在輕鬆理解卡爾曼濾波這篇部落格以及這篇中,作者寫得通俗易懂,但是我有乙個地方一直不明白,想了一天,總算是明白了。
就是下面這兩個公式
h kx
^k′=
hkx^
k+k(
zk−h
kx^k
)h_\hat_^ = h_\hat_ + k(z_-h_\hat_)
hkx^k
′=h
kx^
k+k
(zk
−hk
x^k)hk
pk′h
kt=h
kpkh
kt−k
hkpk
hk
th_p_^h_^ = h_p_h_^ - kh_p_h_^
hkpk′
hkt
=hk
pk
hkt
−khk
pk
hkt
其中的左邊不知為何要新增hkh_
hk,後來想明白,我搞混了最優狀態估計值和最優觀測估計值,我們的目標是求得狀態得最優估計,但是實際上我們只能得到最優觀測(或者說叫最優測量)值,也就是hkx
^k
′h_\hat_^
hkx^k
′。觀測值有兩個高斯分布(zkz_
zk和hkx
^k
)h_\hat_)
hkx^k
))互相影響,原部落格取它們之積,即乙個新的高斯分布,作為最終的觀測值的高斯分布,這也可以叫做最優觀測值,然後我們才能從最優觀測值反推最優狀態值,也就是x^k
′\hat_^
x^k′
,我們要的也是最優狀態值去進行下一步迭代。
卡爾曼濾波器
協方差 用於表示兩個變數的總體誤差,如果兩個變化趨勢一致則協方差為正值,變化趨勢不一致則為負值。從直觀上來看,協方差表示的是兩個變數總體誤差的期望。由k 1時刻的最優值和系統輸入計算k時刻的系統 值。根據k 1時刻的系統協方差 k時刻系統協方差。根據 k時刻 協方差矩陣的 值計算卡爾曼增益。根據狀態...
卡爾曼濾波器學習筆記(上)
最近在學習probablistic robotics這本書,獲益良多。以前學了概率論和隨機過程之後一直覺得這些是虛的,不知道在工程上怎麼用,而這本書恰恰就是講如何把這些概率理論和方差估計應用到工程上去,更確切的說,應用到機械人上去。要應用kalman filter,首先要有三個前提假設 kalman...
卡爾曼濾波器學習筆記(一)
最近在學習probablistic robotics這本書,獲益良多。以前學了概率論和隨機過程之後一直覺得這些是虛的,不知道在工程上怎麼用,而這本書恰恰就是講如何把這些概率理論和方差估計應用到工程上去,更確切的說,應用到機械人上去。要應用kalman filter,首先要有三個前提假設 kalman...