admin

출처 : http://msnayana.blog.me/80106682874 루프만 칼만이 1960년대초 개발한 필터로  컴퓨터비젼,로봇, 로켓, 위성, 미사일, 제어분야에 많이 이용되는 알고리즘인데 이것을  GPS,주식, 날씨예측, 인구예측같은 부분에도 이용을 하고 있다~~  미래를 위해 좀 정리해보자^^..   칼만필터는 과거의 측정데이타(기존에 알고있던것)와  새로운 측정데이타를 사용하여   데이터에 포함된 노이즈를 제거시켜   새로운 결과를 추정(estmate)하는데 사용하는 알고리즘으로   선형적움직임을 가지는 대상을 재귀적적용으로 동작시킨다. 칼만필터는 1960년대에 아폴로 우주선의 달 여행시에 처음 적용되었다는데  현재는 다양한 종류의 칼만필터가 개발되어 있다.

출처 : http://blog.naver.com/chogaehwan/220773857547   캬하 드디어 했다.   unscented 칼만 필터…뭐라고 설명해야 할까..?     EKF는 비선형을 예측값이나 직전값에서 선형화하여 칼만필터를 이용하였다. 하지만 UKF는 직전 추정값 근처 2n+1개의 샘플들을 추출하여 각각 가중치를 두어 추정값과 측정값을 예측한다. 각값에는 평균과 분산이 있게 된다. 그 값들로 추정치와 오차 공분산을 계산해내는 것이다. 확률 칼만 필터라고 보면 오히려 이해가 가기 쉬울 것

출처 : http://blog.naver.com/chogaehwan/220771221809 확장칼만필터로 레이다추적 측정값이 바로 물체까지의 거리이다. 이것을 갖고 고도와 직선방향거리, 속도를 추정해보는 것을 해보자 물체까지의 거리가 비선형인 케이스     거리는 이 코드의 매트랩function을 통해 받는다.   이렇게 모델링 생각보다 간단하게 됐네… 결과는 좋다.. 주요한건 역시 H를 저런 식으로 구해야 한다는 것이다. 예측값에서의 선형화를 통해 저렇게 구한다.. 선형시스템에서는 H가 측정값과 state와의 관계를 나타내는

http://cafe.naver.com/wookongm/81015 https://youtu.be/_yLRGF5_4XU

출처 : http://hyongdoc.tistory.com/51 PID 이해를 위해 가장 중요한 것은, 바로 오차의 개념이다. 오차란? 말 그대로 오차다. 위에서 예를 들었듯이 만약 드론이 지금 수평상태로 있는데 내가 10도 기울이란 명령을 줬다고 하자. 그렇다면 지금 오차는 바로 10도가 되는 것이다. 시간이 흘러 드론이 11도까지 왔다면 오차는 -1도가 되는 식이다. 자, 본격적으로 설명하기에 앞서 오차를 어떻게 극복하는지 좀더 구체적으로