Kalman濾波及其在SLAM中應(yīng)用.ppt_第1頁
Kalman濾波及其在SLAM中應(yīng)用.ppt_第2頁
Kalman濾波及其在SLAM中應(yīng)用.ppt_第3頁
Kalman濾波及其在SLAM中應(yīng)用.ppt_第4頁
Kalman濾波及其在SLAM中應(yīng)用.ppt_第5頁
已閱讀5頁,還剩19頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、卡爾曼濾波及其在SLAM中的應(yīng)用,康丹、提綱、卡爾曼濾波的簡單例子,擴展卡爾曼濾波SLAM問題,準備知識,狀態(tài)空間模型:在控制領(lǐng)域,用輸入向量、狀態(tài)向量和輸出向量描述系統(tǒng)的方法稱為狀態(tài)空間模型。下面的等式表示時間上的狀態(tài)向量、時間上的輸入向量和時間上的輸出向量。a代表狀態(tài)矩陣,B代表控制矩陣或輸入矩陣,C代表觀察矩陣,D代表輸入和輸出矩陣??柭鼮V波器,背景介紹:卡爾曼,匈牙利數(shù)學(xué)家??柭鼮V波源于他的博士論文和1960年發(fā)表的線性濾波和預(yù)測問題的新方法。介紹了一種離散控制系統(tǒng)的控制模型:將系統(tǒng)的觀測變量定義為Z,得到測量方程:表示時間的狀態(tài)向量、表示時間的輸入向量和表示時間的觀測向量分別為過

2、程激勵噪聲和觀測噪聲,它們是獨立的正態(tài)分布的白噪聲,協(xié)方差分別為Q,R(這里, 假設(shè)它們不隨系統(tǒng)狀態(tài)的改變而改變),卡爾曼濾波器,假設(shè)當前系統(tǒng)狀態(tài)是,則有可能在下一時刻預(yù)測k 1的狀態(tài):更新狀態(tài)的協(xié)方差矩陣:其中它是過程激勵噪聲的協(xié)方差??柭鼮V波器,結(jié)合觀測值來更新狀態(tài)估計,k 1處的狀態(tài)被獲得如下:其中,它被稱為新息。是卡爾曼增益,它的計算公式是:其中是觀測噪聲的協(xié)方差。為了使卡爾曼連續(xù)迭代,需要在k時刻更新狀態(tài)協(xié)方差:時間更新和測量更新是重復(fù)迭代的,這是卡爾曼最吸引人的特性。舉一個簡單的例子,考慮房間中的溫度對象過程:也就是說,過程的狀態(tài)不隨時間改變,并且沒有控制輸入;含有噪聲的觀測值是

3、狀態(tài)變量的直接體現(xiàn)。然后,卡爾曼濾波的五個方程如下:簡單的例子,假設(shè)室溫是恒定的,k時間是23度(估計值),并且這個值的協(xié)方差被假設(shè)為5度(在前一時間更新的協(xié)方差是3度,并且噪聲是2度)。房間里有一個溫度計,它的值顯示25度,這個值的偏差(噪音)是2度。然后卡爾曼增益為:K 1處的實際估計值為:此時的更新協(xié)方差為(即,高3度的計算公式),卡爾曼濾波器被擴展??梢钥闯觯柭鼮V波器估計線性隨機系統(tǒng)的狀態(tài)。然而,在實踐中,許多系統(tǒng)是非線性的。當處理這些系統(tǒng)時,使用擴展卡爾曼濾波器(EKF),它使期望和方差線性化??刂茖ο蟮臓顟B(tài)空間表示為:擴展卡爾曼濾波器有五個方程:擴展卡爾曼濾波器,A是F到X的偏

4、導(dǎo)數(shù)的雅可比矩陣,即W是F到W的偏導(dǎo)數(shù)的雅可比矩陣,即H到X的偏導(dǎo)數(shù)的雅可比矩陣,即V是H到V的偏導(dǎo)數(shù)的雅可比矩陣,即SLAM問題, 有時也被稱為CML(并發(fā)映射和定位)問題陳述:自主移動機器人從未知環(huán)境中的未知點移動,經(jīng)過一系列未知特征點,并獲得從這些點到機器人的距離的一組測量數(shù)據(jù)。 這組測量數(shù)據(jù)由機器人頭部的測距傳感器測量。SLAM處理的目標是根據(jù)這些測量數(shù)據(jù)得到估計的環(huán)境地圖,并利用該地圖實現(xiàn)機器人定位。SLAM問題,在SLAM中,機器人的運動模型是已知的,即運動的角速度和線速度可以估計機器人的位置;可以測量機器人和特征點之間的測量值,也就是說,可以知道測量值。在SLAM中,根據(jù)EKF,

5、機器人的運動位置用每個狀態(tài)的測量值更新,然后從機器人的位置和測量值獲得特征點的坐標。SLAM問題,在時間k,機器人狀態(tài)可以表示為Xv(k),表示機器人狀態(tài),而Xlm(k),不隨時間變化,可以寫成Xlm。觀察值是描述機器人和特征點之間的距離的函數(shù),其中它是特征點1和機器人之間的距離以及機器人和特征點之間的夾角。EKF-SLAM算法:(1)初始化機器人的位置Xv(0)和協(xié)方差矩陣P(0),它們都可以是0。(2)預(yù)測(3)觀測標志特征值預(yù)測值的新息誤差協(xié)方差矩陣為:0,1,k SLAM問題,(4)觀測特征點與數(shù)據(jù)關(guān)聯(lián)檢驗中的k 1否則,觀測值被丟棄。(5)更新,SLAM問題,(6)返回,(2)遞歸執(zhí)行,(2)-(5)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論