在统计模型中使用卡尔曼滤波器时，将忽略state_cov
卡尔曼滤波器是一种用于估计系统状态的统计模型，它通过将测量值与系统模型进行融合，提供对系统状态的最优估计。在卡尔曼滤波器中，state_cov代表系统状态的协方差矩阵，它描述了系统状态的不确定性。
忽略state_cov意味着在卡尔曼滤波器中不考虑系统状态的不确定性。这样做可能会导致估计结果不准确，因为卡尔曼滤波器的核心思想是通过融合测量值和系统模型来减小估计误差，而忽略state_cov会导致无法有效地利用系统模型提供的信息。
在实际应用中，忽略state_cov可能是基于特定场景下的假设或简化模型。例如，当系统状态的不确定性非常小或可以忽略不计时，可以将state_cov设置为零或一个较小的值。这样可以简化计算过程并加快滤波器的运行速度。
然而，需要注意的是，忽略state_cov可能会导致滤波器对系统噪声更加敏感，从而影响估计结果的准确性。因此，在实际应用中，根据具体情况和需求，需要权衡计算效率和估计准确性，合理选择state_cov的取值。
腾讯云提供了一系列与云计算相关的产品，包括云服务器、云数据库、云存储、人工智能服务等。这些产品可以帮助用户构建和管理云计算基础设施，提供高可用性、弹性扩展和安全性保障。具体产品信息和介绍可以参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
我希望改善我继承的应用程序的gps跟踪。我们追踪纬度、经度和高度。在跟踪之后，我们给出了速度，距离和垂直下降的统计数据。代码当前使用低通滤波器来控制高度，但稍后不做任何操作。这会引起速度和距离方面的问题。
我正在考虑实现卡尔曼滤波器来帮助降低噪声。我的问题是关于卡尔曼滤波器的不同版本。有了我们需要跟踪的内容，我是否可以使用卡尔曼滤波器，或者我是否需要研究扩展/无迹卡尔曼滤波器？
谢谢
浏览 2提问于2012-07-21得票数 8
回答已采纳
2回答
稳态卡尔曼滤波的状态估计
、、、
我在一个系统上使用离散卡尔曼滤波器。
x(k+1)=A_k x(k)+B_k u(k)
y(k)=C_k x(k)
我从可用的有噪声的y(k)中估计了状态，其中一种状态是由相同的系统状态方程与状态的参考轨迹生成的。然后，我用错误的初始状态x0和一个大的初始协方差(模拟1)测试了它。我注意到KF工作得很好，经过几步，增益k很快收敛到接近于零的一个很小的值。我认为这可能是由过程噪声Q引起的。我把它设置得很小，因为Q代表了模型的准确性。
现在我想把它修改成稳态卡尔曼滤波器。在每次迭代中，我用模拟-1的稳定增益作为常数，而不是计算。然后，将这五个方程简化为一个方程：
X(k+1)^=()A
浏览 4提问于2016-04-07得票数 0
回答已采纳
1回答
我知道，当我们有一个测量和过渡方程时，就可以使用卡尔曼滤波。我也知道卡尔曼滤波器可以处理丢失的数据。从我在大学的课程中，我知道卡尔曼滤波器一直被用来做GDP预测。
我不知道卡尔曼滤波器是如何做到这一点的。我知道HP过滤器是如何工作的，我猜这两种方法是相似的。有人知道它的工作原理并能解释吗？
谢谢您的答复。
浏览 0提问于2022-12-15得票数 2
回答已采纳
我需要一些帮助关于布线植物模型到LabVIEW中的EKF块。我已经检查了样本VIs，但问题是在我的应用程序中，用于在EKF中表示模型的矩阵A、B和C是时间相关的，并且随着模拟的进行而变化。然而，在所提供的样本中，植物模型被作为静态参考VI，它不随时间变化。请告诉我如何解决这个问题。
提前谢谢。
浏览 2提问于2013-06-11得票数 0
1回答
我偶然在谷歌论坛上看到一篇文章，上面说卡尔曼滤波器是在安卓虚拟传感器( post#8)中实现的。但我在android文档中没有找到任何关于卡尔曼滤波器的内容。那么，卡尔曼滤波器真的是在android API中实现的吗？我可以从哪里获得虚拟传感器(TYPE_ROTATION_VECTOR)的源代码？
浏览 3提问于2013-04-02得票数 0
1回答
我需要编写一个应用程序，在时间序列信号上计算一些缺失的值。我在R中使用ImputeTS包做了类似的事情，但是现在我需要用Java来完成它。
我只是在互联网上搜索，发现滤波器是Java中现有的卡尔曼滤波器的一个实现。但他们似乎没有在过滤器内使用ARIMA内部模型。例如，在Apache中有转换矩阵和度量矩阵，但是我如何改变它们，使带有(p，q，d)参数的ARIMA非季节模型可以作为Kalman滤波器的内部状态模型？
我不期望有人写所有的代码，但也许有人可以解释如何进行上述工作？
浏览 1提问于2018-06-05得票数 0
2回答
卡尔曼滤波与指数滤波
、、、、
我想知道，卡尔曼滤波和指数滤波的优缺点是什么？我有一个多传感器融合的问题，我试图决定选择哪种方法。
我认为，卡尔曼滤波在计算上更复杂，但它有一个更详细的系统模型，所以它更准确(？)在多传感器融合中。
指数滤波器是一个简单的方程，但它受到α(较高的α=>较少的“记忆”滤波器)的选择的限制，因而较小的平滑度，但对测量的权重较高而较低的α具有较高的平滑度，但突然的变化没有得到适当的反映。
指数滤波在存在抖动等噪声消除方面更为有用，而卡尔曼滤波则适用于实际的多传感器融合。这是正确的吗？
此外，遗传算法在传感器融合中的作用有多大？我试图结合一个磁罗盘和陀螺仪来估计真正的方位。
浏览 9提问于2010-12-06得票数 6
1回答
我目前正在学习人工智能课程中的隐马尔可夫模型。然而，我找不到任何关于平滑的例子来清楚地理解它。 我知道我们在哪些情况下使用平滑，但我不知道如何实现它。 有人能帮上忙吗？
浏览 28提问于2019-01-09得票数 0
您是一架跟踪穿越海洋的敌舰的飞机，因此您已经收集了该船的一系列(x，y，time)坐标。你知道潜水艇和船一起旅行来保护它，但是当它们的位置之间有关联时，潜水艇经常离开船，所以虽然它经常在它附近，但它也可能偶尔在世界的另一端。你想要预测潜水艇的路径，但不幸的是它对你是隐藏的。
但是在4月份的一个月里，你注意到潜艇忘记了隐藏自己，所以你有一系列关于潜艇和船在1000次航行中的坐标。使用这些数据，您想要建立一个模型来预测隐藏的潜艇的路径，仅给定船的运动。天真的基线应该是“潜艇位置猜测=”船的当前位置“，但从4月份的数据中，你会注意到潜艇有稍微领先于船的趋势，所以”潜艇位置猜测=船在1分钟内的位置“是
浏览 0提问于2013-02-16得票数 9
1回答
我收到的3D加速度计信号很明显很嘈杂。我正在尝试使用卡尔曼滤波器来消除这些信号的偏差和漂移。作为额外的输入，我有旋转矩阵。
我也可以使用移动平均滤波器，这将是很好的，但我如何使用Kalaman滤波器来平滑这些旋转矩阵的信号？
诚挚的问候
钦坦
浏览 2提问于2015-04-20得票数 1
2回答
鼠标回调更新率
、、
我想知道人们如何处理鼠标回调的更新率。根据文档，在OpenCV中，仅用于highGUI，因此可以控制每秒的帧数。在某些应用程序中，需要知道鼠标的位置。例如，如果我们使用摄像头作为主要的感官系统，可以跟踪视频中的运动对象，并使用卡尔曼滤波器对其进行滤波。假设移动的对象是鼠标。如果我想使用卡尔曼滤波器，测量的更新率是已知的(即waitKey())，但鼠标的更新率是未知的。在本例中，我对度量模型和系统模型有两种不同的步长。鼠标回调的问题不仅是未知的，而且也是不同的。我这个问题的最终目的是比较操作系统提供的实际鼠标位置、卡尔曼滤波器的估计值和测量值。如果实验有效，我预计估计值将接近实际位置，而测量结果
浏览 3提问于2015-04-24得票数 0
2回答
关于通过多边化进行飞机跟踪，我有以下问题:我们设法实现了一些算法，使用3或4个接收器来计算基于多边化的飞机位置。问题是，这首曲目看起来相当“摇摇欲坠”(请看链接中的图片，很抱歉我不能在这里添加它，因为声誉。)
绿色的线是地面上飞机的真实GPS轨迹，橙色是通过多边形法计算的轨迹(到达的时间差，大约每秒一到两个位置)。GPS跟踪只是为了比较，它可能不会在未来提供。
什么是平滑赛道的好方法？我偶然发现了卡尔曼滤波器。我不是一个数学家，也没有任何机器人或类似的经验。这个级别的数学对我来说是非常难理解的(我很高兴我很好地处理了多边化)。航迹的计算采用闭式算法。也许切换到迭代算法也会有所帮助？
那么，在
浏览 2提问于2013-02-06得票数 3
回答已采纳
2回答
我想从Android手机内置的加速度计中获取尽可能准确的数据。我想跟踪x和y轴上的二维运动，即使是小的运动也必须注册。
当我看到加速度计/线性加速度的数据时，手机在桌子上是平的，当我应该是零的时候，它会发生很大的变化。
我看过卡尔曼滤波器，这似乎是一种很好的方法，但我在建立一个模型时遇到了问题。
1.卡尔曼滤波器是从加速度计获取尽可能精确数据的方法吗？
2.卡尔曼滤波器有效吗？也许我误解了，但似乎加速度或速度必须是恒定的？
3.如何建立使用卡尔曼滤波的模型？我很难理解进程噪声是什么？
浏览 5提问于2014-03-23得票数 9
回答已采纳
1回答
我正在使用OpenCV库函数做手部跟踪项目。通过使用Camshift()函数，我可以跟踪我的手，但它并不稳定，即使我让我的手稳定，跟踪中也几乎没有移动。所以我不能在正确的位置执行鼠标点击操作。有没有人能帮我解决这个问题。
void TrackingObjects::drawRectangle(CvRect objectLocation){
CvPoint p1, p2,mou;
CvRect crop;
p1.x = objectLocation.x;
p2.x = objectLocation.x + objectLocation.width;
p1.y = objectLocation.
浏览 0提问于2013-03-28得票数 4
回答已采纳
3回答
我有一个应用程序连续接收速度值(m/s)。这些值会产生一些噪声和变化。这个速度一直在变化，但有一些真正的变化值得注意。例如，当速度值显着下降时，可能会有转弯。
现在我使用最后一个X值的average，其中X通常是一个介于5-15之间的数字。我在excel中绘制了这些值，以查看与原始数据的差异。这很有效，但是历史值越大，我的曲线就越平滑( less lower )。higher历史值，我的曲线得到的smoother，但它也会对后期的更改做出反应，并忽略其中的一些更改。
我还尝试在平均计算中对最后一个值进行加权。结果是一条仍然有大量噪声的曲线，但只比原始数据少一点。
我正在寻找的是一种更复杂的方法
浏览 0提问于2012-08-01得票数 4
回答已采纳
1回答
长坐标运动的卡尔曼滤波
、、、、
我试图实现一个简单的卡尔曼滤波，它将用于过滤/预测车辆在长/载坐标下的运动。
没有来自车辆传感器的测量，只是观测到的长/拉位置的一个新的更新，所以基本上我将试图预测和修正的状态是车辆在任何给定时间的经度和纬度。
据我所知，这个模型是非线性的，因为可能会有随机加速度、方向变化等，但我认为，只要我在状态下也能跟踪轴承，这是可以忽略的。我的问题是，我不知道如何根据状态和预测矩阵来建模这个系统，在此基础上，似乎有必要将长/拉坐标转换/投影成某个笛卡儿xy系统，使两者变得独立，但我不太清楚如何做到这一点。
从xy转换回wgs84似乎不是那么简单，在计算上也可能有点紧张。有人能对这件事有所了解吗？
浏览 1提问于2014-09-21得票数 3
1回答
信息建模
、、、、
在我的项目中的传感器模块由一个旋转相机组成，它收集噪声的信息，有关在周围环境中移动对象的信息。
该信息由运动物体的距离、角和相对变化组成。
相机的限制视距使相机必须周期性地旋转以更新环境信息。
我正在寻找算法/方法来建模这些信息，以便能够猜测/预测/学习这些对象的运动特性。
我目前提出的想法是在队列中存储每个对象的最后n个快照。我取了移动物体的位置和速度的加权平均值，但我认为这是一个很差的方法。
你能说出一些适合这个案子的标题吗？
谢谢
浏览 7提问于2010-05-28得票数 2
回答已采纳
1回答
我有一个服务，从它得到用户的位置在一个时间间隔(例如，7秒)。行走路径显示在地图上，但正如您所看到的，有许多无效的位置，因为GPS接收器正在试图获得准确的当前位置。
蓝色的是显示的步行路径，黑色的是实际的步行路径。我正在考虑使用IMU作为筛选器，以检查检索到的位置是否在路径上，或者位置提供程序需要更多的时间来更新它。
这样做有可能吗？
浏览 1提问于2020-05-18得票数 0
回答已采纳
我正在关注一个可能很有名的关于卡尔曼滤波器的。
从这些代码行中：
figure;
plot(t,pos, t,posmeas, t,poshat);
grid;
xlabel('Time (sec)');
ylabel('Position (feet)');
title('Figure 1 - Vehicle Position (True, Measured, and Estimated)')
我知道x是真实位置，y是测量位置，xhat是估计位置。那么，如果我们可以计算x (代码：x = a * x + b * u + ProcessNoise;
浏览 0提问于2011-01-17得票数 1
回答已采纳
1回答
我的应用程序跟踪用户的位置，并为附近商店设置邻近警报，这些警报是由自动chickin类型功能的API返回的。当网络位置触发接近警报时，我正试图弄清楚如何提高准确性。我需要一些方法来确认用户在几分钟内再次检查，或通过GPS确认他们的当前位置。
问题的一部分是，处理接近警报的上下文是一个意图服务，因此当警报快速连续触发时，任何异步工作都会导致问题。显然，有一种方法可以正确地做到这一点(例如，Google+签入通知)，但我不知道下一步该去哪里看。
浏览 5提问于2013-05-13得票数 0
所以，在这个问题上，如果我是对的或不对的话，我将非常感谢你的提示和进一步的信息。
要计算固定锚(如GPS)在距离测量上的位置，需要解决三边化问题，例如:非线性最小二乘、几何算法或粒子滤波，这也可以解决三边问题。
由于噪声/误差，结果可能是锯齿状的线->，你可以使用卡尔曼滤波来平滑它。目前为止:粒子计算，卡尔曼平滑。现在：
是否有可能使用卡尔曼滤波器不是为了平滑已经存在的结果，而是解决这样的三边化？
关于粒子过滤器:如何使用粒子过滤器不是解决三边化，而是平滑一个已经存在的结果(例如，用NLLS计算)？
最好和感谢您的任何提示，论文，视频，解决方案等！
浏览 5提问于2017-01-19得票数 2
回答已采纳
我开始处理Android 2.1 (HTC Hero)上的gps数据，并四处看看与位置数据相适应的卡尔曼滤波和最小二乘的主题。在用电话接收和记录GPS数据时，我发现如果停留在位置上的话，会有很小的分散，但是移动时坐标非常精确。问题来了：- getLatitude()和getLongitude()函数是否提供了“原始”坐标，或者数据是由android预先过滤的(位置是固定的还是在移动期间)？
我很好奇有没有人在android上测试过Kalman，可以说你在gps上有一定的改进。在我的例子中，我每3秒读取一次GPS数据(通过移动网络将其与罗盘数据和加速度计一起发送到服务器)。因此，我可以在设备或服
浏览 1提问于2011-03-10得票数 5
1回答
我正在使用KFAS (在R中)来估计局部级别的状态空间模型(平滑，高斯)。为了评估估计的灵敏度，我对每个控制信号引入了单个局部扰动(例如，信号的1000个时间点中的值为零的20个时间点的小块)。虽然在所有情况下都可以检测到小的扰动，但在整个信号中都可以观察到结果估计中的额外波动。
有没有办法调整估计值以减少局部扰动对整个信号平滑的影响？
浏览 0提问于2018-06-21得票数 0
在C或Objective-C中有没有开源的卡尔曼滤波器实现来校正加速度计数据？
我找不到一个，但在我开始花一个月在这上面之前，我最好问一下:-)
浏览 0提问于2011-03-31得票数 3
回答已采纳
1回答
我正在尝试创建一个手到鼠标的移动系统，但是由于PoseNet模型，我遇到了价值波动。它的工作方式是这样的: PoseNet在浏览器中运行，然后将请求发送到本地Flask服务器，该服务器移动鼠标。我不确定解决这个问题的最好方法是什么--在Python接收到坐标后使用某种平滑系统，或者是PoseNet调整。我不能提高质量，因为这将减慢进程和移动将参差不齐，如果没有重大的重新思考的系统。我的代码如下：
poseNet = ml5.poseNet(video, {
flipHorizontal: true
});
// When the model is loaded
function mode
浏览 0提问于2020-06-10得票数 1
我正在用C++实现一个基于卡尔曼滤波器的AHRS。在过滤器的方程式中有一些对我来说相当奇怪的东西。 ? 我找不到P(协方差)矩阵实际更新的部分，以表示预测的不确定性。在“预测”步骤中，P的估计值是从它之前的值A和Q计算出来的。据我所知，A(系统矩阵)和Q(噪声协方差)是恒定的。然后在“校正”期间，根据K、H和预测的P计算P。H(观测矩阵)是恒定的，因此影响P的唯一变量是K(卡尔曼增益)。但是K是从预测的P，H和R(观测噪声)计算出来的，它们要么是常数，要么是P本身。那么，方程中使P与x相关的部分在哪里？对我来说，似乎P在这里递归循环，只依赖于P的常量和初始值，这没有任何意义。我遗漏了
浏览 171提问于2020-04-29得票数 1
回答已采纳
1回答
无人机的三维位置预测
、、、、
我有来自跟踪器的无人机位置数据，以及基于卡尔曼滤波器变体的数据对速度和加速度的估计，这些数据似乎相当不错。
我希望预测(/give一个合理的猜测)无人机在未来几秒钟的位置，我不确定最好的策略是继续估计jerk，snap，crackle和pop，并将它们包括在计算中，或者是否有更好的方法，我错过了。
感谢您的帮助。
浏览 0提问于2018-06-23得票数 0
4回答
汽车跟踪路径的卡尔曼滤波
、、、、
我有一组像Point(x,y)这样的点。这辆车在同一条路上经过了这么多条路之后，几乎把地图弄乱了。我听说卡尔曼滤波器可以根据可用路径建立一个独立路径。
有人能说出怎么做吗？我不是计算机科学的人。所以请解释一下这个概念和那些矩阵。那我就给他们编密码。请大家给我讲讲这个概念。
浏览 7提问于2010-08-07得票数 3
1回答
卡尔曼滤波速度预测的解释与调整
、、、、
我使用
我的示例类似于描述的示例
考虑一辆在无摩擦直线轨道上的卡车。起初，卡车在0位置是静止的，但是它受到随机的不受控制的力的冲击。我们每Δt秒测量一次卡车的位置，但这些测量不精确；我们想要维护卡车位置和速度的模型。
用线性状态空间描述货车的位置和速度。
其中x‘是速度，也就是位置对时间的导数。
可以通过上述链接找到数学细节。
最后，我有一个非常简单的.NET实现，包含两个筛选器参数(_measurementCovariance和_plantNoiseVar)：
//set up filter
var xState = Matrix<double>.Buil
浏览 6提问于2020-07-10得票数 2
在Visual领域，有著名的EKF/UKF/Particle-SLAM解决方案，比如“mono”。
最近，有一个方向的本地束调整方法，如lsd或orb .
我的问题是：
过滤方式是否仍然有一个未来或稳定的使用？在什么应用中？优点/缺点是什么？
我读了这些论文，但是，我没有得到最后的答案(主要是出于误解)：
P. S.：我知道第一种是说本地BA更好，而第二种很少提到过滤，所以..，就这样.，这是视觉-SLAM领域中可怕的卡尔曼滤波器的终结吗？！！
浏览 6提问于2017-12-25得票数 4
回答已采纳
1回答
用卡尔曼滤波器估计位置
、、、
我正在做一个室内定位的项目。我使用了NS2和一个名为Senelex的matlab GUI来查找节点的原始位置和估计位置。现在我想使用卡尔曼滤波器来估计节点/目标的位置。
例如：
如果我将目标的速度视为常数，我如何使用节点的估计或原始位置的确定值作为卡尔曼滤波器的输入。
以下是节点的估计位置和原始位置。
ori = [6.62650602409639 194.444444444445;
6.62650602409639 10.6837606837607;
192.168674698795 7.83475783475797;
192.16867469
浏览 2提问于2011-12-11得票数 7
回答已采纳
我希望找到一个“最合适”的Python库来解决我的问题。我已经多次遇到这个任务/要求，所以我想也许我可以在这里问一问。
假设我希望在我的应用程序中实现一个"Kalman过滤器“(一种跨学科的流行计算例程)，并且自然地使用现有的专业库。在投入大量时间(阅读文档等)之前，我想知道一个度量/标准。是衡量它的受欢迎程度的一些指标。(可能是像github明星那样的评级，或者像Mathworks的文件交换网站提供的下载计数一样)。
PyPi上的搜索字符串“卡尔曼滤波器”产生了大约15个结果，导致我应该把时间花在哪一个上，这让我非常困惑。
有没有一种方法(可能是python/shell脚本)？可以根
浏览 0提问于2017-11-11得票数 0
回答已采纳
2回答
一个家伙在上发布了关于使用卡尔曼滤波器进行目标跟踪的信息。许多人评价很高，所以这不是一个错误/错误的教程。
然而，一个家伙发布了以下问题：“在这段代码中，你在每一帧都做了检测，这个输出是作为输入提供给卡尔曼filter.So的背景减法和卡尔曼滤波器会给出类似的results.So，请你在这里解释卡尔曼滤波器的使用。”
我和他有同样的想法。有人能解释一下卡尔曼滤波器的用法吗？
浏览 2提问于2011-01-21得票数 1
回答已采纳
1回答
如果这个问题被张贴在错误的stackexchange站点上--请建议我可以将它迁移到哪里！
我在研究一个物体的速度，它与墙壁以及其他物体一起经历多种条件。目标位置的原始数据有轻微的噪声，原因有二:一是视频分辨率有限，二是我的跟踪软件在跟踪目标时也有一些误差(目标图像随时间的变化而略有变化)。
如果简单地利用物体位置的原始数据来计算物体的速度，就会有很大的误差(比速度更大)，因为物体是以较高的帧速率跟踪的。
我最感兴趣的是物体在碰撞前后的速度，因此这是一个重要的问题。
我已经考虑过/尝试过的可能选择。
将离散卡尔曼滤波应用于位置数据：这是一个经常出现在有关相关问题的帖子中的解决方案。然而，当
浏览 2提问于2013-01-31得票数 5
3回答
视频帧的卡尔曼滤波跟踪与预测
、、、、
我是卡尔曼滤波的新手，但是用MATLAB可以应用卡尔曼滤波来预测和跟踪视频帧中的目标吗？
进一步的信息:我有一组连续的20张子弹从枪里射出来的图像(一张照片的爆发)。我在画面上做了一些图像处理，现在我可以把子弹作为一个点。我能预测子弹在第21帧中的位置吗？
注:我已经知道了，我需要循环图像帧，并制作一个视频，然后把它用于卡尔曼滤波预测。但是，在不把帧变成视频的情况下，做预测是可能的吗？
谢谢。
浏览 15提问于2014-07-05得票数 3
回答已采纳
1回答
我正在尝试理解卡尔曼滤波器的最佳性。根据维基百科的说法：“从理论上我们知道，卡尔曼滤波器在以下情况下是最优的: a)模型与真实系统完美匹配，b)输入噪声是白色的，c)噪声的协方差是确切已知的。”但是这种最佳性意味着什么，我如何测试它呢？
我在卡尔曼滤波器上找到了学生daves的例子，并开始测试它。我通过改变卡尔曼滤波器估计的噪声参数来做到这一点。我通过取估计误差的均方根对结果进行排序，并期望在噪声方差与真实噪声参数匹配时获得最佳结果。我错了。为什么会这样呢？
下面是我在测试中使用的matlab代码(从Student Daves示例修改而来)
% written by StudentDave
%
浏览 2提问于2014-08-05得票数 2
2回答
陀螺仪与加速度计数据的结合
、、、、
我正在建立一个平衡机器人使用乐高头脑风暴的NXT系统。我使用来自HiTechnic的两个传感器，第一个是加速度计，第二个是陀螺仪。我成功地滤除了来自两个传感器的噪音，并在-90到90度的范围内导出了角度，0度是完全平衡的。
我的下一个挑战是结合两个传感器值来校正陀螺仪随时间的漂移。下面是我从实际数据中创建的演示陀螺仪漂移的示例图：
我见过的最常用的组合这些传感器的方法是使用卡尔曼滤波器。然而，我不是微积分方面的专家，我真的不懂数学符号，我确实理解源代码中的数学。
我使用的是RobotC (和其他任何C导数一样)，如果有人能给我举例说明如何用C实现这一点，我会非常感激的。
谢谢你的帮助
浏览 6提问于2009-10-19得票数 72
回答已采纳
1回答
我研究了卡尔曼滤波器可以抑制室内环境中存在的噪声，并可以用来预测目标的未来位置。但是我想知道，在卡尔曼滤波的帮助下，我们是否可以用更少的节点数来使定位误差最小化？
例如：
我有一个最初有10个节点的传感器网络。在没有卡尔曼滤波的情况下，我从目标的估计位置和原始位置得到了一些定位误差(比如5)。
然后我将节点密度增加到20，并再次获得定位误差。这次是(比方说2)
现在我想知道如果我使用卡尔曼滤波，是否有可能得到更接近20个节点的传感器网络的定位误差(3或4)？
请在这方面帮帮我。
致敬，Rias
浏览 2提问于2012-03-31得票数 1
回答已采纳
我试图研究如何使用卡尔曼滤波跟踪一个物体(球)在一个视频序列中移动，所以请解释给我，因为我是一个孩子。
通过一些算法(颜色分析，光流.)，我可以得到每个视频帧的二值图像，其中有跟踪对象(白色像素)和背景(黑色像素) ->，我知道目标大小、目标质心、目标位置->只是简单地在目标->完成周围画一个包围框。我为什么要在这里使用卡尔曼滤波？
好的，有人告诉我，由于噪声，我无法在每个视频帧中检测到目标，所以我需要使用卡尔曼滤波来估计目标的位置。好吧，好吧。但据我所知，我需要向卡尔曼滤波器提供输入。它们是先前的状态和度量。
- previous state ( so I
浏览 26提问于2011-01-20得票数 13
2回答
位置传感器融合码
、、
我正在为我正在做的一个小型虚拟现实POC进行室外定位。我想用GPS和IMU传感器来控制游戏角色的移动(而不是用IMU完成的旋转)。
我需要融合GPS和ACC传感器，以获得尽可能少的延迟和错误。周围有这样的核聚变吗?还是我必须从头开始发明？
该代码将用于此开放源码项目
编辑：本文建议使用Kalman ，但是这里的人认为加速度计的误差太大了，不能工作。
浏览 6提问于2013-02-21得票数 4
回答已采纳
2回答
如何在不久的将来预测物体的位置？
、、、、
假设每一个物体(汽车、自行车等)是连接到互联网，并给我(云)只是它的当前位置和它的随机标识，即改变每一个“T”秒。由于物体改变了它们的身份，所以很难跟踪每一个物体，特别是在市中心这样繁忙的地区。有人能帮我设计一个攻击者模型，它可以预测物体的轨迹。这意味着云必须在接下来的15分钟内预测物体的方向。
你可以假设4个区域A，B，C，D(半径各5-10公里)，彼此接近。我(云)怎么能预测和说，这么多的汽车/自行车已经从A区移动到B区，或者我在A区和B区15分钟后看到的物体是相同的。
我已经通过卡尔曼滤波进行了研究。在我的情况下，我只知道随机Id和位置。因此，第一步可以是从两个连续的位置点猜测每个
浏览 2提问于2016-05-15得票数 3
1回答
我有一组12个IMU安装在我的机械臂的末端执行器上，我使用微控制器读取它来确定它的运动。使用我的控制器，我可以使用直接内存访问同时读取两个传感器。在获得测量值之后，我想将它们融合起来，以弥补传感器的误差，并生成比只有一个传感器更可靠的读数。 经过一些研究后，我的理解是，我可以使用卡尔曼滤波器来达到我想要的结果，但仍然存在所有传感器的值具有不同时间戳的问题，因为我一次只能读取两个时间戳，即使两个时间戳将完全同步，如果仅在µs范围内，下一对将具有不同的时间戳。 现在我知道了控制工程原理，但对传感器融合这个话题完全陌生，google向我展示了太多的结果，无法在合理的时间内找到解决方案。因此，我的问
浏览 13提问于2020-01-31得票数 0
回答已采纳
1回答
我有一个非线性系统，由一阶非线性差分方程组成：
x(k) = f(x(k-1)) + u(k-1)
y(k) = h(x(k)) + v(k)
在u(k-1)和v(k)是独立的情况下，零均值高斯噪声过程分别具有协方差Q和R .
我想使用matlab中的kalman函数来估计给定y的x。但是，matlab控制系统工具箱中的接口是：
[K,L,P]= kalman(sys, Q, R, N)
其中sys是状态空间模型。我的问题是:如何在matlab中为我的一阶非线性差分方程系统定义sys？
浏览 4提问于2016-08-16得票数 2
回答已采纳
我正在使用OpenCV solvepnp进行实时的头部姿势估计(x，y，z，俯仰，偏航，滚动)我正在使用这些信息向用户显示视频游戏中的正确视图，所以如果用户翻滚他的头，同样的事情也会发生在视频游戏中(如Xbox Kinect )。问题是，即使用户的头部是恒定的，输出am也是嘈杂的(显示用户在移动头部，而不是移动头部)，或者当用户移动头部时，输出也不平滑，坐标到处跳动。我尝试添加更多的2d点(面部地标)，并为solvepnp甚至solvepnpransac添加不同的标志，但都不起作用。下面是我使用的代码 double getCordinates(double *listPtr, int siz
浏览 54提问于2020-10-26得票数 1
3回答
我有一个应用程序，我想访问磁强计。我从我的应用程序中获得结果，但与g1的指南针应用程序相比，我的应用程序与指南针应用程序得到的结果完全不同。例如:我的应用程序是250°，指南针应用程序是90°！这是不可能的，这是我的代码。有什么区别才能得到更好的结果吗？
public class MySensorListener implements SensorListener{
int orientation;
public MySensorListener(){
orientation = 0;
}
public void onAccuracyChanged(int sen
浏览 1提问于2010-12-06得票数 0
1回答
使用完整数据集的卡尔曼滤波器？
、、、、
我正在寻找一种方法，将罗盘和陀螺仪的数据结合起来，以便在事后确定姿态。我将使用一个完整的数据集，其中的3D指南针和陀螺仪读数已定期记录，但我想在后处理中恢复姿态的估计。
我已经考虑过简单地使用卡尔曼滤波器，因为它们都有很好的文档记录，但我更愿意使用更适合于完整数据集的情况。我有一种感觉，解决方案是“简单的”最小二乘问题，但我希望这里有人能为我指出一两篇处理这个问题(或类似问题)的论文的方向。
在这一点上，我甚至不确定这个过滤器将被称为什么，所以我很难找到有用的搜索词。任何帮助都将不胜感激。
非常感谢！
浏览 3提问于2011-05-16得票数 3
回答已采纳
我正在研制android手机上的加速度计。我希望过滤可怕的噪音，加速度计正在返回，记录手机的移动。
我在读卡尔曼滤波器，因为低通是不够的。
但是我没有从ACCELERATION(k-1)到ACCELERATION(k)的转换模型，因为它是用户的移动。因此，我没有状态转移矩阵(不同文献中的H或F，方程Xk = H_Xk-1 +B_command+noise中的Xk-1乘积矩阵)。
我看到一些人在简单的例子中使用了恒等矩阵。它如何在动态加速度下工作？
我知道卡尔曼滤波器，人们总是会产生一些H矩阵，我只是不知道在我的情况下是怎样的。
浏览 0提问于2013-01-22得票数 7
回答已采纳
1回答
我对用Python实现卡尔曼滤波器很感兴趣。首先，我编写了一个非常简单的K滤波器版本--只有一个状态(在Y方向上的位置)。我的状态转换矩阵如下所示：
X <- X + v * t
其中v和t是常量。
我用一个简单的线性函数来模拟测量
y = mx + b
并向其添加噪声：
y1 = np.random.normal(y, sigma, Nsamples).
它工作得很好，我可以重新定义R和Q来改变测量和处理噪声值(直到现在，它不是一个矩阵)。
现在我有个主意..。
如果我有第二次测量，会发生什么？
y2 = np.random.normal(y, sigma2, Nsample
浏览 22提问于2020-02-13得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
