Image processing 间接(误差状态)卡尔曼滤波器:误差状态的传播
我正在研究一个误差状态卡尔曼滤波器,利用IMU数据估计飞行器的位置和方向,用于状态传播和基于视觉的测量更新 因此,就我所知道/理解的: 我有标称状态x和错误状态delta xx使用我的IMU测量值传播。F和H矩阵是根据错误状态而不是完全状态定义的。错误状态不会传播 增量x首次在更新的步骤中计算,使用: delta x=K(y-h(hat(x))-->错误状态独立于之前对错误状态的任何估计 据我所知,这是第一次计算δx,在正常状态下使用它注入错误状态后,它被重新设置为零 因此,据我所知,我们不需要预测/传播错误状态,因为我们没有关于错误的信息,因此它是以零开始的,错误状态将始终返回零。 随着误差的增长,协方差矩阵显然必须更新Image processing 间接(误差状态)卡尔曼滤波器:误差状态的传播,image-processing,kalman-filter,pose-estimation,Image Processing,Kalman Filter,Pose Estimation,我正在研究一个误差状态卡尔曼滤波器,利用IMU数据估计飞行器的位置和方向,用于状态传播和基于视觉的测量更新 因此,就我所知道/理解的: 我有标称状态x和错误状态delta xx使用我的IMU测量值传播。F和H矩阵是根据错误状态而不是完全状态定义的。错误状态不会传播 增量x首次在更新的步骤中计算,使用: delta x=K(y-h(hat(x))-->错误状态独立于之前对错误状态的任何估计 据我所知,这是第一次计算δx,在正常状态下使用它注入错误状态后,它被重新设置为零 因此,据我所知,我们不需要
在预测步骤中未预测错误状态,而仅在更新步骤中使用,这是否正确 是的-完全正确。处理测量值并计算出delta-x后,误差值将合并回整个状态x。然后在用于下一组测量之前,将δ-x调零