我开始探索在机器人应用程序中使用概率的问题。我的目标是逐步达到完整的SLAM，但我将从一个更简单的卡尔曼滤波器开始逐步发展。
我正在使用状态为[X，Y，Theta]的扩展卡尔曼滤波器。我使用控制输入[Distance，Vector]，并且有76个激光范围[Distance，Theta]的阵列作为我的测量输入。
我不知道如何决定要在我的高斯函数中使用的协方差。由于我的测量结果不确定(激光在<1米处大约为1厘米，但在更高的范围内可以达到5厘米)，我不知道如何创建“函数”来估计这种可能性。我知道该功能应该“线性化”使用，但是我不确定该如何进行。
我对如何确定状态高斯函数有相当的信心，我很乐意对此使用普通的均值= 0，方差=1。这应该行不通吗？理解卡尔曼滤波器的人员会为我提供一些帮助，因为我认为我可能会遗漏一些东西。
最佳答案
This纸对您来说可能是一个很好的起点，但是您可以选择手动调整这些值。这对于您的应用程序可能已经足够了。
关于math - 确定卡尔曼滤波器矩阵的协方差，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3636814/