卡爾曼濾波——17.高斯移動

標籤：丟失   分享   就會   世界   技術   函數   代碼實現   jpg   這一   

回顧一下之前的內容，我們知道有一個測量更新和一個運動更新（預測）。

運動更新通過全機率或者一個加法來完成，我們已經解決了比較複雜的情況。

我把它解決了 ，並得出了公式。

並且也用代碼實現了這一步。

運動部分不想深入，這是非常簡單的一步，讓我們寫下來。假設你活在這樣一個世界裡，中心點，這是你對自己所在位置的最佳估計，高斯函數是你的誤差。

假設你往右移動了一定距離，並且運動本身也包含自己的誤差，那麼你就到達一個將運動量加到均值上的預測位置，並且這還會在初始誤差上增加一個誤差。

 

 

如果你往右移動了這段距離（綠色線），在期望上你是到達了你想到的地方，但你會丟失資訊，因為你的移動本來就會丟失資訊，表現在這裡的誤差上。

 

這個在數學上很容易實現，新的平均值等於舊的平均值加上動作，常稱為U.

假設你運動了10米 這裡將是綠色線將是10米，新的sigma平方等於舊的sigma的平方加上運動的高斯分布方差。

這就是你所需知道的，這不過是一個相加。

測試：

 

卡爾曼濾波——17.高斯移動