UKF在四元数上的应用

信息处理 卡尔曼滤波器 状态空间 无味卡尔曼滤波器
2022-01-24 15:11:24

我正在尝试对四元数进行状态估计,以预测人类头部的未来方向。我可以(从 AR 耳机)获得的唯一传感器数据是头部的当前方向,以 200 Hz 采样,即我无法访问任何陀螺仪或加速度计数据。在获得状态估计之后,我想重用过程/运动模型(恒定角速度)来进一步预测未来,例如 20 毫秒到 100 毫秒。

由于过程模型是非线性的(由于四元数),一种选择是使用无迹卡尔曼滤波器 (UKF)。然而,正如本文所讨论的四元数不能直接用于 UKF,需要进行一些转换才能获得“四元数 sigma 点”(本文第 3.2 节)。

我的问题是,如果我只有姿态测量(四元数)而没有陀螺仪或加速度计数据,那么使用这种方法是否有意义?在这种情况下,我的状态向量将是 7D:四个四元数和三个角速度分量。然而,这篇论文(以及我遇到的大多数其他作品)总是有某种陀螺仪/加速度计测量值,这让我想知道仅仅拥有姿态信息并让滤波器估计角速度是否可行。

1个回答

是的,这是完全可能的。您所需要的只是模拟您认为状态的角速度分量将如何演变。通常简单的布朗(随机)运动就足够了,至少从一开始就足够了。如果您对角速度的约束方式有更多了解,则可以将其包含在模型中。

这意味着您的信号模型没有直接来自这些状态元素的输出。

例如,在这个对另一个问题的回答中,状态由x位置和x速度,但没有速度测量。

xk=(xkx˙k)

这意味着输出矩阵H在进行测量时将状态的那部分归零。