原理
卡爾曼濾波器是一種基礎(chǔ)預(yù)測(cè)定位算法。原理非常簡單易懂。核心過程可以用一個(gè)圖說明:
本質(zhì)上就是這兩個(gè)狀態(tài)過程的迭代,來逐步的準(zhǔn)確定位。 預(yù)測(cè):當(dāng)前狀態(tài)環(huán)境下,對(duì)下一個(gè)時(shí)間段t的位置估計(jì)計(jì)算的值。 更新:更具傳感器獲取到比較準(zhǔn)確的位置信息后來更新當(dāng)前的預(yù)測(cè)問位置,也就是糾正預(yù)測(cè)的錯(cuò)誤。 你可能要問為什么有傳感器的數(shù)據(jù)了還要進(jìn)行更新?因?yàn)樵诂F(xiàn)實(shí)世界中傳感器是存在很多噪聲干擾的,所以也不能完全相信傳感器數(shù)據(jù)??柭惴ㄒ蕾囉诰€性計(jì)算,高斯分布,我們以一維定位來介紹算法的實(shí)現(xiàn)。
接下來我們開更新,預(yù)測(cè)后我們獲取到傳感器數(shù)據(jù),表示目前傳感器發(fā)現(xiàn)小車的位置應(yīng)該是在26這個(gè)位置,在這種情況下,我們肯定是覺得傳感器的準(zhǔn)確度比我之前的預(yù)測(cè)瞎猜要來的準(zhǔn)確。 所以方差自然會(huì)比較小,最終我們覺得真是的小車位置應(yīng)該是更靠近傳感器數(shù)據(jù)的,而且方差會(huì)縮小,以至于,想想也很清楚,我猜了一個(gè)預(yù)測(cè)值,現(xiàn)在有個(gè)專家告訴了我相對(duì)比較靠譜的數(shù)據(jù),那我對(duì)小車的位置的自信度肯定會(huì)上升啊。 最終小車的位置經(jīng)過這個(gè)時(shí)間段t的更新就是下圖紅色的高斯圖:
就這樣不停的移動(dòng)更新,最終小車的位置就會(huì)越來越準(zhǔn)確。
一維模型下的Kalman公式:
預(yù)測(cè)
更新
參考代碼:
using namespace std;
double new_mean, new_var;
tuple<double, double> measurement_update(double mean1, double var1, double mean2, double var2)
{
new_mean = (var2 * mean1 + var1 * mean2) / (var1 + var2);
new_var = 1 / (1 / var1 + 1 / var2);
return make_tuple(new_mean, new_var);
}
tuple<double, double> state_prediction(double mean1, double var1, double mean2, double var2)
{
new_mean = mean1 + mean2;
new_var = var1 + var2;
return make_tuple(new_mean, new_var);
}
int main()
{
//Measurements and measurement variance
double measurements[5] = { 5, 6, 7, 9, 10 };
double measurement_sig = 4;
//Motions and motion variance
double motion[5] = { 1, 1, 2, 1, 1 };
double motion_sig = 2;
//Initial state
double mu = 0;
double sig = 1000;
for (int i = 0; i < sizeof(measurements) / sizeof(measurements[0]); i++) {
tie(mu, sig) = measurement_update(mu, sig, measurements[i], measurement_sig);
printf("update: [%f, %f]
", mu, sig);
tie(mu, sig) = state_prediction(mu, sig, motion[i], motion_sig);
printf("predict: [%f, %f]
", mu, sig);
}
return 0;
}
審核編輯 :李倩
-
傳感器
+關(guān)注
關(guān)注
2550文章
51035瀏覽量
753084 -
定位算法
+關(guān)注
關(guān)注
0文章
61瀏覽量
14999 -
卡爾曼濾波器
+關(guān)注
關(guān)注
0文章
54瀏覽量
12185
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論