摘要：
无损卡尔曼滤波UKF（4）-预测Sigma点 每次迭代，需要k时刻的Sigma点带入过程函数 输入是 7维向量 扩充状态 输出是 5维向量 预测状态 void UKF::SigmaPointPrediction(MatrixXd* Xsig_out) { // 状态维数 int n_x = 5; / 阅读全文
摘要：
无损卡尔曼滤波UKF（3）-预测-生成Sigma点 1 选择创建Sigma点 A 根据 已知上一个时间戳迭代出来的 后验状态 $x_{k|k}$ 和后验协方差矩阵 $P_{k|k}$ 他们代表当前状态的分布。 Sigma点的数量取决于状态向量的维度 $n_{\sigma} = 2\cdot n_x 阅读全文
摘要：
1 新来的无损卡尔曼滤波器有什么不一样呢？ 对于非线性模型，比如我们前面使用的CVTR 经过这样的模型预测出来的状态就不会是正态分布的了 那么我们就没法用传统的卡尔曼滤波器 当然，可以选择使用扩展卡尔曼滤波，非线性函数，泰勒展开线性化呗 你愿意这么做，也可以，但是你就得算雅克比矩阵不是么 新来的无损 阅读全文