-
适用于自动驾驶汽车（AV）项目的无味卡尔曼滤波器（C++）的线性跟驰模型Matlab代码
资源介绍
线性跟驰模型的matlab代码无味卡尔曼过滤器项目
无人驾驶汽车工程师纳米学位课程
阿图尔·阿查里亚（Atul
Acharya）
结果
无味卡尔曼滤波器（UKF）是常规扩展卡尔曼滤波器（EKF）的扩展。
UKF允许使用非线性模型（与EKF不同，后者假定为恒定速度模型）。
UKF允许：
恒定转速和速度（CTRV）
恒定转速和加速度（CTRA）
恒定的转向角和速度（CSAV）
恒定曲率和加速度（CCA）
该项目在给定的数据集上假设CTRV运动模型。
为了处理非线性模型，UKF通过无味转换进行工作。
在Predict阶段，它首先生成Sigma点，对其进行扩充，然后预测平均状态向量和过程协方差矩阵。
在更新阶段，将sigma点转换为测量空间，然后基于传感器（雷达/激光雷达）的测量值应用更新，以获取状态向量和过程协方差矩阵的新值。
UKF项目的结果如下所示。
还显示了UKF参数，以及每个数据集的结果RMSE值。
选择UKF参数以在所需范围内优化RMSE。
在数据集1上，[px，py，vx，vy]值的RMSE值在所需的[0.09、0.09、0.65、0.65]范围内
在数据集2上，[px，py，v