前言 上一篇中围绕一个简单的扩展卡尔曼滤波算法的实现案例阐述。本篇主要针对两种不同的导航系统进行展开讨论——松组合与紧组合导航系统。 捷联惯导系统(SINS)利用陀螺仪、加速度计等惯性器件进行目标的位置、速度估计,其缺点是误差随时间累积。全球定位系统(GPS)定位和测速精度较高,然而其信号有可能中断或受干扰,造成短时间无法正常使用的情况,因此,将SINS与GPS进行优势互补,即组成组合导航系统。
前言 上一篇围绕卡尔曼滤波算法的参数选取问题展开,针对非线性对象的状态估计问题,阐述扩展卡尔曼滤波(EKF)与卡尔曼滤波的区别以及扩展卡尔曼滤波算法的核心步骤。本篇将结合实际案例进行详解,同时,提供一种扩展卡尔曼滤波算法的C++代码实现方案。 扩展卡尔曼滤波实例 这里以无人驾驶的测量障碍物的实际案例为例子展开,如下图所示,毫米波雷达能够测量障碍物在极坐标下离雷达的距离 、方向角 以及距离的变化
前言 上一篇中围绕一个简单的匀速直线运动的状态估计仿真实例展开,阐述了卡尔曼滤波器的实现方式、过程以及仿真效果。本篇将对卡尔曼滤波的几个主要参数的选取作一定的说明,同时,围绕扩展卡尔曼滤波算法展开,阐述其与卡尔曼滤波器的区别与作用。 卡尔曼滤波的参数选取问题 这里还是以上篇中提到的匀速运动仿真实例为案例。 阵为过程噪声矩阵,描述了我们所建立的状态方程的不确定度。例如,仅管我
前言 扩展卡尔曼滤波(EKF)是多旋翼飞行器导航系统设计中,最常用的最优估计算法之一。其原理是在卡尔曼滤波的基础上,对非线性模型进行线性化,再进行最优估计,因此,其核心算法原理与卡尔曼滤波算法相似。本篇将围绕卡尔曼滤波展开 ,阐述其核心五大公式,同时,以一个简单的线性问题的MATLAB仿真实例,展示如何搭建一个完整的卡尔曼滤波器。 卡尔曼滤波算法实现 卡尔曼滤波算法的公式推导有很多,本
前言 上一篇中详细阐述了多旋翼飞行器导航系统中使用的主要传感器及其特性,本篇将着重介绍导航系统设计中常用的两种算法——互补滤波算法与卡尔曼滤波算法。同时,阐述一种多旋翼飞行器导航系统的设计方案。 互补滤波算法简介 互补滤波器的主要原理是把一个主要包含高频噪声,和一个主要包含低频噪声的信号分别通过一个低通滤波器和高通滤波器,并做平均,从而使平均后的结果是真实信号较为准确的估计。简单的讲,就是将两
前言 导航系统作为无人机的感知单元,承担着无人机状态参量测量与估计的重任。对于多旋翼无人机而言,其姿态、加速度、速度、位置以及各传感器的零偏与补偿系数均需要被测量或估计。这些众多参量之中只有极少一部分能够被直接或间接测量,大多数参数需要我们采用多个传感器组合的方式,结合最优估计算法进行估计,最终,才能够得到理想的状态参量。 导航系统综述 近年来,随着智能手机的普及,MEMS技术日趋成熟
导航系统设计专题,传感器与组合导航系统
博客
泡泡
积分
勋章
导航系统设计专题(六)——松组合导航系统与紧组合导航系统
导航系统设计专题(五)—扩展卡尔曼滤波(2)
导航系统设计专题(四)—扩展卡尔曼滤波(1)
导航系统设计专题(三)—卡尔曼滤波算法入门
导航系统设计专题(二)——传感器与组合导航系统(下)
导航系统设计专题(一)——传感器与组合导航系统(上)
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信