State-estimation-e-localization：多伦多大学的自动驾驶汽车状态估计和本地化-源码

JupyterNotebook

目标了解参数和状态估计的最小二乘法将线性卡尔曼滤波器及其非线性变体，扩展和无味卡尔曼滤波器应用于状态估计问题为典型的定位传感器（例如GPS接收器，惯性传感器和LIDAR距离传感器）开发模型了解LIDAR扫描匹配和迭代最近点（ICP）算法使用这些工具将来自多个传感器流的数据融合到自动驾驶汽车的单个状态估计中重要性动机我在哪里？我移动多快？为什么很难：传感器和测量不完美定义本地化：确定车辆位置和方向的过程如何？例如状态估计状态估计：根据一组[噪声]测量值计算[物理量（例如车辆位置）的最可能值] 相关概念：参数估计与状态（例如，车辆的位置和方向）不同，参数（例如，电阻的电阻）随时间是恒定的（即，预计从第一次测量到最后一次测量都不会改变）

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

State-estimation-e-localization：多伦多大学的自动驾驶汽车状态估计和本地化-源码

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载