Das Kalman-Filter ist eine mathematische Methode, bei der über die Zeit beobachtete verrauschte Messungen verwendet werden, um Werte zu erzeugen, die tendenziell näher an den wahren Werten der Messungen und den zugehörigen berechneten Werten liegen.
Vielen Dank an alle, die gestern Kommentare / Antworten zu meiner Anfrage gepostet haben ( Implementierung eines Kalman-Filters für Position, Geschwindigkeit, Beschleunigung ). Ich habe mir angesehen, was empfohlen wurde, und insbesondere sowohl (a) das Wikipedia-Beispiel für eine eindimensionale Position und Geschwindigkeit als auch eine andere Website, die ähnliche Aspekte …
Ich sehe immer den Kalman-Filter, der mit solchen Eingabedaten verwendet wird. Beispielsweise sind die Eingaben üblicherweise eine Position und die entsprechende Geschwindigkeit: (x,dxdt)(x,dxdt) (x, \dfrac{dx}{dt}) In meinem Fall habe ich zu jeder Abtastzeit nur 2D-Positionen und -Winkel: Pi(xi,yi)and(α1,α2,α3)Pi(xi,yi)and(α1,α2,α3) P_i(x_i, y_i) \qquad \text{and} \qquad (\alpha_1, \alpha_2, \alpha_3) Sollte ich Geschwindigkeiten für …
Ich würde mich sehr über eine intuitive Erklärung für das (visuelle) Tracking mit Kalman-Filtern freuen. was ich weiß: Vorhersageschritt: Dynamischer Systemzustand : Zielort zum Zeitpunkt txtxt\mathbf x_tttt Messung : das Bild zum Zeitpunkt t (??)ztzt\mathbf z_tttt Basierend auf Bildern / Messungen möchte ich den Zustand x t vorhersagen ? (mit …
Mein System ist das folgende. Ich benutze die Kamera eines Mobilgeräts, um ein Objekt zu verfolgen. Durch diese Verfolgung erhalte ich vier 3D-Punkte, die ich auf den Bildschirm projiziere, um vier 2D-Punkte zu erhalten. Diese 8 Werte sind aufgrund der Erkennung etwas verrauscht. Ich möchte sie filtern, um die Bewegung …
Ich habe die Beschreibung des Kalman-Filters gelesen, bin mir aber nicht sicher, wie es in der Praxis zusammenkommt. Es scheint in erster Linie auf mechanische oder elektrische Systeme ausgerichtet zu sein, da es lineare Zustandsübergänge wünscht und aus demselben Grund für die Erkennung von Anomalien oder die Lokalisierung von Zustandsübergängen …
In seinem Kapitel über Kalman-Filter heißt es in meinem DSP-Buch, scheinbar aus heiterem Himmel, der stationäre Kalman-Filter für ein System {x(t+1)y(t)=Ax(t)+w(t)=Cx(t)+v(t){x(t+1)=Ax(t)+w(t)y(t)=Cx(t)+v(t)\begin{cases} x(t+1) &= Ax(t) + w(t) \\ y(t) &= Cx(t) + v(t) \end{cases} hat den Prädiktor x^(t+1|t)=(A−AK¯C)x^(t|t−1)+AK¯y(t)x^(t+1|t)=(A−AK¯C)x^(t|t−1)+AK¯y(t)\hat{x}(t+1|t) = (A-A\bar{K}C)\hat{x}(t|t-1) + A\bar{K}y(t) und stationäre Zustandsvektorkovarianz und Kalman-Gewinn ˉ K = ˉ …
Das heißt, wenn Sie als Zustandsvariablen Position ( p ) und Geschwindigkeit ( v ) haben und ich Niederfrequenzmessungen von p durchführe , gibt dies mir auch indirekt Informationen über v (da es die Ableitung von p ist ). Was ist der beste Weg, um mit einer solchen Beziehung umzugehen? …
Ich lerne jetzt seit einer Woche Kalman Filter. Ich habe gerade herausgefunden, dass EKF (Extended Kalman Filter) für meinen Fall besser geeignet ist. Angenommen, ich wende KF / EKF für ein Variometer an (das Gerät, das Flugzeugen und Fallschirmspringern mitteilt, wie hoch ihre vertikale Position und Geschwindigkeit ist). In meinem …
Möchten Sie diesen Beitrag verbessern? Geben Sie detaillierte Antworten auf diese Frage, einschließlich Zitaten und einer Erklärung, warum Ihre Antwort richtig ist. Antworten ohne ausreichende Details können bearbeitet oder gelöscht werden. Ich bin völlig neu im Kalman-Filter. Ich hatte einige Grundkurse über bedingte Wahrscheinlichkeit und lineare Algebra. Kann jemand ein …
Das ist einfach, dachte ich, aber mein naiver Ansatz führte zu einem sehr lauten Ergebnis. Ich habe diese Beispielzeiten und -positionen in einer Datei mit dem Namen t_angle.txt: 0.768 -166.099892 0.837 -165.994148 0.898 -165.670052 0.958 -165.138245 1.025 -164.381218 1.084 -163.405838 1.144 -162.232704 1.213 -160.824051 1.268 -159.224854 1.337 -157.383270 1.398 -155.357666 …
Welche Bedeutung haben die Rauschkovarianzmatrizen im Kalman-Filter-Framework? Ich beziehe mich auf: Prozessrausch-Kovarianzmatrix Q und Messrausch-Kovarianzmatrix R. zu jedem Zeitpunkt Schritt t. Wie interpretiere ich diese Matrizen? Was repräsentieren sie? Sprechen sie darüber, wie sich das Rauschen einer Beobachtung in Bezug auf das Rauschen einer anderen Beobachtung im Zustandsvektor ändert?
Zunächst einmal versuche ich zum ersten Mal, einen Kalman-Filter zu erstellen. Ich habe zuvor die folgende Frage gestellt: Herausfiltern von Geräuschen und Abweichungen von Geschwindigkeitswerten auf StackOverflow, die den Hintergrund für diesen Beitrag beschreibt. Dies ist eine typische Stichprobe von Werten, die ich filtern möchte. Sie müssen nicht unbedingt abnehmen, …
Ich habe in der Vergangenheit Kalman-Filter für verschiedene Zwecke verwendet , bin aber jetzt daran interessiert, einen zu verwenden, um Position, Geschwindigkeit und Beschleunigung im Zusammenhang mit der Positionsverfolgung für Smartphone-Apps zu verfolgen. Es fällt mir auf, dass dies ein Lehrbuchbeispiel für einen einfachen linearen Kalman-Filter sein sollte, aber ich …
Haben Kalman-Schätzungen für ein lineares Zustandsraummodell mit unabhängigem Gaußschen Zustand und Ausgangsrauschen und perfekter Schätzung für den Anfangszustand die folgenden Eigenschaften: woP k | k = V a r ( x k | k - x k ) , oder V a r ( x k | k ) , …
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.