【问题标题】:Extended Kalman filter for vehicle tracking用于车辆跟踪的扩展卡尔曼滤波器 【发布时间】:2016-09-21 12:32:27 【问题描述】: 我在某处读到车辆在城市中的运动是非线性的。它经常加速或减速。 我可以使用扩展卡尔曼滤波器来跟踪在道路上行驶的车辆吗? 我无法理解 KF 和 EKF 之间的区别。 【问题讨论】: 标签: filtering kalman-filter 【解决方案1】: KF 和 EKF 之间的区别在于所使用的模型,即用于传播状态(转换)和测量更新的方程。如果模型是线性的,您可以使用 KF,EKF 用于非线性模型。 对于您的情况,运动可能不是线性的,您仍然可以创建线性状态转换模型: 假设车辆具有一维运动。您可以使用状态 [x,v,a](位置、速度、加速度)对此进行建模。 状态转换可以建模为: 这是一个线性模型。 【讨论】: