Ein Kalman-Filter ist ein optimaler Schätzer für lineare dynamische Systeme mit Gaußschem Rauschen. Erweiterungen zu nichtlinearen Systemen sind durch Extended KF und Unscented KF enthalten.
Soll ich filtern (Kalman / Tiefpass), nachdem ich die Rohwerte von einem Sensor erhalten oder die Rohwerte in verwendbare Daten konvertiert habe? Ist das wichtig? Wenn ja warum? Beispiel: Filtern nach dem Abrufen von Rohwerten von der IMU oder Filtern nach dem Konvertieren von Rohwerten in verwendbare Daten, z. Flugdynamikparameter.
Derzeit habe ich einen Roboter im Dreiradstil, der einen erweiterten Kalman-Filter verwendet, um 6 Zustandsvariablen zu verfolgen. Die Eingaben in das System sind ein Lenkgeber, ein Distanzgeber und ein rotierender Laser, der nur Peilungsinformationen an bekannte Orientierungspunkte zurückgibt. Derzeit befinden sich beide Encoder am Hauptrad (dem, der lenkt und auch …
Angenommen, ich habe einen Roboter mit zwei 3D-Positionssensoren, die auf unterschiedlichen physikalischen Prinzipien basieren, und ich möchte sie durch einen Kalman-Filter laufen lassen. Ich konstruiere eine Beobachtungsmatrix, zwei repräsentieren meine zwei Sensoren, indem ich zwei Identitätsmatrizen vertikal verkette. H=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢100100010010001001⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥H=[100010001100010001]H = \begin{bmatrix} 1&0&0\\0&1&0\\0&0&1\\1&0&0\\0&1&0\\0&0&1 \end{bmatrix} \hspace{20pt} x→=⎡⎣⎢xyz⎤⎦⎥x→=[xyz]\overrightarrow x = \begin{bmatrix} x\\y\\z \end{bmatrix} …
Ich habe einen nicht parfümierten Kalman-Filter (UKF), der den Zustand eines Roboters verfolgt. Der Zustandsvektor hat 12 Variablen. Jedes Mal, wenn ich einen Vorhersageschritt durchführe, wirkt meine Übertragungsfunktion (natürlich) auf den gesamten Zustand. Meine Sensoren liefern jedoch Messungen verschiedener Teile des Roboterzustands, sodass ich bei einer Messung möglicherweise Roll-, Nick-, …
Ich habe viele Quellen über Kalman-Filter gelesen, aber keine über den anderen Ansatz zur Filterung, bei dem kanonische Parametrisierung anstelle von Momentenparametrisierung verwendet wird. Was ist der Unterschied? Andere Fragen: Mit IF kann ich KF vergessen, muss mich aber daran erinnern, dass die Vorhersage komplizierter ist Wie kann ich mir …
Ich möchte Objekte von mehreren Sensoren mit unterschiedlichen (manchmal überlappenden!) Sichtfeldern verschmelzen. Wie kann ich anhand von Objektlisten feststellen, ob einige von verschiedenen Sensoren beobachtete Objekte tatsächlich dasselbe Objekt sind? Nur dann kann ich wirklich einen Algorithmus schreiben, um den zukünftigen Zustand eines solchen Objekts vorherzusagen. Aus der Literatur habe …
Wenn ich einen EKF für SLAM verwende, sehe ich oft, dass die Bewegungs- und Messmodelle einen Rauschbegriff haben. Dies ist für mich sinnvoll, wenn Sie eine Simulation durchführen, bei der Sie einer simulierten Messung Rauschen hinzufügen müssen, um sie stochastisch zu machen. Aber was ist mit echten Roboterdaten? Ist das …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.