无人驾驶算法学习：多传感器融合MSF算法 - CSDN文库

39 浏览量更新于2023-05-03 收藏 602KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

无人驾驶算法学习：多传感器融合无人驾驶算法学习：多传感器融合MSF算法算法

1.引言

本文的多传感器融合是建立在读懂《Quaternion kinematics for the error-state Kalman ?lter》基础上的，是一种相机和IMU融

合的理论，里面讲解了IMU的误差状态运动方程构建。误差状态四元数，是有开源的程序的，但是它是集成在rtslam里面的，

不方便提取出来使用。

但还有另外一个开源的程序，ETH的MSF，可以比较方便地用在自己的工程里面，并且它的理论与误差状态四元数很接近，

稍微有点不同，所以MSF开源程序就成了一个不错的选择。

所以本人研究了ETH的两篇文章：《Vision Based Navigation for Micro Helicopters》和《A Robust and Modular Multi-

Sensor Fusion Approach Applied to MAV Navigation》

其核心就是扩展卡尔曼滤波EKF，本人把MSF的核心代码阅读了一遍，推导了论文中的算法，并最后做了实验。

2. 算法理论

MSF关键点：

我们使用IMU含噪声的测量值和bias去计算估计状态量X。并且没有考虑测量值的噪声项和扰动，从而产生了误差。我们把所

有不确定性引来的误差放在误差变量δx中考虑，并推导了误差状态运动模型，以此求解Fd状态转移矩阵和P过程协方差矩阵

利用其它来源的数据如GPS,视觉等来作为矫正（使误差可观）。通过估计状态量X计算Hj，利用观测量和估计量计算残差，最

后计算K，来更新P和误差变量δx，最后更新状态量X。

2.1 MSF基本模型

基本模型如下图所示。MSF的可扩展性很好，程序里可以接入新的传感器，比如GPS，激光雷达，码盘。

下图是msf的原理示意图：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

weixin_38610573

粉丝: 3
资源: 919

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈