通过 Kalman filter （卡尔曼滤波）解决 GPS 抖动路径记录问题。.zip,hckalmanfilter是kalman滤波算法的快速实现，用于解决gps跟踪问题

室内定位算法，将距离差经过kalman滤波后，通过chan算法得到初始解，再用加权质心修正误差

matlab建立汽车模型代码扩展卡尔曼滤波器 自动驾驶汽车工程师纳米学位课程 该项目融合了激光雷达（激光）和雷达测量来定位和跟踪物体。 激光雷达测量提供了位置的高分辨率估计，但没有提及速度。 另一方面，雷达提供了噪声更大的位置估计，并且通过多普勒效应还提供了速度的估计。 卡尔曼滤波器遵循一个简单的循环： 观察世界 根据最后的值和状态转换函数 F 预测对象的新状态。 使用测量值更新预测。 我们在这里假设测量噪声可以用高斯建模。 雷达的测量以极坐标给出，映射到矩形后，噪声项将不再正常。 为了解决这个问题，我们通过一阶泰勒展开将变换线性化为矩形。 图8跟踪测试： 依赖关系 cmake >= 3.5 所有操作系统： 使 >= 4.1 Linux：大多数 Linux 发行版默认安装 make 苹果电脑： 视窗： gcc/g++ >= 5.4 Linux：大多数 Linux 发行版默认安装 gcc / g++ Mac：与 make 相同 - [安装 Xcode 命令行工具](() Windows：推荐使用 基本构建说明 克隆这个 repo。 创建一个构建目录： mkdir build && cd

使用卡尔曼滤波器在夜间环境中进行车道检测 自动驾驶计算机视觉技术的一个重要里程碑是在道路上寻找车道标记。 在这里，我们描述了在夜间环境中检测车道的过程。 挑战性 ·低光强度·难以调整各种光强度的参数·边缘检测不良·阴影，突然的高强度汽车大灯 我们的方法 这些步骤中描述了我们的方法： 我们对每个视频帧执行伽玛校正以设置光强度 从图像中裁剪出“感兴趣的区域”，因此我们只能在ROI部分上查找泳道。 它有助于降低计算成本并提高fps。 应用双边滤波器消除噪声并平滑视频帧，但保留边缘。 应用HSV滤镜为固定范围内的像素创建蒙版 经过这些预处理（伽玛校正和滤波）后，我们使用Canny边缘检测器检测边缘。 之后，霍夫变换用于使用上一步中的边缘检测线。 检测到的线使用DBSCAN进行聚类，因为我们只希望跨车道的线。 卡尔曼滤波用于更好的车道检测。 在这里，我们为车道的聚集线应用了线性估计器，以

非常棒的粒子滤波综述，详细介绍了卡尔曼滤波到粒子滤波的演变历程。

关于四元数的非常好的入门资料，从四元数的基本性质到惯性导航系统的误差状态方程，再到传感器数据的融合，介绍得非常详细，强烈推荐

Kalman Filtering - Theory and Practice Using MATLAB 第三版的源程序，2008年出版

py实现的的卡尔曼滤波，实际使用过。 欢迎大家下载。

贝叶斯滤波、卡尔曼滤波、粒子滤波经典原著

卡尔曼滤波用于温度测量值处理，效果很不错。