对于卡尔曼滤波的理解
说到底,滤波,数据融合什么的就是一个数据修正,那么,如果我使用数字滤波器,将传感器的数据进行效果比较好的滤波,那么是否可以抛弃卡尔曼滤波呢?在一个合适的时间,用加速度和磁传感器数值,修正当前姿态,然后继续使用陀螺仪确定当前姿态,是否可以达到相同的效果?
论坛上问了问题以后,有童鞋告诉我可以找一下:互补滤波器 在我的理解中互补滤波中的高通是抑制陀螺漂移,低通是消除加速度计的干扰
现在有了一个新的疑惑是:是否需要对传感器数据进行预处理,消除抖动与干扰后再利用卡尔曼和互补等方法滤波融合数据么?
找到了一个效果对比
这个视频对比了互补滤波,卡尔曼,扩展卡尔曼的效果
左边绿色的是互补,中间红色是卡尔曼,蓝色的是扩展卡尔曼
最后结论是
互补【相应速度】没有卡尔曼快
扩展卡尔曼比卡尔曼【稳定,抖动小】
附上一个C语言版本的卡尔曼滤波,有兴趣的童鞋可以一起玩一下
28
|
|
|
|
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享
|
|
|
|
|
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享
|
|
|
|
|
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 分 分
谢谢分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享 谢谢分享 分享 谢谢分享 享 享
谢谢分享 谢谢分享 谢 谢
谢谢分享 谢谢分享 谢 谢
谢 谢谢分享 谢谢分享
|
|
|
|
|
虽然是老帖了,不过还是回复一下,视频看了,从效果上看互补滤波和扩展卡尔曼的重合度非常好,反而是卡尔曼滤波抖动比较厉害,毕竟对于非线性系统卡尔曼滤波还是有欠缺的!
|
|
|
|
|