私は、慣性測定ユニット (IMU) と既知のランドマークのカメラ観測を使用して、その環境で自分自身をローカライズするロボット用のナビゲーション システムを実装しようとしています。これを行うために、間接フィードバック カルマン フィルター (別名エラー状態カルマン フィルター、ESKF) を選択しました。また、Extended KF である程度の成功を収めました。
私は多くのテキストを読みましたが、ESKF を実装するために使用している 2 つは、「エラー状態 KF の四元数運動学」と「IMU カメラ キャリブレーションのためのカルマン フィルター ベースのアルゴリズム」です (有料ウォールペーパー、Google 対応)。 . 最初のテキストは ESKF の構造をよりよく説明しているため、2 番目のテキストはビジョン測定モデルに関する詳細が含まれているため使用しています。私の質問では、最初のテキストの用語「公称状態」、「エラー状態」、および「真の状態」を使用します。これは、IMU インテグレーター、カルマン フィルター、および 2 つの構成 (公称マイナス誤差) を指します。
下の図は、Matlab/Simulink で実装された私の ESKF の構造を示しています。Simulink に慣れていない方のために、図について簡単に説明します。緑色のセクションは公称状態積分器、青色のセクションは ESKF、赤色のセクションは公称状態とエラー状態の合計です。「RT」ブロックは無視できる「レート遷移」です。
私の最初の質問:この構造は正しいですか?
2 番目の質問:測定モデルのエラー状態方程式はどのように導出されますか? 私の場合、2 番目のテキストの測定モデルを使用してみましたが、うまくいきませんでした。
敬具、