- 博客(7)
- 收藏
- 关注
RSS订阅原创 ch 5 无迹卡尔曼滤波（Unscented Kalman Filter）
在上一章中，为了解决卡尔曼滤波非线性系统模型的问题，采用模型线性化的方法，分别在上一时刻的后验估计处和当前时刻的先验估计处进行泰勒展开，用线性方程（函数）逼近非线性方程（函数），结合标准卡尔曼滤波的五大核心公式，得到了扩展卡尔曼滤波的方法。扩展卡尔曼滤波的局限性：1.当系统具有强非线性时，会引入较大线性化误差。2.每轮迭代需要计算雅阁比矩阵，计算量大。为此，提出另外一种解决非线性问题的方式：无迹卡尔曼滤波。在数学上，它的思想是基于。
2025-10-10 15:13:02
997
原创 ch4 扩展卡尔曼滤波（Extended Kalmen Filter）
标准卡尔曼滤波的假设：1.系统具有马尔可夫性（无后效性）2 .系统为线性系统，可由线性方程描述3.噪声为高斯噪声，可由高斯分布描述真实世界中华大多数系统为非线性系统，无法用状态空间方程描述，因此需要对第二个假设加以扩展，使得卡尔曼滤波有更广泛的应用。此时原本线性的状态空间方程需要由非线性的方程组表示：而要想建立二者联系，可以将非线性系统在估计点进行泰勒展开，进行线性化。
2025-10-10 09:16:41
823
原创 ch3 卡尔曼滤波相关讨论
过程协方差矩阵用来估计状态变量的不确定性，描述服从高斯分部的多维随机向量xk的方差。在kf中，有关过程协方差矩阵的方程有：1.该方程描述了状态转移和模型不确定性对状态变量分布的影响，每轮迭代中，Q的引入会增大不确定性。2.该方程描述了测量对状态变量分布的影响，测量会让状态分布的不确定性减小。
2025-10-09 17:14:32
634
原创 ch1 卡尔曼滤波-一维卡尔曼滤波
摘要：本文讨论了滤波器在静止小车雷达测距中的应用，重点分析了IIR滤波器通过参数α平衡先验知识（模型预测）与测量值（观测）的加权融合。当小车运动状态改变时，模型部分需相应调整以避免滞后。基于数据融合理论，推导出最优权重（卡尔曼增益Kk）与测量误差方差比的关系。一维卡尔曼滤波具有最优性和递归计算特点，能自适应调整模型与测量的权重。最后指出需解决过程/测量误差获取及多维扩展两个关键问题。（150字）
2025-10-08 20:26:27
487
原创 yolov10训练模型并在利用openvino进行int8量化部署
环境：python 3.10版本训练：cuda 12.4 pytorch 2.4.0部署应用 intel nuc i3 老虎峡谷。
2025-07-08 21:19:18
1075
1
原创 Ubuntu20.04配置udev规则用于配置摄像头索引
本文摘要：针对Linux系统中USB设备(如摄像头)索引动态变化导致程序调用参数不匹配的问题，提出了通过udev规则创建固定符号链接的解决方案。方法包括：1)通过lsusb获取设备厂商ID和产品ID；2)在/etc/udev/rules.d/目录创建规则文件，利用设备唯一ID和端口信息(如视频流端口index=0)创建静态符号链接；3)通过udevadm命令重载规则。该方法确保了设备无论插拔或重启后，程序都能通过固定路径(如/dev/webcam)访问设备，解决了OpenCV等应用中VideoCapture
2025-06-11 09:53:24
733
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人