四旋翼飞行器的估计
机器人学
2018-09-05 v1 系统与控制
摘要
本文档描述了为 Udacity 飞行汽车课程编写的四旋翼飞行器滤波与估计的标准方法。我们假设读者具备概率论基础及部分线性代数知识，但不要求预先了解卡尔曼滤波或贝叶斯滤波。本文档推导了多种一维、二维和三维无人机模型的 EKF。我们采用 Thrun 等人 [13] 中定义的 EKF 与符号。我们还给出了贝叶斯滤波、EKF 和无迹卡尔曼滤波 [14] 的伪代码。撰写本文档的动机在于缺乏逐步推导四旋翼直升机 EKF 的教程。估计的目标是根据传感器的观测值与控制输入推断无人机状态（位姿、速度、加速度与偏置）。该问题具有挑战性，因为传感器存在噪声。此外，由于重量与成本限制，许多无人机机载计算能力有限，因此我们希望尽可能快地估计这些值。执行该任务的标准方法是扩展卡尔曼滤波，即卡尔曼滤波的非线性扩展，其在当前状态周围线性化非线性转移与测量模型。然而无迹卡尔曼滤波在几乎所有方面都更优：更易实现、估计更精确且运行时间相当。
引用
@article{arxiv.1809.00037,
title = {Estimation for Quadrotors},
author = {Stefanie Tellex and Andy Brown and Sergei Lupashin},
journal= {arXiv preprint arXiv:1809.00037},
year = {2018}
}