扩展卡尔曼滤波EKF

时间 2020-12-30

原文原文链接

SLAM过程包含许多步骤，整个过程是为了利用环境来更新机器人的位置。由于机器人中给出自身位置的距离测量往往是不精确的，就不能直接依赖于这种测距机制。我们可以利用对环境的激光扫描来纠正机器人位置，这能通过提取环境的特征来实现，然后当机器人向四周运动时再进行新的观察。扩展卡尔曼滤波EKF是SLAM过程的核心，其基于这些环境特征来负责更新机器人原始的状态位置，这些特征常称为地标。EKF用于跟踪机器人位置

>>阅读原文<<

1. 扩展卡尔曼滤波（EKF）仿真
2. 扩展卡尔曼滤波
3. 卡尔曼滤波与扩展卡尔曼滤波
4. 卡尔曼滤波系列——（二）扩展卡尔曼滤波
5. 扩展卡尔曼滤波EKF与多传感器融合
6. SLAM学习——卡尔曼滤波（KF/EKF）
7. 卡尔曼滤波(KF)与扩展卡尔曼滤波(EKF)的一种理解思路及相应推导（1）
8. 扩展卡尔曼滤波器
9. 关于扩展卡尔曼滤波
10. 卡尔曼滤波原理(二)：扩展卡尔曼
更多相关文章...
• Kotlin 扩展 - Kotlin 教程
• Swift 扩展 - Swift 教程
• NewSQL-TiDB相关
• RxJava操作符（三）Filtering