0

预测一系列测量的下一个状态和协方差的一种方法是使用卡尔曼筛选。在及时跟踪汽车的位置（x 和 y 坐标）的情况下，有一个我在任何地方都没有讨论过的问题。为了简化问题，假设我们有一个单一的来源为我们提供测量（一辆移动的汽车），并且我们必须在每次新的测量到来时预测下一个状态（位置）。卡尔曼滤波器首先执行预测（预测下一个状态），然后执行更新步骤（用实际测量来校正预测）。如果汽车在不同的帧中以不同的速度移动会发生什么？我觉得少了一个额外的步骤。在更新步骤之后，我们必须对位置进行校正，因为预测是在假设车辆具有与该点之前相同的速度的情况下进行的。即使更新步骤使轨道更接近实际测量值，它也不能完美地将其与测量值对齐。有谁知道如何解决这样的运动校正问题？

4

1 回答 1

0

如果汽车以不同的速度移动，则预测协方差（不确定性）会更高并根据它进行调整。此外，过程噪声（Q）是指在过程中可能发生的方差，因此如果频繁发生，则需要将其调整为更高的值，依此类推。

于 2019-12-24T01:18:49.077 回答