Loading... ## 原理 假设小车第k时刻状态为 $$ \boldsymbol{x}_k=\left[ \begin{array}{c} p_k\\ v_k\\ \end{array} \right] $$ $p_k$为k时刻的位置，$v_k$为k时刻的速度。 如果没有给小车加速减速，预测小车的下一状态为 $$ \begin{cases} p_k=p_{k-1}+\varDelta t\cdot v_{k-1}\\ v_k=v_{k-1}\\ \end{cases} $$ 换句话说，也即下列公式 $$ \boldsymbol{\hat{x}}_k=\left[ \begin{matrix} 1& \varDelta t\\ 0& 1\\ \end{matrix} \right] \boldsymbol{\hat{x}}_{k-1}=F_k\boldsymbol{\hat{x}}_{k-1} $$ $F_k$ 也称状态转移矩阵, $$ \boldsymbol{\hat{x}}_k=\left[ \begin{matrix} 1& \varDelta t\\ 0& 1\\ \end{matrix} \right] \boldsymbol{\hat{x}}_{k-1}=F_k\boldsymbol{\hat{x}}_{k-1} $$ ## 基本知识 状态外推方程（预测方程） 估计不准确度外推方程 卡尔曼增益更新方程 状态更新方程 估计不确定度更新方程 最后修改：2020 年 08 月 06 日 01 : 35 PM © 允许规范转载
