최적 추정 썸네일형 리스트형 [칼만필터] 4. 최적 상태 추정 알고리즘(칼만필터 알고리즘) Understanding Kalman Filters, Part 4: Optimal State Estimator Algorithm 자율주행 차량의 위치 추정 예제에서, 우리는 single-state(position) 시스템에 대해 위 그림과 같이 모델링하였다. 앞의 포스팅에서, 우리는 최적 비편향 추정을 할 수 있는 칼만필터를 통해 차량의 위치를 최소의 분산 값과 함께 추정할 수 있다고 했다. 최적 추정은 예측 확률 분포와 측정 확률 분포를 이용해 구할 수 있다. 이 두 확률 밀도 함수(pdf)의 곱은 다음과 같은 이산 칼만필터의 식(discrete kalman filter)과 연관된다. 이전 포스팅의 상태 관측기(state observer)의 식과 비교해보자. 칼만필터는상태 관측기의 한 종류이며, 확률론.. 더보기 [칼만필터] 1. 칼만필터란 무엇인가? Understanding Kalman Filters, Part 1: Why Use Kalman Filters? 칼만필터 칼만필터는 최적 추정 알고리즘이다 ###예시1 지구에서 달으로 가기 위해 로켓 엔진의 내부 온도를 실시간으로 추정하고자 한다. 문제는 엔진 내부에 센서를 부착하면 높은 온도로 인해 녹는다는 것이다. 따라서, 센서는 엔진 표면에만 부착 가능하다. 우리는 칼만필터를 통해 우리가 측정 가능한 데이터로부터 측정 불가능한 데이터을 추정할 수 있다. ###예시2 차량의 실시간 위치를 알기 위해 사용되는 내장(on-board) 센서로는 대표적인 3가지가 있다. IMU는 관성 센서를 이용하여 차량의 가속도와 각속도를 측정한다. Odometer은 차량의 상대적 위치를 제공한다. GPS 수신기는 차량의 .. 더보기 이전 1 다음
