c++ - OpenCV 如何使用 KalmanFilter 类作为 ExtendedKF

Question

如 docs 中所写, 可以将 cv::KalmanFilter 类用作扩展卡尔曼滤波器 (EKF)。有人可以解释一下吗？

涉及的所有矩阵are declared as public所以我可以编辑所有这些。source code用于普通(线性)卡尔曼滤波器。

我认为我应该用我的非线性系统编辑transitionMatrix，即G。这个矩阵是我的非线性系统之一，它以 statePost 和 control 作为输入变量； ControlMatrix应该全为0吧？

但是我应该把 G 的雅可比行列式放在哪里呢？

我对更新过程有同样的疑问，我有我的非线性系统 H 用于测量矩阵。

也许我有点困惑，有人可以帮助我吗？

Answer 1

所以，我认为我想出了如何将 cv::KalmanFilter 类用作 EKF。我是这样做的:

1. 将 kf.statePost 保存在临时变量中:temp = kf.statePost

2. 在kf.transitionMatrix中放入转换函数的Jacobian

3. 做KF的预测步骤

4. 使用转换函数将 kf.statePre 更改为正确的值:kf.statePre = f(temp, control)

   <

5. 在kf.measurementMatrix中放入测量(或校正)函数的雅可比行列式

6. 做KF的修正步骤

7. 用正确的值更改 kf.temp5 矩阵:kf.temp5 = measurement - h(statePre) 其中 h()是测量(或修正)函数

8. 用正确的值更改 kf.statePost:kf.statePost = kf.statePre + kf.gain * kf.temp5

   /li>

最后，您在 kf.statePost 中获得了系统的估计状态!