 06:10:03

标签: algorithm prediction robotics robot kalman-filter

我正在尝试实现卡尔曼滤波器以便定位机器人。 我对预测步骤(不包括过程噪声)x = Fx + u

感到困惑

如果x是状态估计向量:[xLocation,xVelocity],F是状态转移矩阵[[1 1],[0 1]],那么新的xLocation将等于xLocation + xVelocity +相应的组件运动矢量u。

为什么方程不是x = x + u?机器人的预测位置不应该是机器人的位置+运动吗?

1 个答案:

答案 0 :(得分:2)

对于矩阵实际代表的内容,可能存在一些混淆。

"控制向量", u ,可能是外部应用于系统的加速度。

在这种情况下,我希望方程看起来像这样:

x location = x location + x velocity

x velocity = x velocity + u velocity

这两个方程假设每1秒应用一次更新(否则需要应用一些" delta时间"因子,并包括转换矩阵和控制向量)。

对于上述情况,矩阵和向量是:

  • 状态向量(带有2个条目的列向量):

    X <子>位置

    X <子>速度

  • 转换矩阵(2 x 2矩阵):

    1 1

    0 1

  • 控制向量(具有2个条目的列向量):

    0

    û速度

This link包含卡尔曼滤波器的精彩解释和可视化。