文件名称：线性跟驰模型的matlab代码-UKF4SDCAR:C++的无味卡尔曼滤波器
文件大小：1.48MB
文件格式：ZIP
更新时间：2024-06-15 03:50:13
系统开源
线性跟驰模型的matlab代码无味卡尔曼过滤器代码 Udacity的自动驾驶汽车工程师纳米学位课程 这是“无味卡尔曼滤波器”的一种设计，用于通过嘈杂的激光雷达和雷达测量来估计感兴趣的运动对象的状态。 输入：模拟器提供给C ++程序的值 [“ sensor_measurement”] =>模拟器观察到的测量（激光雷达或雷达） 输出：C ++程序提供给模拟器的值 [“ estimate_x”] <=卡尔曼滤波器的估计位置x [“ estimate_y”] <=卡尔曼滤波器的估计位置y [“ rmse_x”] [“ rmse_y”] [“ rmse_vx”] [“ rmse_vy”] 概括 具有数据集1的RMSE得出以下结果。 状态 rmse position_x 0.0807 position_y 0.0866 velocity_x 0.3350 速度_y 0.2393 与EKF（扩展卡尔曼滤波器，请参阅EKF4SDCAR）相比，性能会更好。 原因可能是， CTRV模型比EKF讲座中的等速模型更精确。 UKF还比EKF更好地处理非线性方程。 这是调整噪声参数后得到的NIS。 NIS适用于激