卡尔曼滤波三部曲——使用卡尔曼滤波器和 ROS 2 进行递归状态估计(一)

文章预览

一，引言 这是我迄今为止最雄心勃勃的文章，旨在将 40 多页的理论浓缩成一篇易懂的文本（根据 Medium 的估计，阅读时间不到 30 分钟）。它标志着基于《概率机器人学》一书的系列文章的开始。目标有两个：清晰解释书中的概念，并使用 ROS 2 和真实数据实现算法。如果您很感兴趣，可以直接跳到“实现”部分，但除非您已经精通卡尔曼滤波器，否则我建议您回到开头并完整阅读文章。祝您阅读愉快！ 二，介绍 机器人环境交互。来源：《概率机器人学》一书。 机器人通过感知和操纵物理世界来与物理世界互动。这个环境或世界是一个具有内部状态的动态系统。通过传感器（摄像头、激光雷达等），机器人可以获取有关环境的信息（观察结果）。由于此类传感器的噪声特性，机器人无法完全了解这个环境，因此它需要构建一个关于环境状态（及其 ………………………………