通俗理解kalman filter原理
【哲学思想】即使我们对真相(真值)一无所知,我们任然可以通过研究事物规律,历史信息,当前观测而能尽可能靠近真相(真值)。
【线性预测模型】温度的变化是线性规律的,已知房间温度真值每小时上升1度左右(用协方差R来描述高斯白噪),但具体上升1度多少不得而知。
【线性观测模型】人用温度计读取房间温度真值时有观测误差,总是读出高出0.3度左右(用协方差Q来描述高斯白噪),但具体高出0.3度多少不得而知。
【输入】在t时,房间温度真值不知道,最优估值是25度。
【估值的观测值】小明为了方便直接忽略了预测噪声,估计t+1时刻的温度为26度(不准确的,因为没有考虑到预测噪声,并且基于的值也不是真值)。但是小明又幻想,真值为26度的房间,温度计读出的温度是要高0.3度左右的,由于小明不知道观测噪声具体是多少,所以就直接使用0.3度,于是小明预测出了t+1时刻估值的观测值为26.3度。
【真值的观测值】t+1时刻到了,小明拿出温度计测量房间的温度,已知观测值总是比真值多0.3度左右,因为有观测噪声Q,所以我们任然无法得知真值。但我们确实得到了真值的观测值,小明读出温度计的温度为26.8度。
【动态信息融合】这时小明为难了,自己预测的是26.3度,观测到的是26.8度。【创新1】两个都是靠近真值,小明不知道用哪个才好?于是小明决定融合这两个数据得到一个最优估值。【创新2】但是如何决定融合的程度呢?小明想到了用K和1-K来描述两个数据的权重。最简单的各取0.5的权重,这样简单又方便。【创新3】但是爱思考的小明想衡量K=0.5的合理性,那么用什么来衡量最优估计靠近真值的程度呢?对了,小明想到了均方差,就用这个。那么当K在0-1间变化的时候,最优估值的均方差也会变化,这表明K与均方差之间存在某种约束关联。小明在进一步研究后建立起了一个微分方程。这样小明就求出了最合理的K值,并且取名为kalman gain,当K取kalman gain时,最优估值是xx,对应均方差最小为xx。
【输出】最终小明宣布,t+1时的最优估值是xx度,该值的可信度(均方差)是xx。
【解放】小明意识到自己只需要知道上一时刻的最优估值和当前时刻的真值观测值,并且在已知预测和观测模型的前提下,就能计算出当前时刻的最优估值。于是小明动手写了一个计算机程序计算并存储最优估值。虽然小明从脑力劳动中解放出来了,但是观测数据仍然需要小明的手动输入。又过了一段时间小明购买了电子温度计,将其连接到计算机,计算机自动获取当前真值观测值(假设观测误差任然存在),于是小明又从这个体力劳动过程中解放了。
【应用】提供一种在粗糙的世界中尽可能靠近柏拉图理想世界的可能性。
【拓展到机器人SLAM】已知机器人与路标上一时刻最优估计位姿,当前传感器测量的机器人与路标位姿,机器人运动模型传感器模型。如何利用这些信息估算出当前时刻最靠近真值的最优位姿?
【拓展到非线性系统】Tayor展开打通了线性系统与非线性系统。
通俗理解kalman filter原理的更多相关文章
- 无人驾驶技术之Kalman Filter原理介绍
基本思想 以K-1时刻的最优估计Xk-1为准,预测K时刻的状态变量Xk/k-1,同时又对该状态进行观测,得到观测变量Zk,再在预测与观之间进行分析,或者说是以观测量对预测量进行修正,从而得到K时刻的最 ...
- kalman filter卡尔曼滤波器- 数学推导和原理理解-----网上讲的比较好的kalman filter和整理、将预测值和观测值融和
= 参考/转自: 1 ---https://blog.csdn.net/u010720661/article/details/63253509 2----http://www.bzarg.com/p/ ...
- [Math]理解卡尔曼滤波器 (Understanding Kalman Filter) zz
1. 卡尔曼滤波器介绍 卡尔曼滤波器的介绍, 见 Wiki 这篇文章主要是翻译了 Understanding the Basis of the Kalman Filter Via a Simple a ...
- [Math]理解卡尔曼滤波器 (Understanding Kalman Filter)
1. 卡尔曼滤波器介绍 卡尔曼滤波器的介绍, 见 Wiki 这篇文章主要是翻译了 Understanding the Basis of the Kalman Filter Via a Simple a ...
- 举个例子去理解vuex(状态管理),通俗理解vuex原理,通过vue例子类比
通俗理解vuex原理---通过vue例子类比 本文主要通过简单的理解来解释下vuex的基本流程,而这也是vuex难点之一. 首先我们先了解下vuex的作用vuex其实是集中的数据管理仓库,相当于数 ...
- Redis Hyperloglog的原理及数学理论的通俗理解
redis中有一种数据格式,hyperloglog,本文就此数据结构的作用.redis的实现及其背后的数学原理作一个整理.当然本文不包含任何数学公式,而是希望用直观的例子帮大家理解. 主要内容如下: ...
- 详解Kalman Filter
中心思想 现有: 已知上一刻状态,预测下一刻状态的方法,能得到一个"预测值".(当然这个估计值是有误差的) 某种测量方法,可以测量出系统状态的"测量值".(当然 ...
- 理解Kalman滤波的使用
Kalman滤波简介 Kalman滤波是一种线性滤波与预测方法,原文为:A New Approach to Linear Filtering and Prediction Problems.文章推导很 ...
- 卡尔曼滤波器 Kalman Filter (转载)
在学习卡尔曼滤波器之前,首先看看为什么叫“卡尔曼”.跟其他著名的理论(例如傅立叶变换,泰勒级数等等)一样,卡尔曼也是一个人的名字,而跟他们不同的是,他是个现代人! 卡 尔曼全名Rudolf Emil ...
随机推荐
- [Elasticsearch] 集群工作 - 第二部分
本文翻译自Elasticsearch官方指南的life inside a cluster一章. 添加故障转移(Failover)功能 仅仅执行一个节点意味着可能存在着单点失败(Single point ...
- 转载:每个C++开发者都应该使用的十个C++11特性
这篇文章讨论了一系列所有开发者都应该学习和使用的C++11特性,在新的C++标准中,语言和标准库都加入了很多新属性,这篇文章只会介绍一些皮毛,然而,我相信有一些特征用法应该会成为C++开发者的日常用法 ...
- CSS3自适配手机屏幕[转]
<!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content ...
- git简单教材
0)初始化 $ git config --global user.name "xxx" $ git config --global user.email "xxx@gma ...
- 按照鬼哥学so变化,四,第一章的例子
跟随鬼哥伦比亚科学so变化,四.第一章的例子 图纸/文化 听鬼哥说故事 ---------------------------------------------切割线--------------- ...
- WebService它CXF这三个音符(Service接口实现类)
ITeacherServiceImpl.java: /** * @Title:ITeacherServiceImpl.java * @Package:com.you.service.impl * @D ...
- 缓存,spring
applicationcontext.xml xmlns:cache="http://www.springframework.org/schema/cache" xsi:schem ...
- OpenGL Development Cookbook chapter7部分翻译
让我们通过以下简单步骤开始我们的配方: 1.通过读取外部的体数据文件,并通过该加载数据集数据转换成一个OpenGL纹理.也使硬件的mipmap生成.通常情况下,从使用一个横截面中获得的体积数据文件存储 ...
- C语言练习-学生信息管理系统
题目要求: 学生信息管理系统struct studentInfo{ int id; char name[128]; int age; char sex; int c_score; int cpp_sc ...
- Csharp Syntactic sugar
C#语法糖(Csharp Syntactic sugar)大汇总 首先需要声明的是“语法糖”这个词绝非贬义词,它可以给我带来方便,是一种便捷的写法,编译器会帮我们做转换:而且可以提高开发编码的效率,在 ...