คำถามติดแท็ก ekf

ขณะนี้ฉันกำลังดีบักและปรับ EKF (ตัวกรองขยาย Kalman) ภารกิจคือหุ่นยนต์เคลื่อนที่แบบคลาสสิคที่ใช้ติดตามสถานที่สำคัญคือเครื่องหมาย AR บางครั้งฉันก็ประหลาดใจว่าการวัดบางอย่างมีผลต่อการประมาณ เมื่อฉันดูและคำนวณตัวเลขและเมทริกซ์ที่เกี่ยวข้องฉันสามารถหาวิธีดำเนินการขั้นตอนการอัปเดตสิ่งที่และสาเหตุที่เกิดขึ้นจริง แต่สิ่งนี้น่าเบื่อมาก ดังนั้นฉันจึงสงสัยว่ามีใครใช้เทคนิคการหลอกลวงหรือการสร้างภาพอย่างชาญฉลาดเพื่อให้รู้สึกดีขึ้นว่าเกิดอะไรขึ้นในขั้นตอนการอัปเดต EKF หรือไม่ อัปเดต # 1 (จะเฉพาะเจาะจงมากขึ้นและแสดงการประมาณแรกของสิ่งที่ฉันมีในใจ) สิ่งที่ฉันกำลังมองหาเป็นวิธีที่จะเห็นภาพขั้นตอนการอัปเดตเดียวในแบบที่ทำให้ฉันรู้สึกว่าองค์ประกอบแต่ละส่วนของการวัดมีผลต่อแต่ละองค์ประกอบของรัฐอย่างไร แนวคิดแรกของฉันคือวางแผนการวัดและการทำนายพร้อมกับเวกเตอร์บางตัวที่นำมาจากเมทริกซ์เค เวกเตอร์จาก K แสดงให้เห็นว่าเวกเตอร์นวัตกรรม (การวัด - การทำนายการวัดไม่ใช่พล็อต) จะส่งผลกระทบต่อส่วนประกอบของรัฐอย่างไร ขณะนี้ฉันกำลังทำงานกับ EKF ที่สถานะเป็นแบบ 2D (x, y, มุม) และการวัดก็เป็นแบบสองมิติ ในภาพที่แนบมา (เปิดในหน้า / แท็บใหม่เพื่อดูความละเอียดเต็ม) เวกเตอร์ (ปรับขนาด) K (1,1: 2) (ไวยากรณ์ MATLAB เพื่อรับซับเมทริกซ์จากเมทริกซ์ 3x3) ควรให้ความคิดว่าภาพแรกเป็นอย่างไร ส่วนประกอบของสถานะ EKF จะเปลี่ยนไปด้วยเวกเตอร์นวัตกรรมปัจจุบัน …

22 ekf  visualization 

ตัวกรองคาลมานที่ไม่ได้รวมกันนั้นเป็นตัวแปรหนึ่งของตัวกรองคาลมานขยายซึ่งใช้การสร้างเส้นตรงที่แตกต่างกันโดยอาศัยการแปลงชุดของ "ซิกม่าพอยต์" แทนการขยายอนุกรมเทย์เลอร์ลำดับแรก UKF ไม่ต้องการใช้คอมพิวเตอร์ Jacobians สามารถใช้กับการแปลงแบบไม่ต่อเนื่องและที่สำคัญที่สุดคือแม่นยำกว่า EKF สำหรับการแปลงแบบไม่เชิงเส้น ข้อเสียเดียวที่ฉันพบคือ "EKF มักจะเร็วกว่า UKF เล็กน้อย" (Probablistic Robotics) เรื่องนี้ดูเหมือนจะไม่สำคัญสำหรับฉันและความซับซ้อนเชิงซีมของพวกเขาดูเหมือนจะเหมือนกัน เหตุใดทุกคนจึงยังคงชอบ EKF มากกว่า UKF ฉันคิดถึงข้อเสียที่สำคัญของ UKF หรือไม่?

10 mobile-robot  localization  kalman-filter  ekf 

ขณะนี้ฉันกำลังทำงานในโครงการสำหรับโรงเรียนที่ฉันจำเป็นต้องใช้ตัวกรองคาลมานเพิ่มเติมสำหรับหุ่นยนต์จุดด้วยเครื่องสแกนเลเซอร์ หุ่นยนต์สามารถหมุนได้ด้วยรัศมีวงเลี้ยว 0 องศาและขับไปข้างหน้า การเคลื่อนไหวทั้งหมดเป็นแบบเชิงเส้นเป็นชิ้น ๆ (ไดรฟ์, หมุน, ขับ) เครื่องจำลองที่เราใช้ไม่รองรับการเร่งความเร็วการเคลื่อนที่ทั้งหมดเป็นแบบทันที นอกจากนี้เรายังมีแผนที่ที่รู้จัก (ภาพ png) ที่เราต้องทำการแปลเราสามารถทำการติดตามรอยในภาพเพื่อจำลองการสแกนด้วยเลเซอร์ คู่ของฉันและฉันสับสนเล็กน้อยเกี่ยวกับรูปแบบการเคลื่อนไหวและเซ็นเซอร์ที่เราจะต้องใช้ จนถึงตอนนี้เรากำลังจำลองสถานะเป็นเวกเตอร์ ( x , y, θ )(x,Y,θ)(x,y,\theta). เราใช้สมการการปรับปรุงดังนี้ void kalman::predict(const nav_msgs::Odometry msg){ this->X[0] += linear * dt * cos( X[2] ); //x this->X[1] += linear * dt * sin( X[2] ); //y this->X[2] += angular …

10 mobile-robot  ros  kalman-filter  ekf