基于扩展卡尔曼滤波器机器人定位实现.pdfVIP

作业2–扩展卡尔曼滤波器

一个机器人根据以下学模型在环境中移动：

xVcos

yVsin

Vtan





L

假设我们能够直接测量其位置的x、y和，例如通过顶视头。然而，从下面的图表中可以看

出，这种测量非常嘈杂。

1.基于上述模型和dataEKF.m中的测量数据（可以从课程dataEKF.m），在

MATLAB中实现扩展卡尔曼滤波器（EKF）。此练习不要使用任何内置的MATLAB函数。实

现滤波器时使用以下值：（40分）

L=1;%前后轴之间的距离vel=3;%机器人以恒定速

度3m/s行驶phi=0.1;%机器人有恒定的转向角0.1弧度

2–ExtendedKalmanFilter

Arobotismovinginanenvironmentbasedonthefollowingkinematicmodel:

xVcos

yVsin

Vtan



L