2019年3月14日 下午6:08
卡尔曼滤波器推导与解析 - 案例与图片 - 李小铭 - 博客园
- 这篇文章中翻译了一篇外文，还推荐了一些其他的文章
注：这篇文章我是从高翔的书中总结的。
卡尔曼滤波能解决什么问题？
- 状态估计的问题(说白了就是求解一些模型中的未知量而已)
卡尔曼滤波和最小二乘法的区别是啥？
- 最大的区别在于他们把同一问题，站在不同的侧重点上，用了不同的方式进行描述
- 卡尔曼滤波：
/%E7%9F%A5%E8%AF%86%E7%82%B9/%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2%E5%99%A8%E6%8E%A8%E5%AF%BC%E4%B8%8E%E8%A7%A3%E6%9E%90/6C946068-49E1-45AF-95E0-FC84B7874720.png)
- 最小二乘法：
/%E7%9F%A5%E8%AF%86%E7%82%B9/%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2%E5%99%A8%E6%8E%A8%E5%AF%BC%E4%B8%8E%E8%A7%A3%E6%9E%90/0B2CD9C8-2415-4CE3-B6EA-A80B08BACF51.png)
- 卡尔曼滤波：
- 并且，最小二乘法是仅仅对观测模型进行分析，而卡尔曼滤波是对观测模型和运动模型的共同分析，
- 观测模型得到更新方程与后验概率分布
- 运动模型得到预测方程与先验概率分布。
- 运动模型：指的是我们根据照片，根据几何模型，恢复出相机位姿和地图的模型。
- 观测模型：指的是我们在运动模型之后，对相机位姿和地图进行优化的模型
从原理的角度，卡尔曼滤波是如何得到的？
- 看书！p240 p106