扩展卡尔曼滤波器用于扩展物体跟踪(Matlab代码实现)

发布网友发布时间：2024-10-23 20:57

共1个回答

热心网友时间：2024-11-08 07:23

本文提出了一种扩展卡尔曼滤波器方法，用于基于不同数量的空间分布测量追踪扩展物体的椭圆形状。通过设计非线性测量方程，将运动学和形状参数与测量关联起来，并引入乘性噪声项。基于此方程，推导出闭合形式的递归测量更新扩展卡尔曼滤波器（EKF）。这种方法适合扩展物体跟踪，尤其是在传感器噪声高且每次扫描的测量少的情况下。相比点目标跟踪，扩展物体跟踪在应用中更为重要，如自动驾驶。最近研究概览见[1]、[2]。常用的近似方法包括随机矩阵方法[3]-[6]和随机超表面模型（RHM）[7]-[9]。然而，本文利用测量方程中的乘性噪声项来模拟测量空间分布。通过构建伪测量来使用线性估计器估计形状。我们之前的工作[10]、[11]已经开发了能够估计任意对齐椭圆参数的二阶扩展卡尔曼滤波器（SOEKF）[12]、[13]。尽管SOEKF在[11]中应用于轴对齐的椭圆，但我们的方法能够处理任意对齐的椭圆。然而，SOEKF需要计算多个海森矩阵，计算量较大。