卡尔曼滤波三部曲——无迹卡尔曼滤波算法（三）

文章预览

这是介绍卡尔曼滤波器不同类型以及使用 ROS 2 进行实际实现的三篇文章中的第三篇（ 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) 和 卡尔曼滤波三部曲——ROS 2 中的扩展卡尔曼滤波器的传感器融合（二） ）。我们从基本的线性卡尔曼滤波器开始，然后了解了使用传感器融合的扩展卡尔曼滤波器来解决非线性问题。在本文中，我们将探索无迹卡尔曼滤波器的强大功能，以及它如何简化线性化过程，使其性能与 EKF 一样好，有时甚至更好。 一，引言 卡尔曼滤波器 广泛应用于状态估计。我们已经了解了 扩展卡尔曼滤波器 (EKF) 如何应用于机器人中的非线性问题，以及它如何让我们结合多个传感器以获得更好的结果。EKF 通过应用一次泰勒级数展开来实现这一点，以使运动和观察模型围绕状态平均值线性化。 这种方法的一个问 ………………………………