计算机视觉与深度学习 | 几种常见的卡尔曼滤波算法理论
生活随笔
收集整理的這篇文章主要介紹了
计算机视觉与深度学习 | 几种常见的卡尔曼滤波算法理论
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
================================================
博主github:https://github.com/MichaelBeechan
博主CSDN:https://blog.csdn.net/u011344545
================================================
卡爾曼濾波發(fā)散的原因
- 如果卡爾曼濾波是穩(wěn)定的,隨著濾波的推進(jìn),卡爾曼濾波估計(jì)的精度應(yīng)該越來越高,濾波誤差方差陣也應(yīng)趨于穩(wěn)定值或有界值。但在實(shí)際應(yīng)用中,隨著量測值數(shù)目的增加,由于估計(jì)誤差的均值和估計(jì)誤差協(xié)方差可能越來越大,使濾波逐漸失去準(zhǔn)確估計(jì)的作用,這種現(xiàn)象稱為卡爾曼濾波發(fā)散。
引起濾波器發(fā)散的主要原因有兩點(diǎn)?
總結(jié)
以上是生活随笔為你收集整理的计算机视觉与深度学习 | 几种常见的卡尔曼滤波算法理论的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 计算机视觉与深度学习 | SLAM综述(
- 下一篇: 毕业论文 | 基于单片机的多功能智能小车