平方根无气味和平方根立方形卡尔曼过器在多边形上
Joachim Clemens1, Constantin Wellhausen1
1Cognitive Neuroinformatics Group, University of Bremen, 28359 Bremen, Germany.
这项研究通过适应平方根卡尔曼波器 (SRUKF和SCKF) 来提高状态估计,以适应多种应用. 修改后的过器提供了更好的数值稳定性和更快的计算时间变量系统,如自动驾驶汽车测距.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 国家估计理论.
- 数字分析 数字分析
背景情况:
- 状态估计对于时间变量系统至关重要,通常使用卡尔曼波器衍生品.
- 平方根卡尔曼波器 (SRUKF,SCKF) 通过对共变量平方根进行操作,提供了比标准UKF和CKF更好的数值稳定性.
- 许多现实世界系统涉及具有定向组件的状态,需要多重意识的估计.
研究的目的:
- 适应平方根无气味卡尔曼波器 (SRUKF) 和平方根立方卡尔曼波器 (SCKF) 用于对多元体的状态估计.
- 为基于多元体的状态估计提供通用,数学上连贯和计算效率高的解决方案.
- 与标准对应物相比,评估拟议的集体SRUKF和SCKF的性能和计算需求.
主要方法:
- 修改SRUKF和SCKF算法以整合多元体几何.
- 对基于多元组的过器的计算复杂性的理论分析.
- 使用自动驾驶汽车测距估计问题的实验验证.
主要成果:
- 拟议的 SRUKF 和 SCKF 体保持了 UKF 和 CKF 体的理论复杂性.
- 修改后的SRUKF和SCKF的实际实施证明了更快的执行时间.
- 所有比较的算法 (多重SRUKF/SCKF,UKF,CKF) 在测距任务中实现了同等的本地化性能.
- 与多路 UKF 和 CKF 相比,多路 SRUKF 和 SCKF 的计算需求较低.
结论:
- 经过调整的SRUKF和SCKF提供了一种计算效率高,数值稳定的方法,用于对多元体的状态估计.
- 这些方法对于定向是关键状态变量的系统尤其有益.
- 这项研究为实时应用 (如自主导航) 提供了实际的进展.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
15:25Design and Characterization Methodology for Efficient Wide Range Tunable MEMS Filters
Published on: February 4, 2018
相关概念视频
Curvilinear Motion: Rectangular Components
As the car advances, its position evolves over time. Quantifying the car's velocity involves computing the...
Vector Algebra: Method of Components
In many applications, the magnitudes and directions of...
Plotting and Calibrating the Root Locus
The maximum gain occurs at the breakaway points between open-loop poles on the real axis, while the minimum gain is...
State Space Representation
Consider an RLC circuit, a...
Cartesian Form for Vector Formulation
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
