robot_pose_ekf中关于filter_update的问题

最新推荐文章于 2023-11-22 11:00:16 发布

快乐飞奔的小菜鸡

最新推荐文章于 2023-11-22 11:00:16 发布

阅读量585

点赞数

分类专栏： ROS

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_21830903/article/details/106944681

版权

ROS 专栏收录该内容

9 篇文章

订阅专栏

本文深入探讨了EKF（扩展卡尔曼滤波）在机器人定位中的应用，特别关注了运动更新阶段的处理方式。指出在robot_pose_ekf包中，运动更新仅通过添加高斯噪声实现，未直接使用控制量，实际的里程计与IMU信息主要用于测量更新，通过调整协方差矩阵来修正位姿。进一步解释了在sysmodel更新时，由于控制量设置为零，状态方程和雅克比矩阵对结果的影响有限。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
这两行代码对应EKF中的运动更新(Prediction)，robot_pose_ekf包对运动更新只对当前位姿加上了高斯噪声，并没有在状态转移方程中加入实际的控制量，控制量也都为0，实际上里程计信息与IMU信息都是做的是测量更新，通过测量更新步骤中的协方差矩阵来矫正位姿的，不知道理解是否有误
在这里插入图片描述
sysmodel进行update时的控制量是(0,0)，只有噪声对结果施加作用，所以状态方程和雅克比矩阵对结果是没有影响的，即使直接采用bfl中的线性预测模型，也能得到一样的结果

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。