2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF

目录
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第1张图片

1. 证明题

证明:若某个高斯随机变量为零均值,协方差为对角线矩阵且大小相同(各向同性),那么在乘任意旋转矩阵以后,其均值仍为零,且协方差不变;
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第2张图片

2. 代码实现运动方程将F矩阵拆开实现各状态变量的更新

在运动过程代码中,将矩阵拆开,分别为每种状态变量实现运动方程。请给出公式和代码实现的说明
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第3张图片
代码实现:
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第4张图片

3. 左乘模型下的ESKF推导

3.1 误差状态运动学推导


3.2 误差状态的运动方程及噪声方程

3.3 GNSS观测方程(左乘模型下)

2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第5张图片

3.4 重置误差状态,推导最优估计点处的协方差矩阵

3.5 以上过程代码实现

2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第6张图片
在这里插入图片描述
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第7张图片
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第8张图片
GNSS+IMU融合
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第9张图片
GNSS+INS+ODOM
2.【自动驾驶与机器人中的SLAM技术】左乘模型推导ESKF_第10张图片

你可能感兴趣的:(SLAM学习,自动驾驶,机器人,人工智能)