加速度计偏差和陀螺仪偏见收敛
18视图(30天)
显示旧的评论
卡尔曼滤波器实现sythetic Visual-Inertial测距数据的例子
https://de.mathworks.com/help/fusion/ug/visual-inertial-odometry-using-synthetic-data.html
2018年matlab和matlab 2020 F矩阵和G矩阵产生相同的结果。
在模型中,我们考虑
和
加速度计的偏见和陀螺仪的偏见
之后卡尔曼滤波器应该收敛于一个常数偏差的一些时间和保持不变的轨迹。估计位置,速度和态度非常好。
我无法解释为什么
陀螺仪的偏见
收敛总是和
加速度计的偏见
没有达到一个恒定的值?谁能分享观点可能的解释?
0评论
答案(1)
瑞安齐射
2020年11月17日
嗨Ravindra,
我不确定如果你看R2020a或者R2020b例子,但对于R2020b来说,你所看到的加速度计偏差随每次更新自初始状态协方差被设置为一个较低的值。另一方面,陀螺仪偏见不同初以来的轨迹状态协方差被设置为一个较大的值。
看一下
helperInitialize
函数在R2020b版本的示例,您应该看到下面的代码:
%设置陀螺仪偏见和视觉里程计比例因子协方差
%大值对应于低的信心。
filt.StateCovariance(十12,十12)= 1 e6;
filt.StateCovariance(结束)= 2 e2;
您可以添加以下行来设置加速度计偏差协方差来获取一个情节类似于你对陀螺仪的偏见:
%设置加速度计偏差协方差为一个较大的值对应于低的信心。
filt.StateCovariance (13:15, 13:15) = 1 e6;
谢谢,
瑞安
1评论
瑞安齐射
2020年11月19日
嗨Ravindra,
在多个运行相同的加速度计偏差值,偏差状态只更新在更新阶段的过滤器,已输入的两个版本的示例相同。滤波器的预测阶段只有不断偏差同时增加状态协方差,看到
算法部分
的
insfilterErrorState
。
NoiseDensity和ConstantBias参数。模型中使用
insfilterErrorState
跟踪传感器测量和偏见比噪声生成模型是不同的
imuSensor
。你可能需要改变AccelerometerNoise AccelerometerBiasNoise NoiseDensity和ConstantBias值改变时,但数量取决于输入轨迹和包容你的错误。这
示例部分
有一个好的解释一些取向的过滤器,但可以适用于姿势估计过滤器。
谢谢,
瑞安