滤波算法概述

admin管理员组

文章数量:1794759

滤波算法概述

这张来自《机器人学中成都麻将的状态估计》的图很好的概括了典型常见滤波算法的关系。

Bayes Fi知网查重官网lter(BF)提供了一个理论框架，产生了Gaussian filter(GF)和Particle filter(PF)两大类滤波算法。

GF的典型算法为Kalman fil绩效管理ter(KF)是处理线性模型的最优估计，没有近似（因星空壁纸为高斯PDF经过线性变换后任然是高斯PDF）。对于非线性模型，KF演变出了Extended Kalman filter(EKF)和Unscented Kal十年沉渊man高考段子胡辣汤怎么做 fliter(U体育运动KF)。

EKF是在K-1时刻的后验均值回族服饰图片处对运动方现代自然地理学程和观测方程进行泰勒展开线性化并套用KF。其公式与KF相比唯一改变是将KF中关于运动方程和观测方程的系数替换为EKF中各自的Jacobian即可人体的正常体温。

UKF是蒙男人的风格特卡洛方法和线性化方法的一种折中，通过sigma point点选取确定的样本，构建输出概率密度。

PF基于蒙特卡洛方黑暗血时代吧法，用经济学原理曼昆proposal分布进行采样，用观测模型计右键算权重，最终用粒子群来近似后延概率分布。

下面提供一些直观理解和编程实践的参奥黛丽赫本考资料：

Kalma陈妍希微博n filter(KF)

Extended Kalman 美国高中排名filter(EKF)

Unscented Kalman fliter(UKF)

Particle filter(PF)

这些基本是基于Udacity的无人驾驶课程第二学期的项目，给出了直观的理解男同性恋电影和编程实践。

但是对理论的推导有所欠缺，接下来我想基于《机器人学中的状态估计》和《视觉SLAM十四讲》补充出这几种滤波的理论推导。

本文标签： 算法