对飞控感兴趣的机械专业研究生
专栏文章
最近话题
没有任何数据~~
最新评论
  • [DimianZhan 翻译组] 由浅入深的扩展卡尔曼滤波器教程 at 2019-01-15 19:14:35

    @廖伟 这里可以查看一下 Part2 中关于传感器误差的描述

  • [DimianZhan 翻译组] 由浅入深的扩展卡尔曼滤波器教程 at 2019-01-15 18:58:41

    @廖伟
    file

    这里是一维经典卡尔曼滤波,用来估计某一轴的角度。状态方程由微分方程(角度微分等于角速度)建立,测量方程由加速度根据反三件函数建立,有了这两条方程,不管什么卡尔曼都是“套公式”了。特殊之处在于被估计的状态量中含有陀螺仪零偏e ,对于e肯定是没有微分方程的,所以状态方程就是等于上一时刻的值,特殊之处在于e的更新,e是不可观测的,没有观测方程,此处用 观测角度与一步预报的角度做差来更新陀螺仪零漂,可以这样认为,观测角度与一步预报角度差距越大说明传感器零漂越大,越不精确。可能不是很准确,因为我也不会推导关于卡尔曼的公式,只是用的时候的一点体会。

  • [DimianZhan 翻译组] 由浅入深的扩展卡尔曼滤波器教程 at 2019-01-15 15:56:47
  • [DimianZhan 翻译组] 由浅入深的扩展卡尔曼滤波器教程 at 2019-01-15 15:50:59

    @廖伟 也许你说的 bias 是传感器(加速度计、陀螺仪)的零偏,简单处理时我们认为零偏不变,减去一个常量就可以了,EKF 中把传感器零偏当作一个可变的状态量来进行估计,变成了状态量中的一个维度,这样更好。

  • [DimianZhan 翻译组] 由浅入深的扩展卡尔曼滤波器教程 at 2019-01-15 15:43:23

    @廖伟 我是小小老,目前我只用过自己写的 EKF 代码。PX4 工程过于庞大,我还没有去看 EKF2 的具体代码。PX4 Developer Guide 中 关于 ECL 库的介绍中有关于 EKF2 内容,给出了 EKF2 的 Matlab 原理文件(实际上借用了 APM 的 EKF),实际代码好像是 Matlab 导出的,要看懂 Matlab 文件需要很强的数学和理论功底。你可以看下 开发手册中 ECL 库的内容和 APM 关于EKF的内容。