【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】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 2014-02-13
      • 1970-01-01
      • 2011-06-10
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多