He usado filtros Kalman para varias cosas en el pasado, pero ahora estoy interesado en usar uno para rastrear la posición, la velocidad y la aceleración en el contexto del seguimiento de la posición para aplicaciones de teléfonos inteligentes. Me parece que este debería ser un ejemplo de libro de texto de un simple filtro lineal de Kalman, pero parece que no puedo encontrar ningún enlace en línea que discuta esto. Puedo pensar en varias formas de hacer esto, pero en lugar de investigarlo desde cero, tal vez alguien aquí pueda señalarme en la dirección correcta:
- ¿Alguien sabe la mejor manera de configurar este sistema? Por ejemplo, dada la historia reciente de las observaciones de posición, ¿cuál es la mejor manera de predecir el siguiente punto en el espacio de estado del filtro de Kalman? ¿Cuáles son las ventajas y desventajas de incluir la aceleración en el espacio de estado? Si todas las mediciones son de posición, entonces, si la velocidad y la aceleración están en el espacio de estado, ¿puede el sistema volverse inestable? Etc ...
- Alternativamente, ¿alguien sabe de una buena referencia para esta aplicación de filtros Kalman?
kalman-filters
Estocástico
fuente
fuente
Respuestas:
Este es el mejor que conozco
Derivación completa con explicación
Kalman
Este es un buen recurso para aprender sobre el filtro de Kalman. Si le preocupa más que la aplicación de teléfono inteligente funcione, le sugiero que busque una implementación preexistente del filtro Kalman. ¿Por qué reinventar la rueda? Por ejemplo, si está desarrollando para Android, OpenCV tiene una implementación del filtro Kalman. Ver Android OpenCV
Bradski y Kaehler es un buen recurso sobre el procesamiento de imágenes en general e incluye una sección sobre el filtro de Kalman que incluye ejemplos de código.
fuente