卡尔曼滤波器，汽车追踪，Matlab

Question

我有行驶中的汽车的小数据集：

Data_=[time x,y,z];    %# ONLY THIS DATA

我知道在这种情况下速度和加速度不是恒定的。

我想在不同时间估算汽车位置。我决定使用卡尔曼滤波器。我搜索了卡尔曼滤波器，但找不到用于以速度和加速度跟踪3D空间中对象的代码。我不知道从哪里开始。卡尔曼滤波器可以自动处理速度和加速度吗？

有人可以帮助我并提供一些链接或指导吗？

Answer 1

我的建议是转到Mathworks file exchange和search for Kalman filters

您将为这种非常标准的算法找到一些不错的代码。

就Kalman过滤器而言，它们就是所谓的Predictor-Estimator。也就是说，给定直到时间n的观察结果，他们都可以预测时间n-1的状态。然后，在时间n收到观测值之后，您可以进行直到（包括）时间n的所有时间的估计（有些人称其为平滑）。估计部分是通过所谓的[[innovation和当前的Kalman增益完成的。

Kalman过滤器通过“状态空间”的概念进行工作，即您的状态存储有关该对象的所有必要信息。

观察向量

是您可以观察到的有关系统的不同之处。例如，在恒定加速度模型中，您可能会假设状态仅包含3个位置值和3个速度值（每个x，y和z）。决定状态空间和状态转换模型（在没有观察值的情况下，如何期望状态发生变化）是过滤器工作的设计者。您必须选择一个状态转移矩阵，您必须了解观测误差的协方差矩阵，状态转移矩阵中的误差协方差矩阵（例如，状态转换模型），以及初始状态估算值的协方差矩阵（还必须选择）。您还必须选择状态向量和观察向量之间的关系。

如果假设高斯观测噪声，高斯过程噪声和其他一些标准物，则[[卡尔曼滤波器是

最大似然最佳线性估计器

]。

Answer 2

Kalman Filter是一个循环中的5-6行。您不需要任何人的实现。

Answer 3

查看有关AI的udacity.com课程，CS373。在那里，他们很好地解释了卡尔曼滤波器。

Answer 4

计算机视觉系统工具箱现在具有一个vision.KalmanFilter对象。这是如何使用它来跟踪对象的example。该示例为2D，但可以轻松地将其推广到3D。

Answer 5

（线性）卡尔曼滤波器可能是您的最佳选择（实际上，它的第一个应用之一是跟踪阿波罗太空船的位置以正确击中月球！）。因此，有很多关于此问题的教程，例如参见example with this cute little robot。它实际上是大约5行代码（请注意，您应该使用

persistent