对于卡尔曼滤波用于传感器融合的信息的分享

shanghairen

卡尔曼滤波 实现性最优解的一种求解算法，但是他必须根据建模的预测值和传感器数据采集的测量值 才能够进行相应的滤波算法

卡尔曼滤波要点
建立系统模型，确定滤波量 确定预测量 确定测量量 进行五个方程计算滤波

传感器融合
在陀螺仪和加速度传感器滤波的融合中，我们得首先建立起模型（融合只适用于重力情况下，若加速度传感器因为有其他力引入会造成队伍，故只用来进行水平姿态的测量）具体的模型建立可以参考这一篇论文
数据融合论文.pdf (256 KB, 下载次数: 10)

2017-3-24 10:45 上传

点击文件名下载附件

个人理解
重点说一下论文里的模型的特点。

首先模型是一个2维模型，故在写程序的时候需要先把卡尔曼滤波的五个方程用线性代数的方法解算出来，这样才能够进行相应的卡尔曼滤波程序的编写。贴上程序的文档 （一定注意这是2维的卡尔曼滤波，根据论文中的五个方程进行相应的线性代数化简才能够看懂程序），一定注意程序是在用线性代数解算后的方程，如果不明白可以自己推一下。

这里的我们的预测量就是用陀螺仪测量的数据，而测量量就是加速度传感器测量的数据。

这里分享一下相关程序
Kalman.zip (716 Bytes, 下载次数: 10)

2017-3-24 10:45 上传

点击文件名下载附件

而之后就是进行五个方程的递归运算，即预测的更新，而输入量参照论文则是带有偏差的陀螺仪测量的角速度，和加速度测量的角度了。

话说之前考虑过偏差作为滤波量，也不知道可以不可。

stary666

看看哦，