色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于卡爾曼濾波的定位算法

賽目科技 ? 來(lái)源:賽目科技 ? 2023-04-21 14:02 ? 次閱讀

若無(wú)法得到車輛在地圖上的準(zhǔn)確位置及周圍障礙物的位置,那么自動(dòng)駕駛便無(wú)從談起。因此在自動(dòng)駕駛領(lǐng)域,對(duì)車輛自身及周圍物體的精確定位至關(guān)重要。然而現(xiàn)實(shí)環(huán)境中存在各類噪聲,無(wú)論是激光雷達(dá)、慣性導(dǎo)航器件甚至衛(wèi)星定位系統(tǒng)都無(wú)法得到完全真實(shí)的車輛位置信息。為了應(yīng)對(duì)此類情況,便需要采用濾波算法來(lái)過(guò)濾觀測(cè)噪聲,以得到更加精確的定位結(jié)果。

前言

1

何為卡爾曼濾波

在各類濾波定位算法中,卡爾曼濾波是最為知名的一種。為了解決阿波羅登月計(jì)劃中的航天器定位及噪聲干擾問(wèn)題,這種算法最初在1963年由匈牙利數(shù)學(xué)家魯?shù)婪颉た柭岢鯷1]??柭鼮V波不僅將過(guò)去類似的基于系統(tǒng)可觀性與可控性的控制方法做出了系統(tǒng)化的整理,并且在嚴(yán)格的數(shù)學(xué)意義上證明這種方法在線性系統(tǒng)的高斯隨機(jī)噪聲過(guò)濾方法中具有最優(yōu)性。

卡爾曼濾波的簡(jiǎn)單舉例

為了更好的理解卡爾曼濾波的基本原理,本文首先對(duì)卡爾曼濾波的原理進(jìn)行舉例說(shuō)明。

試想一下,假設(shè)你要憑借地圖從A地前往B地,你要如何知道自己的位置呢?

首先,你可以通過(guò)自己的腳程判斷,“A地到B地大約10公里,憑我的腳程大約需要步行3小時(shí)左右”。

其次,還可以通過(guò)路牌和手里的地圖判斷,“這個(gè)路牌上寫(xiě)著到了D鎮(zhèn),地圖上顯示D鎮(zhèn)應(yīng)該在距離B地還有3公里的地方”。

然而不論是地圖還是腳程估算都存在的較大誤差,此時(shí)我們?yōu)榱说玫礁鼫?zhǔn)確的所處位置,可以結(jié)合地圖與腳程來(lái)對(duì)當(dāng)前位置進(jìn)行估算。比如:A地到B地大約10公里,憑我的腳程大約需要步行3小時(shí)左右,目前已經(jīng)走了2小時(shí),那么我推測(cè)再過(guò)不久就可以到達(dá)D鎮(zhèn),此時(shí)再對(duì)照地圖上D鎮(zhèn)的位置,就可以得到更加精確的位置信息,同時(shí)通過(guò)對(duì)比實(shí)際到達(dá)D鎮(zhèn)的時(shí)間,還可以反過(guò)來(lái)修正對(duì)于自己腳程的估計(jì)誤差。

在這個(gè)例子里,通過(guò)自己腳程估計(jì)的位置,在卡爾曼濾波里就被稱為狀態(tài)預(yù)測(cè),其誤差則為估計(jì)誤差,估計(jì)方法為預(yù)測(cè)矩陣,地圖上自己的位置則為狀態(tài)觀測(cè),從地圖換算到當(dāng)前位置的方法則被稱為觀測(cè)矩陣。卡爾曼的關(guān)鍵就在于對(duì)即將到來(lái)的觀測(cè)進(jìn)行預(yù)測(cè),并用其對(duì)比最后實(shí)際得到的觀測(cè),通過(guò)這兩者之間的差值進(jìn)行修正。假設(shè)用一個(gè)笛卡爾坐標(biāo)系來(lái)對(duì)這種方法進(jìn)行表示,則可參考圖1。

f174916a-dffb-11ed-bfe3-dac502259ad0.png

圖1 卡爾曼濾波原理示意圖

2

卡爾曼濾波的基本公式

根據(jù)上一節(jié)的例子,我們就可以引出卡爾曼濾波的基本公式:

(1) (2) (3) (4) (5) (6)

前兩步是根據(jù)上一個(gè)最優(yōu)估計(jì)值得出此刻的估計(jì)值和估計(jì)值的協(xié)方差,緊接著就可以得到此刻的最優(yōu)估計(jì)值和最優(yōu)估計(jì)值的協(xié)方差,然后利用此刻的最優(yōu)估計(jì)值和最優(yōu)估計(jì)值的協(xié)方差進(jìn)行下一個(gè)迭代。

公式詳解

看起來(lái)有點(diǎn)多,但是實(shí)際上非常緊湊,推理非常嚴(yán)謹(jǐn),接下來(lái)將對(duì)上述六個(gè)公式進(jìn)行詳細(xì)解釋。

式(1)為系統(tǒng)的狀態(tài)預(yù)測(cè)公式,通過(guò)上一時(shí)刻的位置對(duì)當(dāng)前時(shí)刻的位置進(jìn)行了推測(cè),但是由于過(guò)程噪聲的存在,這個(gè)推測(cè)出的位置不完全符合真實(shí)情況。

式(2)為系統(tǒng)的狀態(tài)誤差傳遞,類似式(1),是基于上一時(shí)刻位置可能分布的范圍對(duì)當(dāng)前時(shí)刻的可能分布范圍做出預(yù)測(cè),Q是可能的估計(jì)誤差。

式(3)則是當(dāng)前時(shí)刻觀測(cè)量的預(yù)測(cè)值,代表我們根據(jù)預(yù)測(cè)出的狀態(tài),推測(cè)出我們將會(huì)觀測(cè)到的讀數(shù),并非真正的讀數(shù)。

式(4)為卡爾曼增益的計(jì)算方法,其物理意義為狀態(tài)預(yù)測(cè)誤差與觀測(cè)誤差的比例關(guān)系。

式(5)則為對(duì)系統(tǒng)狀態(tài)的更新,這個(gè)公式可以分為兩方面看,后半段的代表實(shí)際讀數(shù)與推測(cè)讀數(shù)之間的差值,被稱為殘差。使用式(4)求得的卡爾曼增益與殘差相乘,可以得到對(duì)狀態(tài)預(yù)測(cè)的修正量,最終式(5)可以得到圖1中的卡爾曼位置估計(jì)更新。

式(6)則為對(duì)位置估計(jì)的分布估計(jì),可以作為下一時(shí)刻式(2)的初值使用。

實(shí)例說(shuō)明

假設(shè)車輛在進(jìn)行勻速運(yùn)動(dòng),則可以設(shè)置其遞推運(yùn)動(dòng)模型為:

(7) (8)

其中式(7)代表k時(shí)刻的車輛狀態(tài),包含車輛的坐標(biāo)和在橫縱坐標(biāo)軸的速度,式(8)則為勻速運(yùn)動(dòng)狀態(tài)轉(zhuǎn)換矩陣,可以通過(guò)將式(7)、(8)帶入式(1)求取下一時(shí)刻的狀態(tài)預(yù)測(cè)。

之后我們給出狀態(tài)誤差矩陣的迭代初值,通常設(shè)置為一個(gè)與狀態(tài)同階的單位陣,帶入式(2)即可求得下一時(shí)刻的誤差矩陣預(yù)測(cè),這里Q需要根據(jù)估計(jì)模型的誤差來(lái)人為給定。

下一步,我們假設(shè)運(yùn)動(dòng)系統(tǒng)使用GPS作為觀測(cè)器,經(jīng)過(guò)預(yù)處理的GPS信號(hào)可以直接輸出車輛的位置坐標(biāo),那么GPS的觀測(cè)模型可以簡(jiǎn)化為:

(9) (10)

將式(9)與式(1)的結(jié)果帶入式(3),可以得到基于狀態(tài)預(yù)測(cè)的觀測(cè)值預(yù)測(cè),系統(tǒng)觀測(cè)誤差的方差矩陣R可以根據(jù)傳感器的技術(shù)說(shuō)明書(shū)確定。

最后,按順序?qū)⑸鲜鲎兞繋胧剑?)、(5)、(6)即可實(shí)現(xiàn)對(duì)位置坐標(biāo)的更新,同時(shí)得到的結(jié)果還可以作為下一步迭代的初值。

3

非線性卡爾曼濾波

雖然卡爾曼濾波已經(jīng)在數(shù)學(xué)上被嚴(yán)格證明具有最優(yōu)性,然而卻無(wú)法處理非線性系統(tǒng)。針對(duì)這種情況,現(xiàn)有的解決方法分為兩種,分別是基于泰勒展開(kāi)進(jìn)行線性化近似的擴(kuò)展卡爾曼濾波[2]和基于多點(diǎn)采樣進(jìn)行均值方差近似的無(wú)跡卡爾曼濾波。

擴(kuò)展卡爾曼濾波

擴(kuò)展卡爾曼濾波通過(guò)一組式(11)所示的n階泰勒線性展開(kāi)式近似表達(dá)非線性函數(shù):

(11)

如圖2所示,其階數(shù)越高,近似程度越高。

f19bc64a-dffb-11ed-bfe3-dac502259ad0.png

圖2 各級(jí)泰勒展開(kāi)線性化效果

這種方法具有計(jì)算復(fù)雜度低、技術(shù)成熟的優(yōu)點(diǎn),因此,目前在工程中被廣泛使用。然而由于泰勒展開(kāi)式的復(fù)雜度隨著階數(shù)呈指數(shù)增長(zhǎng),往往在實(shí)際應(yīng)用中很難實(shí)現(xiàn)三階以上的泰勒展開(kāi),這導(dǎo)致了這種線性化方法存在較大的截?cái)嗾`差,因此限制了算法的估計(jì)精度,并且在非線性程度較高的系統(tǒng)中容易發(fā)散。

無(wú)跡卡爾曼濾波

無(wú)跡卡爾曼濾波則通過(guò)對(duì)非線性函數(shù)在目標(biāo)時(shí)刻的均值與方法進(jìn)行相似擬合來(lái)實(shí)現(xiàn)線性化近似的(如圖3所示),這種方法被稱為無(wú)跡變換(UT變換)。

f1b6ea7e-dffb-11ed-bfe3-dac502259ad0.png

圖3 無(wú)跡變換原理

UT變換已被Julier和Uhlmann[3]證明具有不低于三階泰勒展開(kāi)的線性化精度,因此基于UT變換的無(wú)跡卡爾曼濾波具有相對(duì)于擴(kuò)展卡爾曼濾波更高的精度,同時(shí)其均值與方差的擬合不會(huì)受函數(shù)非線性化程度的影響,因此可以適用于更為非線性的系統(tǒng)。然而,由于使用無(wú)跡卡爾曼濾波需要設(shè)置較多參數(shù),并且計(jì)算負(fù)擔(dān)較重,因此在實(shí)際工程中仍然不能完全取代擴(kuò)展卡爾曼濾波。

基于上述原因,目前在非線性系統(tǒng)上需要根據(jù)系統(tǒng)特征與實(shí)際需求對(duì)濾波器的性能做出取舍,選擇最合適的方法進(jìn)行計(jì)算。

4

SLAM中的卡爾曼濾波與圖優(yōu)化

由于SLAM(Simultaneous Localization and Mapping,同步定位與建圖)中對(duì)于特征點(diǎn)、路徑與移動(dòng)體的定位同卡爾曼濾波的適用范圍十分吻合,因此,早期SLAM中通常采用卡爾曼濾波在后端對(duì)輸出進(jìn)行優(yōu)化。隨著計(jì)算能力的不斷加強(qiáng),近年來(lái)基于圖優(yōu)化的SLAM方法也逐漸占據(jù)了一席之地。

從應(yīng)用角度分析,基于卡爾曼濾波和基于圖優(yōu)化的SLAM方法各有優(yōu)勢(shì)。

卡爾曼濾波具有計(jì)算速度快、系統(tǒng)簡(jiǎn)單的優(yōu)點(diǎn),但由于其對(duì)后端輸出的優(yōu)化僅基于相鄰兩個(gè)馬爾可夫鏈的信息進(jìn)行一次迭代,因此在精度上有所欠缺,更適用于高動(dòng)態(tài)且對(duì)精度要求不高的場(chǎng)合。

相對(duì)的,因子圖優(yōu)化可以統(tǒng)籌全局信息以對(duì)各位姿輸出進(jìn)行優(yōu)化,并且優(yōu)化迭代次數(shù)可以人為設(shè)置,可以得到更加精確的后端輸出。正因如此,其每次迭代及出現(xiàn)新的輸出時(shí)都需要對(duì)全局進(jìn)行計(jì)算,使得計(jì)算負(fù)擔(dān)大幅增加。所以一般情況下,基于圖優(yōu)化的SLAM僅適用于對(duì)于精度要求極高的特殊場(chǎng)合。

隨著技術(shù)的發(fā)展,這兩種路線也在分別補(bǔ)齊自身的固有短板。

如基于濾波的SLAM中引入了迭代擴(kuò)展卡爾曼濾波,將最小二乘法與卡爾曼濾波相結(jié)合,對(duì)誤差而不是位姿進(jìn)行優(yōu)化,實(shí)現(xiàn)了更高的定位精度,并且可以實(shí)現(xiàn)動(dòng)態(tài)設(shè)置迭代次數(shù),代表算法有LINS和Fast-Lio等。

反之,為了應(yīng)對(duì)圖優(yōu)化“牽一發(fā)而動(dòng)全身”的問(wèn)題,最近比較熱門(mén)的LIOM和LIO-SAM等算法引入了動(dòng)態(tài)滑窗和關(guān)鍵幀機(jī)制,僅對(duì)少數(shù)相關(guān)的時(shí)刻進(jìn)行聯(lián)系,有效降低了冗余計(jì)算,并且引入了IMU預(yù)積分等技術(shù),進(jìn)一步削減系統(tǒng)的計(jì)算負(fù)擔(dān),獲得了更快的動(dòng)態(tài)響應(yīng)時(shí)間。

總體來(lái)看,基于圖優(yōu)化的SLAM是未來(lái)的發(fā)展趨勢(shì),而目前產(chǎn)品化的SLAM設(shè)備仍以濾波為主流。

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • gps
    gps
    +關(guān)注

    關(guān)注

    22

    文章

    2895

    瀏覽量

    166194
  • 算法
    +關(guān)注

    關(guān)注

    23

    文章

    4608

    瀏覽量

    92844
  • 卡爾曼濾波
    +關(guān)注

    關(guān)注

    3

    文章

    165

    瀏覽量

    24648
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    擴(kuò)展卡爾濾波matlab

    擴(kuò)展卡爾濾波matlabTDOA/AOA定位的擴(kuò)展卡爾
    發(fā)表于 07-14 16:01

    卡爾濾波

    卡爾濾波的估計(jì)值能很好的逼近真實(shí)值,我的疑惑是,這和濾波有什么關(guān)系,請(qǐng)高手介紹下卡爾
    發(fā)表于 07-04 22:57

    圖書(shū)分享:卡爾濾波算法的幾何解釋

    網(wǎng)上搜到一篇關(guān)于卡爾濾波算法的論文,對(duì)低維卡爾濾波
    發(fā)表于 06-11 15:28

    卡爾濾波算法

    已知測(cè)量值和原始值,但測(cè)量噪聲和觀測(cè)噪聲未知,如何進(jìn)行卡爾濾波。之前看了好像可以用自適應(yīng)卡爾,但不是很懂,求例子,最好有注釋的
    發(fā)表于 03-23 19:12

    LabVIEW一維卡爾濾波算法

    最近正在學(xué)習(xí)卡爾濾波算法,用LabVIEW仿照C語(yǔ)言寫(xiě)了個(gè)一維的卡爾
    發(fā)表于 10-21 21:15

    卡爾濾波簡(jiǎn)介

    希望這篇筆記可以幫助到你。卡爾濾波(Kalman filtering)是一種利用線性系統(tǒng)狀態(tài)方程,通過(guò)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù),對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。
    發(fā)表于 02-28 14:24

    卡爾濾波算法對(duì)比其他的濾波算法有什么優(yōu)點(diǎn)?

    卡爾濾波算法對(duì)比其他的濾波算法有什么優(yōu)點(diǎn)
    發(fā)表于 10-11 06:42

    卡爾濾波算法的改進(jìn)方案

    卡爾濾波 算法具有收斂平穩(wěn)、速度快、精度高的優(yōu)點(diǎn),在信號(hào)處理中受到廣泛應(yīng)用。但由于卡爾
    發(fā)表于 06-14 16:36 ?0次下載
    <b class='flag-5'>卡爾</b><b class='flag-5'>曼</b><b class='flag-5'>濾波</b><b class='flag-5'>算法</b>的改進(jìn)方案

    基于擴(kuò)展卡爾濾波算法的無(wú)源定位效果分析

    將擴(kuò)展卡爾濾波算法由6維推廣至9維,根據(jù)觀測(cè)到的坐標(biāo)位置、方位角和俯仰角,應(yīng)用擴(kuò)展卡爾
    發(fā)表于 03-22 17:17 ?15次下載
    基于擴(kuò)展<b class='flag-5'>卡爾</b><b class='flag-5'>曼</b><b class='flag-5'>濾波</b><b class='flag-5'>算法</b>的無(wú)源<b class='flag-5'>定位</b>效果分析

    卡爾濾波算法

    卡爾濾波算法
    發(fā)表于 12-17 17:22 ?52次下載

    卡爾濾波器的基本原理

    卡爾濾波器是一種基礎(chǔ)預(yù)測(cè)定位算法。原理非常簡(jiǎn)單易懂。
    的頭像 發(fā)表于 03-21 13:47 ?6031次閱讀

    擴(kuò)展卡爾濾波的原理

    在很多實(shí)際工程問(wèn)題當(dāng)中,非線性系統(tǒng)占大多數(shù),而卡爾提出來(lái)的卡爾濾波器是一種針對(duì)線性系統(tǒng)的估計(jì)算法
    的頭像 發(fā)表于 08-12 10:06 ?5641次閱讀
    擴(kuò)展<b class='flag-5'>卡爾</b><b class='flag-5'>曼</b><b class='flag-5'>濾波</b>的原理

    淺析基于卡爾濾波定位算法

    若無(wú)法得到車輛在地圖上的準(zhǔn)確位置及周圍障礙物的位置,那么自動(dòng)駕駛便無(wú)從談起。
    的頭像 發(fā)表于 04-21 14:06 ?2417次閱讀
    淺析基于<b class='flag-5'>卡爾</b><b class='flag-5'>曼</b><b class='flag-5'>濾波</b>的<b class='flag-5'>定位</b><b class='flag-5'>算法</b>

    用于定位的實(shí)用卡爾濾波

    電子發(fā)燒友網(wǎng)站提供《用于定位的實(shí)用卡爾濾波器.zip》資料免費(fèi)下載
    發(fā)表于 06-16 10:07 ?0次下載
    用于<b class='flag-5'>定位</b>的實(shí)用<b class='flag-5'>卡爾</b><b class='flag-5'>曼</b><b class='flag-5'>濾波</b>器

    卡爾濾波算法c語(yǔ)言實(shí)現(xiàn)方法

    卡爾濾波(Kalman Filter)是一種用于估計(jì)狀態(tài)的算法,最初由R.E. Kalman在1960年提出。它是一種線性高斯濾波器,常用
    的頭像 發(fā)表于 01-17 10:51 ?2942次閱讀
    主站蜘蛛池模板: 色噜噜狠狠色综合中文字幕| 久久久久久久久亚洲| 欧美乱妇日本无乱码特黄大片| 午夜福利免费视频921000电影| 999视频精品全部免费观看| 国内九一激情白浆发布| 骚妇BB双飞插| 99国产精品白浆在线观看免费| 果冻传媒在线观看完整版免费| 色jie戒电影| proburn中文破解版下载| 黄色三级图片| 午夜福利32集云播| 成人精品视频在线观看播放| 噜噜噜狠狠夜夜躁| 一级毛片免费下载| 国产中文字幕免费观看| 熟妇少妇任你躁在线无码| www.久久精品视频| 免费果冻传媒2021在线看| 伊人久久国产精品| 国语自产视频在线不卡| 偷柏自拍亚洲综合在线| 都市妖奇谈有声| 秋霞网韩国理伦片免费看| 97视频在线观看免费视频| 久久免费看少妇高潮A片2012| 亚洲精品理论电影在线观看| 国产精品JIZZ视频免费| 色美妞论坛| 大香伊人久久| 让人爽到湿的小黄书| qvod在线电影| 欧美丰满熟妇无码XOXOXO| 99re久久热在这里精品| 免费播放美女一级毛片| 51国产偷自视频在线视频播放| 久久婷婷五月综合色情| 在线视频 亚洲| 久久亚洲精品AV成人无| 中国拍三a级的明星女|