自动驾驶基础之——如何写卡尔曼滤波器？

2018-09-26 23:09:20· 来源：自动驾驶干货铺

将以上五个公式写成代码如下：

至此，一个卡尔曼滤波器的雏形就出来了。

包含的变量有

代码：使用卡尔曼滤波器

以激光雷达数据为例，使用以上滤波器，代码如下：

其中GetLidarData函数除了获取点的位置信息m_x和m_y外，还获取了当前时刻的时间戳，用于计算前后两帧的时间差delta_t。

以上就是卡尔曼滤波器对于匀速运动物体跟踪的例子。在这个基础上，业内还有扩展卡尔曼滤波器和无迹卡尔曼滤波器，它们与经典卡尔曼滤波器的最大区别是状态转移矩阵F和测量矩阵H的不同，剩下的跟踪过程依然需要使用前面介绍的7个公式。

只要你能够写出某个模型的F、P、Q、H、R矩阵，任何状态跟踪的问题都将迎刃而解。

结语

以上就是卡尔曼滤波器从感性分析到理性分析的过程。你会发现真正进行工程开发时，除了具备基本的写代码能力外，利用大学所学的线性代数知识推导公式的能力也是必不可少的。

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 汽车自动驾驶仿真：场景呈现的技术深度探讨	• 汽车自动驾驶感知模块的开发与验证：技术挑战与未来展望
• 汽车自动驾驶感知模块开发与验证中的场景仿真技术探析	• 智能网联不确定路口场景下汽车驾驶性能的实验与评价研究
• 智能网联汽车产品模拟仿真测试可信度评估方法	• 智能网联汽车产品模拟仿真测试可信度评估框架
• 智能网联汽车产品测试策略：确保安全可靠的驾驶体验	• 智能网联汽车视觉感知系统测评验证：性能评估与未来展望
• 智能网联汽车视觉感知系统全面测评：硬件设备、算法性能、	• 智能网联汽车传感器性能全面测评与未来展望

编辑推荐