1) compressed extended Kalman filter
压缩型扩展卡尔曼滤波
1.
The compressed extended Kalman filter(CEKF)-based algorithm for simultaneous localization and mapping(SLAM)has low efficiency on state augment and map management.
针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法)。
2) augmented extended Kalman filter(AEKF)
增广型扩展卡尔曼滤波
3) EKF
扩展卡尔曼滤波
1.
Estimation of Rotor Position and Velocity of Brushless DC Motor with an EKF Method;
用扩展卡尔曼滤波器估计无刷直流电机转子位置和转速
2.
Cooperative Multi-robot Localization Based on EKF;
基于扩展卡尔曼滤波的多机器人协作定位
3.
Integrated Navigation Algorithm Based on IMM-EKF
基于多模型扩展卡尔曼滤波的组合导航算法
4) extended kalman filter
扩展卡尔曼滤波
1.
Pipeline fluid monitoring and leak location based on hydraulic transient and extended kalman filter;
基于水力瞬变与扩展卡尔曼滤波的管道流体监测与泄漏定位
2.
Attitude estimation based on extended Kalman filter for a two-wheeled robot;
基于扩展卡尔曼滤波的两轮机器人姿态估计
3.
Application of extended Kalman filter in parameter identification of dynamic load model;
扩展卡尔曼滤波在动态负荷参数辨识中应用
5) extended kalman filtering
扩展卡尔曼滤波
1.
Relative attitude determination based on extended Kalman filtering(EKF) is presented.
针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法。
2.
It extracts and tracks feature point sets in the environment with single camera,and then calculates position and pose of the robot with measurement model and extended Kalman filtering.
利用单目摄像头提取和跟踪环境特征点集,进而根据观测模型利用扩展卡尔曼滤波算法估算出机器人的位姿。
3.
The effect of colored Kalman filtering is compared with extended Kalman filtering (EKF).
基于递推最小二乘法设计并实现海浪干扰力和干扰力矩的成型波滤器 ,对有色的次优卡尔曼滤波和扩展卡尔曼滤波 ( EKF)的效果进行对比。
6) Extended kalman filter(EKF)
扩展卡尔曼滤波
1.
In view of the problem that the linearization process of extended Kalman filter(EKF) can introduce some errors into the system,the unscented Kalman filter(UKF) was utilized to design the system.
针对扩展卡尔曼滤波(EKF)在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器(UKF)进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性。
2.
Then the robot poses and map information are updated synchronously with the help of extended Kalman filter(EKF).
该方法提取颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出路标位置,进而通过扩展卡尔曼滤波算法(EKF)同步更新机器人位置和地图信息。
3.
With the aim of solving the low positioning accuracy and low robustness problems of vision SLAM algorithm,Extended Kalman Filter(EKF) method based on binocular vision and odometer is proposed in this paper.
针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。
补充资料：压缩
压缩
contraction
压缩!阴。.比佣，c~j，压缩算子(contraCtingoperator.①ntractive operator) Hilbert空间H到Hilbert空间刀的一个有界线性映射T，满足升T}热1当H=11，时，个压缩算子T称为宇舍护尊的(con，pletely non一“ni‘a理)，指它在任何【补注】算子T的一个约化子空间(redudng sub-印ace)是一个闭子空间K，使得有一个余K‘，即H=K田K，，而K与K‘在T之下都不变，即T(K)C=K，T(K‘)C=K‘.非零的T约化子空间上不是一个酉算子.例如，单侧移位(对比于双侧移位，后者是酉的)是这样的算子联系于H上的每个压缩算子T，有唯一的到T约化子空间中的正交分解H=鱿〕①Hl，使得几二月。了.是酉的，T，=TI。是完全非酉的·了’一T。①不称为T的粤尽兮解(以noniol decomlx巧itlon). H上给定的压缩算子的一个膨胀(d ilation)是一作用于某个更大的比lbert空间K二HI二的有界算子B，使得T“二尸月“，。=1、2、…，这里P是K到H上的正交射影.巧lbert空间H中的每个压缩算子有在某个空间K“H上的酉膨胀U，此外，在如下的意义下它是极小的，K是毛U”H}众。的闭线性张成空间(sz6ke-falvi一Na罗宇浮(s Z6kefalvi一Na留‘heorem))·通过谱理论定义的极小酉膨胀及其函数，允许人们对于压缩箕子构造一种函数演算.这本质上已对开单位圆盘D中的有界解析函数(Ha吻空间H“、)做到了.定义完全非酉压缩算子T属于C。类，如果有一个函数u任H￡，。(泪幸0，使得u(T)二0.C。类包含于压缩算子T的C，类之中(指当n，美时，尹一。，厂陀一川.对每个C‘，类的压缩算子，有所谓俘性‘甲攀(m，n，ma‘爪nc‘，on)”了以)(尺}，是一个内函数u任H戈，在D中}u(劝}簇1，在D的边界上几乎处处有}州c“)}=l)使得m:.‘川二O并且川:(幻是所有其他的具有同样性质的内函数的因子‘一个压缩算子T的极小函数m:(劝在D中的零l奴集，再与沿弧其上m了(又)可作解析延拓的弧的并在单位圆周中的余集。起，与谱试钧相同.口、类压缩算一子极小函数的概念，允许人们把这类压缩算子的函数演算推广到D中某些亚纯函数. 不仅对于单个的压缩算子也对于离散的压缩算户半群{T”}(n二0，l，一)以及连续的压缩算子半群{j’(5)}(0毛s(刃)，己经得到了关于酉膨胀的定理. 如同对于二耗散算子(dissipatlve()详rator)，也对压缩算子，构造了一种特征算子值函数的理论及基l此的一个函数模型，由此可研究压缩算一F的构造及谱、极小函数与特征函数之间的关系(见}1]).由〔ayley变换 ，1一二(I+了’)(I丁)l任。;t了)一个压缩算子T与一个极大的增生算子」‘即A使得，A是一个极大的耗散算子)有关.在此基础上.可建扭对称算子成的耗散扩一张B。(相应地，保守算子:斌、的Philips耗散扩张i双，)的理论. 对压缩算子已发展了相似性，拟相似性及单胞性的理论，压缩算子的理论紧密相关于平稳随机过程的预报理论及散射理论.特别地，Lax一Phili详图式(!2])可看作CO。类压缩算子的S泌kefalvi一Nagy一价)ias理论的连续相似.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条