　　对于机器人感知任务而言，经常需要预判物体的运动，保证机器人在物体与自身接触之前进行规避。比如无人机与障碍物的碰撞，足球机器人判断足球的位置。预判的前提是对当前状态进行准确的估计，比如足球的速度，障碍物靠近的速度。一般认为，测量是存在误差的 —— 眼见未必为实。

1、物体的运动学模型

　　物体的运动学模型使用状态向量来表达。以2维空间的质点运动为例，物体的运动学模型可以表达为 x = [ px py vx vy ]' 。其中 px py 表示物体的位置，vx vy 表示物体的速度。如果能够准确估计物体当前状态x 就可以对其一段时间后的状态进行判断。然而当前状态的测量噪声会对x 的估计产生干扰。Kalman Filter 的作用就是去除这些干扰。

　　卡尔曼滤波器的原理是使用马尔科夫链来对随机变量进行推测。马尔科夫链是一种特殊的贝叶斯网络，所以卡尔曼滤波器实际上是一种贝叶斯滤波器。其Graph Model 如下所示：

　　这里需要指出的是 X_t-1实际是未知的，但是我们以其估计量来作为实际值的最优估计。对于给定PGM，我们使用高斯分布来对随机变量进行建模 —— 高斯分布的几大优点见上篇博客。在不考虑子节点（还没有发生），父节点又被认为是给定的情况下，当前节点的CPD可以认为是父节点与观测节点的Factor product. 如果我们使用高斯模型进行建模，则factor 如下：
　　

　　其中，A代表转移矩阵，给定 t 时刻的状态，t+1时刻则由转移矩阵确定。vm 则表示转移噪声 —— t+1 时刻与 t 时刻中，速度不是常量。 vo 表示观测噪声 —— 我们对测量的肯定程度。使用高斯模型建模后，我们可以得到p(x_t+1|x_t) 与p(z_t|x_t) 的分布。第一个定义了x_t+1|x_t的 factor ，第二个定义了观测模型的factor. 于是，我们可以用贝叶斯公式求取 p(x_t|x_t-1,z_t-1) .

　　这里需要指出的是，一旦给定了zt 的父节点 xt ，那么zt 和 xt-1 是 d- Seperate 的。所以 P(zt|xt,xt-1) = P(zt|xt).

2、最大后验估计

　　最大后验估计对象如上，按照上述公式即可实现卡尔曼滤波器。实现后的误差及预测结果如图：

　　卡尔曼滤波器的设计技巧在于，如果物体不是匀加速运动（如足球的滚动），那么位置方差可以给的较小（认为我们的运动跟踪算法帧率足够高，且相机检测够准），但是！！！速度方差一定要给的够大，以保证能够模拟变加速状态！！！

转载于:https://www.cnblogs.com/ironstark/p/5537219.html

机器人学 —— 机器人感知（Kalman Filter）相关推荐

机器人学 —— 机器人感知（Mapping）
对于移动机器人来说,最吸引人的莫过于SLAM,堪称Moving Robot 皇冠上的明珠.Perception 服务于 SLAM,Motion Plan基于SLAM.SLAM在移动机器人整个问题框架中 ...
一文图解卡尔曼滤波(Kalman Filter)
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达译者注:这恐怕是全网有关卡尔曼滤波最简单易懂的解释,如果你认真的读 ...
Kalman Filter 学习笔记
Intro 最近在学习伟大的Kalman Filter,这篇笔记主要是对国外的两篇介绍Kalman Filter的博客的翻译和一些个人理解,博客链接:Kalman Filter For Dumm ...
卡尔曼滤波器(Kalman Filter) 理解
卡尔曼滤波器 1 简介(Brief Introduction) 在学习卡尔曼滤波器之前,首先看看为什么叫"卡尔曼".跟其他著名的理论(例如傅立叶变换,泰勒级数等等)一样,卡尔曼也是 ...
图解卡尔曼滤波(Kalman Filter)
背景关于滤波首先援引来自知乎大神的解释. "一位专业课的教授给我们上课的时候,曾谈到:filtering is weighting(滤波即加权).滤波的作用就是给不同的信号分量不同的权重 ...
卡尔曼滤波算法-Kalman Filter Algorithm
1.简介 1.1 滤波是什么所谓了滤波,就是从混合在一起的诸多信号中提取出所需要的信号. 1.2 信号的分类: (1)确定性信号:可以表示为确定的时间函数,可确定其在任何时刻的量值.(具有确定的频谱 ...
一文搞懂 SLAM 中的Extension Kalman Filter 算法编程
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/cou ...
无人驾驶算法学习（三）：扩展卡尔曼滤波器Extended Kalman Filter
文章目录 1.引言 2. 扩展卡尔曼滤波数学理论 3. 代码实战 3.1 python实现 3.2结果分析 1.引言当系统状态方程不符合线性假设时,采用卡尔曼滤波无法获得理想的最优估计.高斯分布在非 ...
Quaternion kinematics for the error-state Kalman filter 资料整理
Quaternion kinematics for ESKF-预测 Quaternion kinematics for ESKF-更新文章翻译-基于误差状态卡尔曼滤波器的四元数运动学-前言 ESKF ...

机器人学 —— 机器人感知（Kalman Filter）

1、物体的运动学模型

2、最大后验估计

机器人学 —— 机器人感知（Kalman Filter）相关推荐

最新文章

热门文章