使用 cv::Matx 的轻量级卡尔曼滤波器库更多...

#include <rmvl/core/kalman.hpp>

类 KalmanFilterX< Tp, StateDim, MeasureDim > 继承关系图:

KalmanFilterX< Tp, StateDim, MeasureDim > 的协作图:

Public 成员函数
	KalmanFilterX ()
	构造新的 KalmanFilterX 对象更多...

void	init (const cv::Matx< Tp, StateDim, 1 > &state, Tp error)
	初始化状态以及对应的误差协方差矩阵（常数对角矩阵）更多...

void	init (const cv::Matx< Tp, StateDim, 1 > &state, const cv::Matx< Tp, StateDim, 1 > &error)
	初始化状态以及对应的误差协方差矩阵（对角矩阵）更多...

void	setA (const cv::Matx< Tp, StateDim, StateDim > &_A)
	设置状态转移矩阵 `A` 更多...

void	setH (const cv::Matx< Tp, MeasureDim, StateDim > &_H)
	设置观测转换矩阵 `H` 更多...

void	setR (const cv::Matx< Tp, MeasureDim, MeasureDim > &measure_err)
	设置测量噪声协方差矩阵 `R` 更多...

void	setQ (const cv::Matx< Tp, StateDim, StateDim > &process_err)
	设置过程噪声协方差矩阵 `Q` 更多...

void	setP (const cv::Matx< Tp, StateDim, StateDim > &state_err)
	设置状态误差协方差矩阵 `P` 更多...

auto	predict ()
	卡尔曼滤波的预测部分，包括状态向量的先验估计和误差协方差的先验估计更多...

auto	correct (const cv::Matx< Tp, MeasureDim, 1 > &measurement)
	卡尔曼滤波器的校正部分，包括卡尔曼增益 `K` 的计算、状态向量的后验估计和误差协方差的校正更多...

详细描述

template<typename Tp, uint16_t StateDim, uint16_t MeasureDim>
class KalmanFilterX< Tp, StateDim, MeasureDim >

使用 cv::Matx 的轻量级卡尔曼滤波器库

模板参数

Tp	数据类型
StateDim	状态向量的维度，类型是 `uint16_t`
MeasureDim	The 观测向量的维度，类型是 `uint16_t`

构造及析构函数说明

◆ KalmanFilterX()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

KalmanFilterX< Tp, StateDim, MeasureDim >::KalmanFilterX ( )

inline

构造新的 KalmanFilterX 对象

成员函数说明

◆ correct()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

auto KalmanFilterX< Tp, StateDim, MeasureDim >::correct ( const cv::Matx< Tp, MeasureDim, 1 > & measurement )

inline

卡尔曼滤波器的校正部分，包括卡尔曼增益 K 的计算、状态向量的后验估计和误差协方差的校正

参数

[in] measurement 观测向量

返回: 后验状态估计

◆ init() [1/2]

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::init	(	const cv::Matx< Tp, StateDim, 1 > &	state,
		const cv::Matx< Tp, StateDim, 1 > &	error
	)

inline

初始化状态以及对应的误差协方差矩阵（对角矩阵）

参数

[in]	state	初始化的状态向量
[in]	error	状态误差矩阵的对角线元素

函数调用图:

◆ init() [2/2]

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::init	(	const cv::Matx< Tp, StateDim, 1 > &	state,
		Tp	error
	)

inline

初始化状态以及对应的误差协方差矩阵（常数对角矩阵）

参数

[in]	state	初始化的状态向量
[in]	error	状态误差系数

函数调用图:

◆ predict()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

auto KalmanFilterX< Tp, StateDim, MeasureDim >::predict ( )

inline

卡尔曼滤波的预测部分，包括状态向量的先验估计和误差协方差的先验估计

返回: 先验状态估计

◆ setA()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::setA ( const cv::Matx< Tp, StateDim, StateDim > & _A )

inline

设置状态转移矩阵 A

注解

包含 x 方向位置、y 方向位置、x 方向速度和 y 方向速度的运动过程一般可以描述为

\[\left\{\begin{array}{rl}x_{n+1}&=&x_n+v_{x_n}t\\y_{n+1}&=&y_n+v_{y_n}t\\v_{x_{n+1}}&=& v_{x_n}\\v_{y_{n+1}}&=&v_{y_n}\end{array}\right.\]

Using the matrix formula denoted as

\[\begin{bmatrix}x_{n+1}\\y_{n+1}\\v_{x_{n+1}}\\v_{y_{n+1}}\end{bmatrix}= \begin{bmatrix}1&0&t&0\\0&1&0&t\\0&0&1&0\\0&0&0&1\end{bmatrix} \begin{bmatrix}x_n\\y_n\\v_{x_n}\\v_{y_n}\end{bmatrix}\]

Which is \(X_{n+1}=AX_n\). 在这条公式中，矩阵 \(A\) 被称为状态转移矩阵

参数

[in] _A 状态转移矩阵

◆ setH()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::setH ( const cv::Matx< Tp, MeasureDim, StateDim > & _H )

inline

设置观测转换矩阵 H

注解: 若状态向量包含以下内容： \([p, v, a]\) ，然而观测向量仅包含 \([p, v]\)，在这种情况下，需要使用一个观测转换矩阵 \(H_{2\times3}\)。在上述例子中克表示为
\[\begin{bmatrix}p\\v\end{bmatrix}=\begin{bmatrix}1&0&0\\0&1&0\end{bmatrix} \begin{bmatrix}p\\v\\a\end{bmatrix}\]

参数

[in] _H 观测转换矩阵

◆ setP()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::setP ( const cv::Matx< Tp, StateDim, StateDim > & state_err )

inline

设置状态误差协方差矩阵 P

参数

[in] state_err 状态误差协方差矩阵 P

◆ setQ()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::setQ ( const cv::Matx< Tp, StateDim, StateDim > & process_err )

inline

设置过程噪声协方差矩阵 Q

参数

[in] process_err 过程噪声协方差矩阵 Q

◆ setR()

template<typename Tp , uint16_t StateDim, uint16_t MeasureDim>

void KalmanFilterX< Tp, StateDim, MeasureDim >::setR ( const cv::Matx< Tp, MeasureDim, MeasureDim > & measure_err )

inline

设置测量噪声协方差矩阵 R

参数

[in] measure_err 测量噪声协方差矩阵 R

该类的文档由以下文件生成:

rmvl/core/kalman.hpp

Public 成员函数

详细描述

template<typename Tp, uint16_t StateDim, uint16_t MeasureDim> class KalmanFilterX< Tp, StateDim, MeasureDim >

构造及析构函数说明

◆ KalmanFilterX()

成员函数说明

◆ correct()

◆ init() [1/2]

◆ init() [2/2]

◆ predict()

◆ setA()

◆ setH()

◆ setP()

◆ setQ()

◆ setR()

template<typename Tp, uint16_t StateDim, uint16_t MeasureDim>
class KalmanFilterX< Tp, StateDim, MeasureDim >