链接卡尔曼滤波器

我的团队正在构建一个机器人，可以在室外环境中自主导航。最近，我们获得了一个新的集成式IMU / GPS传感器，该传感器显然在芯片上进行了一些扩展的卡尔曼滤波。它给出了俯仰，滚动和偏航，北，东和下速度以及纬度和经度。

但是，我们的车轮上还装有一些编码器，它们可提供线性和角速度。在获得这种新型IMU / GPS传感器之前，我们使用编码器和其他一些低成本传感器制作了自己的EKF来评估状态。我们不仅要使用这种新传感器的片上滤波器，而且还要将我们的编码器结合到一起。

链接过滤器有什么问题吗？我的意思是，我们将使用IMU / GPS传感器的片上EKF的输出作为对自己EKF的更新，就像我们使用从编码器读取的数据作为对EKF的更新一样。对我来说似乎很合理，但是我想知道在这种情况下通常应该做什么。

您可以使用INS / GPS作为第一个EKF输出的更新。实际上，这不是链接，而只是根据来自INS / GPS的附加信息来调节估算值。

假设我们具有以下功能：

$x_{t+1|t}$$P_{t+1|t}$$x_t$$P_t$$u_t$$x$$P$$u_t$

和

$x_{t+1|t+1}$$P_{t+1|t+1}$$x_{t+1|t}$$P_{t+1|t}$$\hat{x}_{t+1}$

$\hat{x}_{t+1}$

$\hat{x}^{gps}_{t+1} = f(GPS)$

$\hat{x}^{map}_{t+1} = f(map)$

$\hat{x}^{ins}_{t+1} = f(INS)$

等所有其他估算机器人状态的方式。因此，为所有这些传感器运行功能EKF_UPDATE就足够了。

您的循环将如下所示：

$t$

• $u_t$$R_u$

• $x_{t+1|t}$$P_{t+1|t}$$x_t$$P_t$$u_t$$R_u$

• $S$

  • $\hat{x}^{S}_{t+1}$$R_{S}$

  • $x_{t+1|t+1}$$P_{t+1|t+1}$$x_{t+1|t}$$P_{t+1|t}$$\hat{x}_{t+1}, R_S$

  • 结束于

• 结束于

一些警告：

• 由于我们使用的是EKF，因此无法保证估算结果与更新顺序无关。也就是说，如果先进行INS再进行GPS，则结果估计可能与如果先进行GPS然后进行INS更新的结果有所不同。通常这没什么大不了的，但是滤波器将需要更多的调整。

• 请注意，您的INS会有偏差和漂移，这可能会影响您的长期可靠性。GPS 在这里可以为您提供很多帮助。大多数文献同时估计了INS中的偏差和漂移。