首先了解一下濾波
濾波：filtering is weighting（濾波即加權）。 濾波的作用就是給不同的訊號分量不同的權重。最簡單的loss pass filter， 就是直接把低頻的訊號給0權重，而給高頻部分1權重。
常見的貝葉斯濾波和卡爾曼濾波
貝葉斯濾波我覺得關鍵在於對先驗概率和後驗概率的理解上，就是隨著事件的發生，對後驗概率乙個不斷修正的過程(個人理解)。
圖中的p(x|y)稱之為posterior probability，後驗概率
值得注意的是，卡爾曼增益是與所有狀態變數有關，不僅僅是觀測到的地標和機械人的位姿，這一點非常重要
2.關於卡爾曼濾波的q，r矩陣理解。
q矩陣，狀態轉移矩陣，代表從xt-1到xt過程中，狀態轉移和真實過程之間的誤差，具體其中變數可能是對狀態轉移有影響的變數，比如在有一些場景下，可能為速度，位移，加速度等。加速度對狀態擾動最大，所以用加速度對速度和位移的協方差來初始化q矩陣
r矩陣，測量誤差矩陣，代表用xt得到zt的時候的測量誤差。r矩陣會影響卡爾曼增益，r越小，卡爾曼增益就越大，收斂就越快。具體其中引數可能是對觀測有影響的變數，比如，imu輸入，gps輸入，里程計運動模型輸入等。但是這個矩陣過大和過小都會影響濾波的效果。所以在實際調參的過程中要注意
關於蒙特卡洛方法,( monte carlo)
是一種隨機模擬方法，用大量隨機數解決計算問題的方法
這個直接看維基百科鏈結就明白了
說到粒子濾波，有個不可迴避的問題
1， 退化現象（degeneracy problem）
由於粒子權值的方差隨著時間遞增，經過若干次迭代之後，除了極少數粒子外，其它粒子的權值小到忽略不計。那麼會有大量計算資源消耗在微不足道的粒子上。（所以引入了重取樣，捨棄權值小的粒子，繁殖權值大的粒子）
2， 粒子匱乏現象（particles impoverishment）
權值大的粒子被選擇多次，導致粒子集喪失多樣性，因為許多樣本表示同乙個點
卡爾曼濾波學習理解
首先，我們引入乙個離散控制過程的系統。該系統可用乙個線性隨機微分方程來描述 x k ax k 1 bu k w k z k hx k v k x k 是k時刻的系統狀態，u k 是k時刻對系統的控制量。a和b是系統引數，對於多模型系統，他們為矩陣。z k 是k時刻的測量值，h是測量系統的引數，對於多...
理解標準卡爾曼濾波
吐槽 被老師叫來寫卡爾曼濾波的教案 卡爾曼濾波是目前應用最為廣泛的濾波方法，在通訊，導航，制導與控制等多領域得到了較好的應用。卡爾曼濾波在測量方差已知的情況下能夠從一系列存在測量雜訊的資料中，估計動態系統的狀態且由於它便於計算機程式設計實現。我們先看圖 狀態轉移方程 這是乙個運算小車模型，很容易我們...
卡爾曼濾波簡單理解
卡爾曼濾波是對系統的狀態 如汽車的速度 加速度等 進行最優估計，因為觀測資料中包含雜訊和干擾，所以最優估計也可看作是濾波過程。下面是卡爾曼濾波的兩個例子。例1 估計發動機內部溫度 如果想要測量火箭發動機內部的溫度，可以將感測器放入發動機內部測出內部溫度tin t ti n 但是感測器在內部會損壞無法...