zoukankan      html  css  js  c++  java
  • 卡尔曼滤波/粒子滤波融合定位模拟器

    最近稍闲,稍微整理了一下以前的部分代码,虽然写得不够好,但是对于新手也许也有一定的分享价值。具体算法细节我就暂时不讲了,网上太多了。

    所以分享这个我用JAVA写的一个模拟器。模拟定位和惯导(或者pdr)利用粒子滤波和卡尔曼滤波的可视化小demo,代码放在GitHub上了,如果觉得有用请点星星:-D.

    先上一张运行图,其中图上的各种颜色点点标识不同的算法定位结果,和右边显示的颜色对应。未有说明的红色标识真实位置,后面的定位结果图都将以红色为参照标准:

    为了方便对比,先看单独模拟INS(pdr)的效果部分(紫色点),把其他定位结果先隐藏。情况还是比较符合预期,INS刚开始比较准,然后慢慢出现偏差累积。

    再来看看单独利用MLE(最大似然估计)的定位结果:其实MLE定位结果(黄色点)统计值是不错的,但是因为其跳动和不连续的特征,导致体验不好也就是很难看出是一条连续路径。

    所以我们需要把两种方法的定位结果通过KF或者PF进行融合如下两张图所示,弥补互相的不足。这样连续性和精度上面都有提高。

    在这一段模拟上面可以看到平均精度卡尔曼滤波最好,INS还在走向发散。这里的粒子滤波出现了比较严重的粒子退化现象,感兴趣的童鞋可以调整一下参数。

  • 相关阅读:
    validation 参数效验框架
    小酌一下:Maven
    小酌一下:git 常用命令
    小酌一下:anaconda 基本操作
    小酌一下:Win10 解决fetch_20newsgroups下载速度巨慢
    学习笔记:Python3 异常处理
    学习笔记:Python3 面向对象
    学习笔记:Python3 函数式编程
    学习笔记:Python3 函数
    学习笔记:Python3 高级特性
  • 原文地址:https://www.cnblogs.com/lesliexong/p/7461284.html
Copyright © 2011-2022 走看看