我正在致力于融合 GPS 和 IMU 传感器测量来计算 x 和 y 方向的位置。在此过程中,我无法弄清楚如何计算卡尔曼滤波的 Q 和 R 矩阵值。
一些实施细节
我正在从手机获取 IMU 和 GPS 传感器值。 我陷入了寻找计算正确 Q 和 R 矩阵值的方法的困境。
到目前为止,我正在使用常量值 Q = diag[0.001,0.001] 和 R = diag[2000000,4000000] (这看起来很奇怪)使用这些值我得到了一些融合的位置估计。当 R 值设置为较低值时,例如 [10,20],估计位置完全遵循 GPS 坐标,不会受到 IMU 传感器测量的影响。
我试图弄清楚为什么测量噪声矩阵的高值起作用,我假设因为我将 GPS 坐标从大地测量值转换为本地 NED 值,所以需要更高的值。但无论如何,我确信这不是正确的计算方法。
如果有人可以帮助我,那将非常有帮助。
谢谢你
(这是一条评论,但迫使我写一个答案)
正如您所发现的,在大多数情况下,R 与 Q 的比率决定了估计器的行为。您能分享卡尔曼滤波器时间更新方程、测量更新方程和采样时间吗?这些会说明 Q 和 R 的单位。
为了计算 Q,它取决于系统的动态和 GPS 或数据的准确性,如果系统的动态较慢且数据的准确性较高,则可以将 Q 设置得较低,如果系统的动态较快并且 GPS 的精度较低,您应该考虑增加 Q 并使用更高的 Q 值