文件名称：数据融合matlab代码-CarND-Extended-Kalman-Filter-Project:CarND扩展的卡尔曼过滤器项目
文件大小：2.8MB
文件格式：ZIP
更新时间：2024-06-11 07:03:42
系统开源
数据融合matlab代码扩展卡尔曼滤波器项目-对象跟踪 公路车辆不能在静态环境中行驶。 在交通中驾驶需要推理出许多移动物体，尤其是其他车辆，还包括骑自行车的人，行人，动物和无数（也许不太常见）的移动物体。 该项目探讨了使用卡尔曼滤波器解决此问题的方法。 （扩展的）卡尔曼滤波器 卡尔曼滤波器是贝叶斯滤波器的近似值，它做出许多假设来跟踪对象的状态： 可以通过单峰高斯近似合理地表示对象的状态 我们给出了后验估计，仅给出了先前的估计和一个新的测量值。 如果为我们提供了有关对象过去状态的新信息（例如，测量数据包无序到达），则该信息将被忽略（即使仅晚一毫秒）。 这种假设意味着我们不需要保留先前状态的历史记录，也不需要在计算中使用先前状态-这大大降低了卡尔曼滤波器的计算成本，并且是一个合理的权衡（重要的是，我们的传感器必须保持良好的同步性和数据包通常不会乱序到达！）。 卡尔曼滤波器假设运动的线性近似是足够的，并且可以通过矩阵乘法来实现。 扩展的卡尔曼滤波器放宽了这一假设。 卡尔曼滤波器假定测量更新是线性的，并且可以通过矩阵乘法来实现。 扩展的卡尔曼滤波器放宽了这一假设。 卡尔曼（或扩展卡尔曼）滤波器