文件名称：拓展卡尔曼滤波.pdf
文件大小：1.05MB
文件格式：PDF
更新时间：2023-08-09 16:26:12
卡尔曼滤波
为了校正这种误差，我们通常会引入额外的传感器信息。例如，对上图来说，引入GPS定位信息就是一个不错的选择。这时又出现了问题：速度积分和GPS传感器包含有位置信息，那我们究竟该采信哪边的结果呢？如果两边的信息都不想浪费，该怎么把它们进行融合呢？实际上，无论是速度积分得到的位置信息，还是GPS得到的位置信息，都存在一定的误差（GPS也存在定位精度的问题）。而在机器人的实际应用场景中，可能还存在红外、激光、视觉等更多类型的传感器，都可以以一定精度返回机器人的位置信息。那么我们该如何综合利用这些信息（传感器信息融合）来估计机器人当前的位置信息呢，这里就要用到卡尔曼滤波了。