Decidir sobre la covarianza para un filtro de Kalman matrices

Question

Estoy empezando a explorar el uso de la probabilidad en mis aplicaciones de robótica. Mi objetivo es progresar a SLAM completo, pero estoy empezando con un filtro de Kalman más simple para abrirme camino.

Estoy usando el filtro de Kalman ampliado, con estado como [X, Y, Theta]. Utilizo la entrada de control [Distancia, Vector], y tengo una matriz de 76 rangos de láser [Distancia, Theta] como mi entrada de medición.

Tengo problemas para saber cómo decidir sobre la covarianza que utilizará en mi función gaussiana. Debido a que mis medidas son inciertas (el láser tiene aproximadamente 1 cm de precisión en < 1 metro, pero puede tener hasta 5 cm de precisión en rangos superiores) no sé cómo crear la 'función' para estimar la probabilidad de esto. Sé que se supone que esta función debe "linealizarse" para ser utilizada, pero no estoy seguro de cómo hacerlo.

Estoy razonablemente seguro de cómo decidir sobre la función de mi estado gaussiano, estoy contento de utilizar una media vieja simple = 0, varianza = 1 en esto .. Esto debería funcionar no? Agradecería la ayuda de personas que entienden Kalman Filters, porque creo que me estoy perdiendo algo.

Answer 1

This papel podría ser un buen punto de partida para usted, pero puede optar por modificar manualmente los valores. Eso es probablemente lo suficientemente bueno para su aplicación.

Answer 2

Para su escáner láser, utilice una variación en la distancia de 5 cm. La precisión de 1 cm por debajo de 1 m es solo una mala suerte. Theta es probablemente muy preciso, ya que esto no cambia, ¿verdad? Si es así, tome una variación en la de 1 °. Asumir independencia (co-varianza es 0).