作为开始，我知道如何从加速度计读数中获取位置。我有一些滤波器可以帮助消除噪声并使集成错误最小化。我也有纬度和经度的GPS读数。第一个问题是，在传感器融合过程中，如何使两个测量值兼容？ GPS的纬度和经度不会简单地与加速度计给出的位移相混合，那么所有这些的起点是什么？我应该从GPS读数中计算位移，还是应该假设开始的纬度和经度，然后在使用滤波器之前先用加速度计对其进行更新？可以插入新的读数值以获得两轮汽车的下一个估计位置。现在，我有两个输入来源。我应该如何将这两个合并在一起？滤波器将有两个输入，还是我应该找到一个能以某种方式从加速度计和GPS获得最佳估计值（平均值）的函数？我真的在这里迷路了。
你们有我可以用来学习的代码示例吗？确实很容易找到带有箭头的框，这些框带有指向数据流向的箭头，以及一些很长的方程式，这些方程式很快就会变得令人困惑，例如本文中介绍的那些文章： Material / Samba-Papierkorb / vorl2014_15 / SI / Terejanu_tutorialUKF.pdf（我对方程式没有任何问题，但是我从未见过这种实现的真实示例。非常感谢。
非常感谢。
#1 楼
我和我的硕士论文完全一样。基于波的成像（声纳和雷达）似乎太普遍了，以至于我阅读的所有论文都假设您知道基本概念，并且它们将展示一种先进的技术，或者他们着手从麦克斯韦方程组推导一切！就是说，我希望这会有所帮助。基本上，您需要进行两项测量：一项应在短期内真正准确，但从长期来看则易于出现积分误差/漂移（IMU加速度计读数）；而且从长远来看，它应该是非常准确的，但从短期（GPS）来说，它却是非常嘈杂的。结合两个测量。基本上：
$$
就是这样。 $ g $是一个介于0和1之间的值，它控制您在度量中施加的权重或“信任度”。 $ y_1 $是值得信赖的输入，而$ y_2 $是值得信赖的输入。在您的情况下，也许将IMU设为y1并将GPS设为y2尝试g = 0.9。请记住，在短期内（逐个样本）IMU集成应该更准确。
现在，您当然可以在之前或之后输出单独的测量值，或在两者之后进行过滤，但是首先仅对原始测量值进行尝试。
如果您真的很痛苦并且由于其他学者正在做的事情而迫切希望使用Kalman滤波器，那么本文（PDF）可能会有所帮助，因为它提供了对融合卡尔曼滤波器。我不会的，但是。如果您正在做的是切实可行的工作，那是工程，而作为工程师，我们希望通过任何手段获得高质量，可靠的结果！补充过滤器实际上就是我写的那一行，它超级容易调试，对处理器的要求最小，它直观，有效并且我提到容易调试吗？
尝试在线浏览“互补和卡尔曼滤波器”；我不是唯一的拥护者。
评论
$ \ begingroup $
在重新阅读有关单元的问题时，我将获得开始的纬度和经度，并通过IMU集成对其进行更新，尝试在这些单元中工作，尽管最终我认为这在技术上并不重要。一旦传感器融合工作，就可以尝试两种方法，然后看看哪种最适合您。
$ \ endgroup $
–卡盘
2015年9月16日下午0:28
评论
请看这本书的第5章。作者介绍如何融合多种测量amazon.ca/Mobile-Robotics-Mathematics-Models-Methods/dp/…我想知道您是否有机会试用补充过滤器。我提供的答案对您有帮助吗？
是的我尝试了免费的滤镜，但它的确奏效，但达不到我所需要的精度。我正在研究无味的卡尔曼滤波器，因为我相信我找到了这些凌乱方程的解决方案，并且我一直等到获得更可靠的结果后，才能发表自己的问题的答复和答案，以便其他人可以也有帮助。