파이썬 칼만필터 예제

augusztus 2, 2019 3:38 du. Közzétette cccccccccccccc

그러나 이러한 각 센서의 출력에 오류가 있다고 가정하는 것이 매우 합리적입니다. 아래의 파이썬 코드는 시끄러운 GPS, 속도계 및 자이로 스코프 신호를 생성하는 방법을 보여줍니다. 아래 Python 코드는 자전거 시나리오의 상태 벡터에서 $h $와 $nabla h$를 계산하는 방법을 정의합니다. 행렬 형식에서 Kalman 게인은 입력과 동일한 차원의 행렬이고 대각선을 따라 관찰된 위치와 속도를 조정하는 가중치가 있습니다. 가중치가 낮을수록 모델이 예측에 비해 관측을 신뢰합니다. 베이지안 확률에는 더 많은 것이 있지만 주요 아이디어가 있습니다. 앎은 불확실하며, 우리는 증거의 힘에 기초하여 우리의 믿음을 바꾼다. Kalman 및 Bayesian 필터는 시스템이 시들고 제한된 센서 판독값과 어떻게 행동하는지에 대한 시들고 제한된 지식을 혼합하여 시스템 상태에 대한 최상의 추정치를 생성합니다. 우리의 원칙은 정보를 절대버리하지 않는 것입니다. 이 책에 대한 동기는 칼만 필터링에 대한 부드러운 소개에 대한 나의 욕망에서 나왔다.

저는 항공 전자 공학 분야에서 거의 2 년을 보냈던 소프트웨어 엔지니어이기 때문에 항상 Kalman 필터로 `부딪히는 팔꿈치`였지만 직접 구현한 적이 없습니다. 컴퓨터 비전으로 추적 문제를 해결하는 데 필요한 필요성이 시급해졌습니다. 이 분야에는 그레왈과 앤드류의 뛰어난 칼만 필터링과 같은 고전적인 교과서가 있습니다. 그러나 앉아서 이 책들을 많이 읽으려고 노력하는 것은 필요한 배경이 없다면 끔찍한 경험입니다. 일반적으로 처음 몇 장은 학부 수학의 몇 년을 통해 비행, 이토 미적분과 같은 주제에 대한 교과서에 당신을 참조, 몇 가지 간단한 단락에서 통계의 전체 학기의 가치를 제시. 그들은 상위 학부 과정에 대한 좋은 텍스트, 연구자와 전문가에 대한 귀중한 참조, 하지만 가는 것은 더 캐주얼 독자를위한 정말 어렵다. Symbology는 설명없이 도입되고, 다른 텍스트는 동일한 개념에 대해 다른 용어와 변수를 사용하며, 책은 예시 또는 작업 문제가 거의 없습니다.

Kategória: Egyéb

Írta: Gabor

Hozzászólás zárolva.