今天将会介绍使用低成本IMU进行机器人运动估计的一个常用方法——ESKF。 3 Error State Kalman Filter(ESKF介绍) 3.1 动机与流程 使用IMU的初衷是为了求解载体的位置、速度、姿态等系统状态,然而由于IMU测量数据(包括... 查看原文 代码分析——基于误差状态卡尔曼滤波器(ESKF)实例分析 ...
使用IMU的初衷是为了求解载体的位置、速度、姿态等系统状态,然而由于IMU测量数据(包括加速度计和陀螺仪的测量数据)都带有大量噪声,直接利用IMU运动方程进行积分会随着时间发生显著的漂移。因此,为了避免漂移我们需要融合其他传感器的信息(如GPS、视觉),对IMU运动积分的结果进行修正。Error-state Kalman Filter(ESKF)就是一...
这是因为,IMU运动方程是递推的方程,计算出来的位置和速度都是相对于初始状态的,而不是绝对的位置和速度。因此为了方便起见,我们通常都会定义初始时刻的IMU坐标系为惯性系,这样我们后面计算出来的虽然是相对于初始IMU系的位置和速度,但也可以作为绝对的位置和速度了。于是,gt既然代表了惯性系下的重力加速度,也就是初...