J'ai utilisé des filtres Kalman pour diverses choses dans le passé, mais je suis maintenant intéressé à en utiliser un pour suivre la position, la vitesse et l'accélération dans le contexte de la position de suivi pour les applications de smartphone. Il me semble que cela devrait être un exemple de manuel d'un simple filtre de Kalman linéaire, mais je n'arrive pas à trouver de liens en ligne qui en parlent. Je peux penser à différentes façons de le faire, mais plutôt que de le rechercher à partir de zéro, peut-être que quelqu'un ici peut me diriger dans la bonne direction:
- Quelqu'un connaît-il la meilleure façon de mettre en place ce système? Par exemple, compte tenu de l'histoire récente des observations de position, quelle est la meilleure façon de prédire le prochain point dans l'espace d'état du filtre de Kalman? Quels sont les avantages et les inconvénients d'inclure l'accélération dans l'espace d'état? Si toutes les mesures sont en position, alors si la vitesse et l'accélération sont dans l'espace d'état, le système peut-il devenir instable? Etc ...
- Alternativement, quelqu'un connaît-il une bonne référence pour cette application de filtres Kalman?
kalman-filters
Stochastiquement
la source
la source
Réponses:
C'est le meilleur que je connaisse
Dérivation complète avec explication
Kalman
Ceci est une bonne ressource pour en savoir plus sur le filtre de Kalman. Si vous êtes plus soucieux de faire fonctionner l'application pour smartphone, je vous suggère de rechercher une implémentation préexistante du filtre Kalman. Pourquoi réinventer la roue? Par exemple, si vous développez pour Android, openCV a une implémentation du filtre Kalman. Voir Android OpenCV
Bradski et Kaehler est une bonne ressource sur le traitement d'image en général et comprend une section sur le filtre de Kalman comprenant des exemples de code.
la source