运动状态估计之卡尔曼滤波详解

文章预览

作 者丨佳浩（SLAM算法工程师）@知 乎 来源 丨https://zhuanlan.zhihu.com/p/395738793 编辑丨阿木实验室 今天将主要记录一下自己对机器人运动状态估计的学习，粒子滤波与卡尔曼滤波的讲述顺序稍做调整，主要是考虑到学习理解的难度，应该循序渐进。 那么主要讲述纲要如下： 1、卡尔曼滤波(kalman Filter，KF)原理与公式 2、经典卡尔曼滤波应用与简易代码实现 3、扩展卡尔曼滤波(Extended kalman Filter EKF)原理 4、无迹卡尔曼滤波(Unscented Kalman Filter，UKF)原理 至于粒子滤波与蒙特卡罗定位方法，因为和无迹卡尔曼滤波的部分思想有重叠，但又算是另外一种方法。 1、卡尔曼滤波原理与公式 2、卡尔曼滤波的案例分析与简易代码实现 int   main () { //predict para double ori_gauss = 3 ; double pre_gauss = 4 ; //inherent deviation double step_gauss;      double  pre_data; //obse ………………………………