- 博客(6)
- 收藏
- 关注
RSS订阅原创 从贝叶斯滤波到粒子滤波
目录0 回顾与引言1 蒙特卡罗方法2 重要性采样2.1 什么是重要性采样2.2 序贯重要性采样3 粒子退化问题3.1 概述3.1.1 什么是粒子退化3.1.2 粒子退化程度的度量3.2 建议分布的选择3.3 重采样3.3.1 几种经典的重采样算法3.3.1.1 多项式重采样3.3.1.2 分层重采样3.3.1.3 系统重采样3.3.1.4 残差重采样3.3.2 重采样的副作用3.3.3 基本的粒子滤波器4 SIR 滤波器5 应用实例——基于粒子滤波的无人车定位5.1 问题描述5.2 代码实现5.2.1 初始
2021-09-08 10:57:53
747
原创 从贝叶斯滤波到无迹卡尔曼滤波
目录标题0 引言1 无迹变换1.1 什么是无迹变换1.2 一般形式的无迹变换1.3 比例无迹变换2 无迹卡尔曼滤波的假设2.1 与卡尔曼滤波相同的假设2.2 与卡尔曼滤波不同的假设3 无迹卡尔曼滤波算法框架3.1 可加性噪声条件下的无迹卡尔曼滤波3.2 非可加性噪声条件下的无迹卡尔曼滤波4 应用实例——基于毫米波雷达与无迹卡尔曼滤波的目标跟踪4.1 系统分析4.1.1 状态转移过程分析4.1.2 观测过程分析4.2 代码实现5 总结参考0 引言在此前的文章《从贝叶斯滤波到扩展卡尔曼滤波》中，我们讲述了扩
2021-01-12 13:45:45
1031
原创 最小二乘法多项式曲线拟合数学原理及其C++实现
目录0 前言1 最小二乘法概述2 最小二乘法求解多项式曲线系数向量的数学推导2.1 代数法2.2 矩阵法3 代码实现4 总结参考0 前言自动驾驶开发中经常涉及到多项式曲线拟合，本文详细描述了使用最小二乘法进行多项式曲线拟合的数学原理，通过样本集构造范德蒙德矩阵，将一元 N 次多项式非线性回归问题转化为 N 元一次线性回归问题，并基于线性代数 C++ 模板库——Eigen 进行了实现，最后，比较了几种实现方法在求解速度与求解精度上的差异。1 最小二乘法概述最小二乘法（Least Square Meth
2021-01-12 13:06:10
3482
原创 从贝叶斯滤波到扩展卡尔曼滤波
0 前言1 贝叶斯滤波的三大概率密度函数2 扩展卡尔曼滤波的假设2.1 与卡尔曼滤波相同的假设2.2 与卡尔曼滤波不同的假设3 扩展卡尔曼滤波的公式推导3.1 预测步的两个公式3.2 更新步的三个公式4 矩阵形式的扩展卡尔曼滤波5 应用实例——基于毫米波雷达与扩展卡尔曼滤波的目标跟踪5.1 系统分析5.2 雅可比矩阵求解5.3 代码6 扩展卡尔曼滤波器的优缺点7 参考0 前言扩展卡尔曼滤波（Extended Kalman Filter，EKF）是标准卡尔.
2021-01-12 12:54:34
618
4
原创 从贝叶斯滤波到卡尔曼滤波
0 前言1 贝叶斯滤波的三大概率密度函数2 卡尔曼滤波的假设3 卡尔曼滤波的公式推导3.1 预测步的两个公式3.2 更新步的三个公式4 矩阵形式的卡尔曼滤波5 应用实例6 参考0 前言卡尔曼滤波（Kalman Filter，KF）以贝叶斯滤波为理论基础，并通过假设状态量随机变量（以下简称状态量）、观测量均服从正态分布，假设过程噪声、观测噪声均服从均值为 0 的正态分布，以及假设状态转移函数和观测函数均为线性函数，实现对连续型随机过程的递推状态估计。简言之，卡尔曼滤波是在贝叶斯滤.
2021-01-12 12:45:45
987
原创 从概率到贝叶斯滤波
0 前言1 概率基础概念拾遗1.1 随机变量1.1.1 定义1.1.2 离散型随机变量1.1.3 连续型随机变量1.2 累积分布函数1.3 概率质量函数1.4 概率密度函数1.5 联合概率1.5.1 二维离散型随机变量的联合概率质量函数1.5.2 二维连续型随机变量的联合概率密度函数1.6 边缘概率1.6.1 二维离散型随机变量的边缘概率质量函数1.6.2 二维连续型随机变量的边缘概率密度函数1.7 条件概率1.7.1 二维离散型随机变量的条件概率质量.
2021-01-12 12:32:37
675
2
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