4

timestamp, latitude, longitude, n_sats, gps_speed, gps_direction, ...それぞれに: ( NMEAデータのサブセット）を含む一連のgps値があります。方向と速度の値がどのような品質かわかりません。さらに、シーケンスがタイムスタンプに対して等間隔になることは期待できません。均等なタイムステップでスムーズな弾道を実現したい。

カルマンフィルターはそのようなタスクに最適なツールであることを読みました。これは確かに本当ですか？

Python用のカルマンフィルターのいくつかの実装を見つけました：

ただし、これらは等間隔のデータ、つまり反復を想定しているように見えます。不規則な間隔の観測のサポートを統合するには何が必要ですか？

私が想像できることの1つは、予測ステップを時間ベースのモデルに繰り返す/適応させることです。このアプリケーションにそのようなモデルをお勧めできますか？NMEAの速度値を考慮する必要がありますか？

4

2 に答える 2

1

また、キネマティック補間を試して、結果が期待どおりかどうかを確認することもできます。

これらのアルゴリズムの 1 つの Python 実装を次に示します: https://gist.github.com/talespaiva/128980e3608f9bc5083b

于 2016-02-15T16:11:35.610 に答える
1

カルマンフィルターに関するわかりやすいリソースを探したので、これを強くお勧めします: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python

不規則な間隔の観察に関する特定の質問: 上記のリファレンスの第 8 章の「非定常プロセス」という見出しの下を見てください。要約すると、反復ごとに異なる状態遷移関数とプロセス ノイズ共分散を使用する必要があります。これらはデルタ t に依存する唯一のコンポーネントであるため、反復ごとに変更する必要があるのはこれらだけです。

于 2016-02-04T14:32:40.320 に答える