基于学习的含噪声测量和未知陀螺偏差的姿态估计
最优化与控制
2025-01-15 v2
摘要
本文介绍了一种基于学习的数据驱动姿态估计器，称为回顾成本姿态估计器（RCAE），用于SO(3)姿态表示。RCAE的动机来自乘法扩展卡尔曼滤波器（MEKF）。然而，与需要计算雅可比矩阵来计算校正信号的MEKF不同，RCAC使用仅依赖于测量数据的回顾成本优化。此外，由于校正信号的结构，RCAE不需要显式估计陀螺偏差。通过数值模拟和物理实验验证了RCAE的性能，并与MEKF进行了比较。
引用
@article{arxiv.2401.13092,
title = {Learning-based Attitude Estimation with Noisy Measurements and Unknown Gyro Bias},
author = {Parham Oveissi and Mohammad Mirtaba and Ankit Goel},
journal= {arXiv preprint arXiv:2401.13092},
year = {2025}
}