会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

目标跟踪系列——卡尔曼滤波

计算机视觉中的目标跟踪任务，最经典也最常用的一种算法就是卡尔曼滤波，究竟卡尔曼滤波是如何解决目标跟踪问题？本文我们从卡尔曼滤波的基本原理发出，走进算法内部的参数调优，最后用一个C++实现的车辆目标跟踪实例来分析此类目标跟踪算法的问题所在，以及优化方向。

  • 2022-01-12
  • 阅读88
  • 下载0
  • 9页
  • docx

一文图解卡尔曼滤波（KalmanFilter）

Kalman Filter 算法，是一种递推预测滤波算法，算法中涉及到滤波，也涉及到对下一时刻数据的预测。Kalman Filter 由一系列递归数学公式描述。它提供了一种高效可计算的方法来估计过程的状态，并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大：它可以估计信号的过去和当前状态，甚至能估计将来的状态，即使并不知道模型的确切性质。

  • 2022-01-11
  • 阅读82
  • 下载0
  • 23页
  • docx

如何用卡尔曼滤波来做机器人目标追踪？

滤波，简要来说就是如何过滤掉收到干扰的信号。卡尔曼滤波所做的是从一堆观测数据中，去估计出真实数据样子。举一个简单的例子，就说机器人的目标追踪。人感知这个世界靠的是眼睛，机器人感知这个世界靠的是传感器。机器人通过传感器测量物体位置的时候，传感器可能带来测量误差。例如，之前的文章 如何使用高斯分布、高斯混合模型对机器人误差进行建模，我们很有可能由于遮挡、模型的精度不够导致我们测量的小球中心的位置会有些许误差。

  • 2022-01-12
  • 阅读93
  • 下载0
  • 9页
  • docx

基于交叉几何和实测速度的转向车辆轨迹预测

众所周知，城市道路交叉口是交通事故的常发地，了解交叉路口的动态交通情况对于研究如何防止交通事故非常有必要。当自动驾驶车辆穿过交叉路口时，预测即将到来的其他车辆的轨迹是ADAS的要求。在本文中，我们提出了一种城市交叉路口转弯车辆轨迹预测方法。转弯机动车辆的轨迹预测比直行机动车辆更困难，因为转弯车辆在接近交叉路口时减速并且在离开交叉路口时加速。此外，速度的变化取决于诸如交叉角、拐角半径之类的因素。我们的方法生成了一种新的轨道预测所需的速度模型，该模型考虑了交叉口几何形状和其他车辆的观测速度。具体而言，我们假设人行横道附近的速度变得极小，并通过拟合过去的顺序速度和估计的最小速度到三次函数来计算速度模型。我们的方法的优点是能够预测在任何交点和任何位置的轨迹。该方法在实际交通场景中的预测性能优于其他方法。

  • 2022-01-11
  • 阅读106
  • 下载0
  • 16页
  • docx

同时定位与地图创建综述

SLAM包含两个主要任务，定位和建图。这是移动机器人自主完成作业任务需要解决的基本问题，特别是在未知环境的情况下，移动机器人既要确定自身在环境中的位姿，又要根据确定的位姿来创建所处环境的地图，这是一个相辅相成、不断迭代的过程。因此，SLAM问题是一个复杂的耦合问题，也可以被看作是先有鸡还是鸡蛋的问题[1]。

  • 2022-01-12
  • 阅读87
  • 下载0
  • 8页
  • docx

自动驾驶感知融合-卡尔曼及扩展卡尔曼滤波（Lidar&Radar）

卡尔曼滤波是自动驾驶领域最常用的数据最优估计算法。人们对它的第一印象往往是它那复杂的线性代数表达式。本文将介绍卡尔曼滤波及其变种扩展卡尔曼滤波的数学原理及代码实现，帮助初学者熟悉和掌握卡尔曼滤波。在实际项目中我们会融合激光雷达和毫米波雷达的测量数据，从而精确地追踪目标的位置和速度。

  • 2022-01-11
  • 阅读96
  • 下载0
  • 21页
  • docx

水下机动目标跟踪技术

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法，这些方法实现比较复杂，滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等，需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果，得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展，回顾了机动目标跟踪和多目标数据互联算法。研究表明，非卡尔曼滤波算法能够更高精度地跟踪水下目标，双多基地声纳是今后发展的重点。为今后的研究提供参考。

  • 2022-01-12
  • 阅读103
  • 下载0
  • 9页
  • docx

卡尔曼滤波的原理

说起Kalman滤波器的历史，最早要追溯到17世纪，Roger Cotes开始研究最小均方问题。但由于缺少实际案例的支撑（那个时候哪来那么多雷达啊啥的这些信号啊），Cotes的研究让人看着显得很模糊，因此在估计理论的发展中影响很小。17世纪中叶，最小均方估计（Least squares Estimation）理论逐步完善，Tobias Mayer在1750年将其用于月球运动的估计，Leonard Euler在1749年、Pierre Laplace在1787分别用于木星和土星的运动估计。Roger Boscovich在1755用最小均方估计地球的大小。

  • 2022-01-12
  • 阅读90
  • 下载0
  • 11页
  • docx