基于卡尔曼滤波的公式推导

文章预览

作者 | 人工智能AI大模型与汽车自动驾驶  编辑 | 人工智能AI大模型与汽车自动驾驶 点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 前言 自动驾驶场景中需要持续观测、预测目标的运动和发展情况，以对当前状态采取更适合的决策。为了估计待测目标的状态，如距离和速度，最直接的方式是用传感器测量，如相机和毫米波雷达。但由于测量的误差和噪声的存在，又不能完全相信测量值。此时可以采用概率学和统计学的方法来分析统计和估计状态量。 卡尔曼滤波 就是这样一种结合预测（先验分布）和测量更新（似然估计）的状态估计算法。 卡尔曼滤波是一种递推算法，每次递推主要包括预测和修正两个步骤。本文说明的是LKF（Linear Kalman Filter），即线性卡尔曼滤波，下文中以“LKF”替代 ………………………………