LittleEmperor的博客

算法流程： 1、预测： 根据上一时刻状态进行粒子采样。 2、更新： 每一个粒子携带观测值，用观测值计算该粒子的匹配程度，也就是权值。 3、重采样： 根据权重大小对粒子进行重采样，权重大的粒子重复的概率较大，权重较小的粒子重复概率小。 以2D激光与轮式里程计为例，机器人首先根据轮式里程计得到一步预测值，然后在该预测值的基础上播撒粒子，每一个粒子代表了对状态值的随机采样，完成预测。然后...

无迹卡尔曼滤波算法用于解决系统方程非线性的情况。无迹卡尔曼滤波算法采用无迹变换对状态值进行采样，采样2n+1个sigma点用于计算均值与协方差。相比于EKF对系统方程线性化，无迹卡尔曼滤波近似程度更高。 系统方程： 状态预测： 观测量计算： 状态更新： 过程推导：​​​​​​​ ​​​​​​​无迹变换：一般用离散采样点恢复一种分布，采样点越多，近似度越高，但计算量也越大，比如蒙...

卡尔曼滤波 系统方程： 为状态转移矩阵，为控制矩阵，为控制向量，为白噪声，对应状态的每一个分量，均值为0，方差为，服从高斯分布。 基本假设 下一个状态是前一个状态的线性函数，观测量是状态量的线性函数。 预测 ...