SLAM笔记六——Unscented Kalman Filter

本文介绍了Unscented Kalman Filter(UKF),作为卡尔曼滤波的一种非线性扩展,UKF利用Unscented Transform进行线性化,通过sigma点的选择和映射来逼近非线性函数。文中详细阐述了sigma点的选择及其权重计算,以及UKF的prediction和correction过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

卡尔曼滤波都需要线性模型,EKF用的是泰勒公式进行局部线性的方法,而UKF提供了另一种线性化的方法。

Unscented Transform

步骤:
这里写图片描述
首先选择一组点,称为sigma点
这里写图片描述
然后通过非线性函数映射这些点:
这里写图片描述
最后通过对映射点计算高斯分布形式,和每个sigma点的权重:
这里写图片描述


sigma点的选择

选择的sigma点满足以下式子:
这里写图片描述
第一个点选择均值,其余点根据另外两个式子选择:
这里写图片描述
weights的选择:
这里写图片描述
最后计算高斯模型形式:
这里写图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值