摘要——本文探讨了基于不变扩展卡尔曼滤波器(RI-EKF)的同时定位与地图构建(SLAM)算法的收敛性和一致性特性。证明了该算法的基本收敛性质,这些证明不需要在运动和观测模型的雅可比矩阵处于地面真实值时进行限制性假设。同时指出,与仅在确定性刚体变换下不变的基于SO(3)的EKFSLAM算法(SO(3)-EKF)相比,RI-EKF的输出...
在这个项目中,我们使用不变扩展卡尔曼滤波器(InEKF)来估计MAV在具有挑战性的城市环境中的位置。我们通过将估计位置与地面真实数据集进行比较来评估我们的结果。 关键词—不变扩展卡尔曼滤波器(InEKF),定位 标准的扩展卡尔曼滤波器(EKF)通过线性化动态方程来估计状态之间的协方差。然而,这会导致一些限制,比如无法保证...
惯性导航系统(INS)具有完全自主性,但其导航定位精度随时间下降,因而难以长时间独立工作;全球定位系统(GPS)是全球实时高精度的导航系统,但GPS受制于人且信号易受到干扰;GPS/INS组合导航系统克服了各自缺点且组合后的导航精度高于两个系统单独工作的精度.但当GPS/INS组合系统应用到"城市峡谷"地域时,由于信号受遮挡等原...
在最后一节中显示和讨论了获得的结果。 本文讨论了估计嵌入噪声的窄带谐波信号的频率问题;特别是基于卡尔曼滤波器的方法,例如扩展卡尔曼滤波器 (EKF) 和无迹卡尔曼滤波器 (UKF)。为了评估算法实现的估计质量,引入了两个标准:性能指数(PI)和鲁棒性指数(RI),以及辅助收敛比。已对记录的真实信号和生成的噪声信号进行...
关键词—不变扩展卡尔曼滤波器(InEKF),定位 标准的扩展卡尔曼滤波器(EKF)通过线性化动态方程来估计状态之间的协方差。然而,这会导致一些限制,比如无法保证收敛性。与此同时,增强卡尔曼滤波器(In-EKF)可以解决上述问题,并且具有严格的数学推导作为保证。
虽然MA v通常包含惯性测量单元(imu),但其基于积分的状态估计容易随时间漂移。我们探索了传感器融合的使用,以结合这些互补的传感器。在这个项目中,我们使用不变扩展卡尔曼滤波器(InEKF)来估计MAV在具有挑战性的城市环境中的位置。我们通过将估计位置与地面真相数据集进行比较来评估我们的结果。