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785

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

汽车冲压线油液污染在线监测管理系统

汽车冲压线油液污染在线监测管理系统

摘要:设计开发了汽车冲压线液压系统油液污染检测装置,介绍了激光颗粒计数器的关键技术,检测系统的原理图、油液的回路图、系统工作的逻辑原理图、产品的外形图及系统参数的设置和测试,最后总结了该系统的应用效果...

Introduction to Robotics Mechanics and Control

Introduction to Robotics Mechanics and Control

本人从事汽车和机械设计多年,近几年开始研究机器人技术,在此我将分享我的机器人技术和人工智能领域的学习路径,分享心得。1. Introduction to Robotics Mechanics an...

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、...

Gait Recognition 步态识别

Gait Recognition 步态识别

Gait as a BiometricGait – “A person’s manner of walking”–  Webster DefinitionIt is a non-contac...

奔驰工厂的项目改造 - 威士乐技术创新

奔驰工厂的项目改造 - 威士乐技术创新

北京奔驰2021年奔驰C大换代,在北京奔驰的发动机生产线也对新C的生产进行了生产线的改造和调整,在原M270和M276的基础上增加了新M254四缸发动机,M254发动机生产线的技术改造项目总投资20....