当前位置:首页 > 科学研究 > 科技前沿 > 正文内容

无人驾驶汽车系统入门 | 卡尔曼滤波与目标追踪

RonWang4年前 (2021-01-09)科技前沿786

无人驾驶汽车系统入门(一)——卡尔曼滤波与目标追踪

说明:

  • 介绍无人驾驶汽车系统感知模块的重要技术——卡尔曼滤波

卡尔曼滤波按如下三个章节说明:

  • 卡尔曼滤波与行人状态估计

  • 扩展卡尔曼滤波(EKF)与传感器融合

  • 处理模型,无损卡尔曼滤波(UKF)与车辆状态轨迹

本节为卡尔曼滤波,主要讲解卡尔曼滤波的具体推导,卡尔曼滤波在行人状态估计中的一个小例子。

kalman filter


为什么要学卡尔曼滤波?

  • 卡尔曼滤波以及其扩展算法能够应用于目标状态估计,如果这个目标是行人,那么就是行人状态估计(或者说行人追踪)

  • 如果这个目标是自身,那么就是车辆自身的追踪(结合一些地图的先验,GPS等数据的话就是自身的定位)。

  • 在很多的无人驾驶汽车项目中,都能找到卡尔曼滤波的扩展算法的身影(比如说EKF,UKF等等)。

  • 本节我们从最简单的卡尔曼滤波出发,完整的理解一遍卡尔曼滤波的推导过程,并实现一个简单的状态估计Python程序。

卡尔曼滤波是什么?

  • 我们通常要对一些事物的状态去做估计,为什么要做估计呢?因为我们通常无法精确的知道物体当前的状态。

  • 为了估计一个事物的状态,我们往往会去测量它,但是我们不能完全相信我们的测量,因为我们的测量是不精准的,它往往会存在一定的噪声,这个时候我们就要去估计我们的状态。

  • 卡尔曼滤波就是一种结合预测(先验分布)和测量更新(似然)的状态估计算法。

概率论的知识基础

  • 下面是一些概率论的基础知识,如果之前有这方面的知识储备那当然是最好的,很有利于我们理解整个博客内容

  • 如果没有这方面的基础而且也看不懂下面的内容也没关系,我会以一个相对直观的方式来展现整个理论部分。

  • 先验概率 P(X)P(X):仅仅依赖主观上的经验,事先根据已有的只是的推断

  • 后验概率 P(X|Z)P(X|Z):是在相关证据或者背景给定并纳入考虑以后的条件概率

  • 似然 P(Z|X)P(Z|X):已知结果区推测固有性质的可能性

  • 贝叶斯公式:

版权声明:本文为原创文章,版权归donstudio所有,欢迎分享本文,转载请保留出处!

本文链接:http://parentscn.com/?id=106

相关文章

冬奥背后的故事 - 威士乐技术创新

冬奥背后的故事 - 威士乐技术创新

技术创新之小工具大保障2022年3月3日北京冬奥会残奥会结束,本次2022年在北京举办的冬奥已经圆满落幕,作为一个新能源从业人员,除了欣赏赛场上运动员的精彩表演之外,赛场下的风景也是我关注的重点。不同...

电动汽车能源管理系统算法

电动汽车能源管理系统算法

本文介绍了混合能源电动汽车能源管理系统的算法设计和应用,以及系统的运行、关键状态和运行过程。概述了混合动力电动汽车能源管理系统的现状,下一章讨论了数学方法分析了混合能源系统的充放电过程。并使用MATL...

液压与气动 2019,Volume 0, Issue 09

液压与气动 2019,Volume 0, Issue 09

《液压与气动》创刊于1977年,属技术类学术期刊,是由中国机械工业联合会主管,中国机械工程学会与北京机械工业自动化研究所联合主办,《液压与气动》编辑部出版的中文核心期刊,主要栏目包含专题、研究·设计、...

中国机械工程 2019, Volume 30, Issue 13

中国机械工程 2019, Volume 30, Issue 13

《中国机械工程》是中国机械工程学会会刊,是我国机械工程领域有重要影响力的学术期刊。本刊目前被EI Compendex、Scopus、俄罗斯《文摘杂志》(AJ)、美国《剑桥科学文摘》(CSA)、日本科学...

自动驾驶汽车决策与控制

自动驾驶汽车决策与控制

车辆行为预测:车辆的行驶轨迹是两个因素共同作用的结果,首先是车辆驾驶员的行为,例如反应意图的换道过程;其次是外部环境因素,例如在行驶期间影响车辆轨迹的激发偶同信息(如交通红绿灯)等。...