本系列文章主要介绍如何在工程实践中使用卡尔曼滤波器,分七个小节介绍:
二.卡尔曼滤波器开发实践之二: 一个简单的位置估计卡尔曼滤波器
三.卡尔曼滤波器(EKF)开发实践之三: 基于三个传感器的海拔高度数据融合 也就是本文
四.卡尔曼滤波器(EKF)开发实践之四: ROS系统位姿估计包robot_pose_ekf详解
五.卡尔曼滤波器(EKF)开发实践之五: 编写自己的EKF替换robot_pose_ekf中EKF滤波器
六.卡尔曼滤波器(UKF)开发实践之六: 无损卡尔曼滤波器(UKF)进阶-白话讲解篇
七.卡尔曼滤波器(UKF)开发实践之七: 无损卡尔曼滤波器(UKF)进阶-实例篇
插几句话:
第2小节,举例了一个简单的卡尔曼滤波器例子,其实重要的是演示了卡尔曼滤波器从公式到代码的实践过程. 并且使用更简单直观的python语言,使用numpy支持库,对卡尔曼滤波器5大公式,做了一对一的实现.
对python语言不熟悉的读者,也不要着急,后面所有例子我会采用C++语言编写.其核心代码就是TinyEKF类, 这个C++类也是第2节中python版EKF类的C++版.
Original: https://blog.csdn.net/okgwf/article/details/120005962
Author: okgwf
Title: 三.卡尔曼滤波器(EKF)开发实践之三: 基于三个传感器的海拔高度数据融合
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/694908/
转载文章受原作者版权保护。转载请注明原作者出处!