无人驾驶算法学习:扩展卡尔曼滤波器Extended Kalman Filter(二)

1.引言 当系统状态方程不符合线性假设时，采用卡尔曼滤波无法获得理想的最优估计。高斯分布在非线性系统中的传递结果将不再是高斯分布，参见下图所示。这里x符合高斯分布，y=g(x)为非线性函数，所得结果y的分布已经严重“变形”（这里y的分布通过蒙特卡洛采样获得），统计y的均值和方差也可以画出图中的高斯函数曲线，但已经与实际分布严重不符。 在描述机器人状态时常常不满足卡尔曼滤波的假设,为了仍然能够使用卡

>>阅读原文<<