数据融合matlab代码传感器融合模块，为LIDAR
/
RADAR输入处理实现了扩展的卡尔曼滤波器
卡尔曼滤波器体系结构。
外部装有LIDAR和RADAR等传感器的汽车可以检测到在其范围内移动的物体：例如，传感器可能检测到行人，甚至是自行车。
这是通过计算扩展的卡尔曼滤波器来实现的，该滤波器同时组合了从激光雷达和雷达获得的数据，以测量移动物体的速度和相对于汽车的相对位置。
对于多样性，让我们使用自行车示例逐步了解Kalman滤波算法（上图所示的体系结构），以了解此计算的实际工作原理：
首次测量-过滤器将接收自行车相对于汽车位置的初始测量值。
这些测量将来自雷达或激光雷达传感器。
初始化状态和协方差矩阵-过滤器将基于第一次测量来初始化自行车的位置。
那么汽车将在时间段Δt之后收到另一个传感器测量值。
预测-算法将在时间Δt之后预测自行车的位置。
在Δt之后预测自行车位置的一种基本方法是假设自行车的速度是恒定的。
因此，自行车将具有运动速度Δt
。
在扩展的卡尔曼滤波课中，我们将假设速度是恒定的。
更新-过滤器将“预测的”位置与传感器测量值进行比较。
将预测的位置和测量的位置合并以给出更
2021-12-22 22:16:22
1.58MB
1
ensemble_kalman_filter
python ensemble_kalman_filter.py
结果
集成卡尔曼滤波器（粒子数= 20） 作为参考， （粒子数= 20）
参考
片山，“非线性卡尔曼滤波器”，2011，p121-p140（日文）
2021-12-22 13:25:20
1001KB
1
unscented kalman filtering程序：包含函数和一个demon。程序包括五个步骤：参数计算、sigma点集计算、时间更新、观测更新、滤波更新。每一步都有详细的注释。以供学习参考。
2021-12-21 21:23:09
3KB
1
Openshoe-球体极限法
MATLAB的双脚惯性导航系统的实现，使用球面极限法（SLM）来减少系统的航向漂移。
引文
@INPROCEEDINGS{6498266,
author={G. V. Prateek and R. Girisha and K. V. S. Hari and P. Händel},
booktitle={2013 4th International Conference on Intelligent Systems, Modelling and Simulation},
title={Data Fusion of Dual Foot-Mounted INS to Reduce the Systematic Heading Drift},
year={2013},
pages={208-213},
month={Jan}}
@INPROCEEDINGS{7275
2021-12-21 14:49:54
24.04MB
1