INS_Kalman_Filter_Alignment_and_Inertial_Navigation_Calculation

Matlab建立汽车模型代码无味卡尔曼滤波器项目作者：克里斯·冈德林，自动驾驶汽车工程师。项目依赖：cmake >= 3.5, make >= 4.1, gcc/g++ >= 5.4。基本构建说明：克隆这个repo，在构建目录编译：cmake .. && make，然后运行：./UnscentedKF path/to/input.txt path/to/output.txt。您可以在data/目录中找到一些示例输入。例如：./UnscentedKF ../data/sample-laser-radar-measurement-data-1.txt output.txt。该项目提供了两个不同的行人跟踪数据集，包含激光和雷达测量。目标是创建一个无迹卡尔曼滤波器，使用CTRV运动模型预测行人位置，并融合来自激光和雷达测量的数据以更新位置。过滤器的跟踪路径、RMSE与地面实况的比较以及NIS一致性将在后续部分展示。我创建了一个Matlab脚本（./data/PlottingTool_UKF3.m）来可视化结果。结果表明，与实际数据的比较效果良好。

卡尔曼平滑滤波器代码：dynfactorR的重启 卡尔曼·克劳迪的代码用于动态因子模型的估计，目前宏观经济学中的大多数因子模型仅支持Matlab。该存储库包含用R重写的模型的小样本，尽管状态空间模型（动态因子模型的子集）在R的多个包中已可用（如MARSS），但出于速度和可理解性，在R中使用它是有益的。 最初，该代码是从Doz、Gianone和Reichlin (2011)的复制文件逐行重写而来。其目标是重构代码以提升可读性和可维护性，同时在数据丢失的情况下增加估计选项。完成后，计划将其打包成一个简单的R库。虽然原链接已不可用，Matlab复制文件仍然可以使用。 当前状态显示，只要q <= r且矩阵求逆保持稳定，开发分支可以支持任意的q、r和p。虽然尚未进行广泛的数值测试以确保正确性，但在Octave上对示例数据的原始代码进行了测试，结果相符，因此具有希望。当q != r时，原始代码似乎失效，需进一步调查。em_functions.R文件包含了相关功能。

Enhanced MATLAB Code for Unscented Kalman Filter Project: UKF 在无人驾驶汽车工程师纳米学位课程的项目中，UKF（无味卡尔曼滤波器）提供了一种更为优越的解决非线性问题的方法，相比之下，传统的扩展卡尔曼滤波器（EKF）存在一定的局限性。 UKF 的优势在于，它能够以平滑的速度估计周围动态对象的状态，即使噪声测量数据不断变化，也可以作为输入实现无延迟的估计结果。此外，UKF 可以借助无法直接观察的传感器数据，估算其他车辆的方向和偏航率。 在本项目中，通过无味卡尔曼滤波器，利用声呐和雷达测量来估算感兴趣运动物体的状态。项目的目标是实现 RMSE 值低于课程中规定的容差范围，项目包含一个可下载的 Term 2 模拟器。该项目的 GitHub 存储库包含必要的文件，便于在 Linux 或 Mac 系统上设置和安装，Windows 用户可以借助 Docker、VMware 或其他工具进行安装。 UKF 项目特点：- 协方差矩阵评估精度： UKF 提供了对每个估计结果的协方差矩阵，保证了结果的精度和一致性。- 多传感器数据整合：支持声呐和雷达数据的联合使用，有助于提高对象状态估计的准确性。- 跨平台支持：提供适用于不同系统的安装指南，确保项目在各种操作环境下的流畅运行。 参考：请访问 EKF 项目课程的 uWebSocketIO 入门页面，获取适用于您的系统的版本信息和安装说明。

本内容包括平方根容积卡尔曼滤波（CKF），无迹卡尔曼滤波（UKF），扩展卡尔曼滤波（EKF）的MATLAB仿真程序。详细展示了这三种滤波器的工作原理、优缺点，并提供了对应的仿真代码，帮助读者深入理解不同类型卡尔曼滤波器的应用。通过实际编程，用户可以掌握如何实现和比较这些滤波器在动态系统中的表现。

Matlab R2012b代码按组成对齐，这是WACV 2019中出现的多线程MATLAB和C++实现。我们提出了一种无监督的方法，在描述同一对象类别的不同实例的图像之间建立密集的语义对应。我们认为对齐本质上是组成性的，需要在图像之间检测类似的视觉概念。使用对象性、显着性和视觉相似性提示以自上而下的方式共同定位整体前景对象的区域。联合最大化视觉相似性并限制几何变形，然后由源前景对象的子区域组成目标前景对象。所得的合成物用于形成致密的运动场，从而实现对准。在多个基准数据集上的实验结果证明了该方法的有效性。要求Linux平台上的MATLAB R2012b或更高版本，以及GNU gcc 4.9.0或更高版本，以支持OpenMP。下载并编译外部源依赖项，检查“外部”文件夹，提供了空的子文件夹以放置依赖项。检查“数据集”文件夹，提供空的子文件夹以存放每个数据集的图像。

在这个项目中，使用卡尔曼滤波器估算感兴趣的运动对象状态，并使用嘈杂的激光雷达和雷达测量。 Udacity提供的模拟器（可下载）生成嘈杂的RADAR和LIDAR测量对象的位置和速度，扩展卡尔曼滤波器必须融合这些测量值以预测对象位置。存储库包含两个文件，用于Linux或Mac系统安装。对于Windows，可以使用Docker，VMware或安装uWebSocketIO。执行指定操作构建和运行主程序。

这是用于计算图片的能量的MATLAB源代码，可以直接在MATLAB中修改文件目录参数进行输出，欢迎大家交流。

此文档详细介绍 INS/GPS 组合定位中扩展卡尔曼滤波 (EKF) 的递推过程，包括状态方程、观测方差及其线性化。

介绍了详细的INS/GPS组合导航程序，涵盖了卡尔曼滤波和初始化条件。