Filtro Kalman con set completo di dati?

Question

Sto cercando un modo per combinare i dati da una bussola e Gyro al fine di determinare l'atteggiamento dopo il fatto.Lavorerò con un set completo di dati in cui le letture della bussola 3D e Gyro sono state registrate a intervalli regolari, ma voglio recuperare una stima dell'atteggiamento in post-elaborazione.

Ho considerato semplicemente l'utilizzo di un filtro Kalman, poiché sono così ben documentati, ma preferirebbero usare qualcosa di più appropriato per un caso in cui è noto il set di dati completo.Ho una sensazione che la soluzione sia "semplicemente" un problema dei minimi quadrati, ma sperando che qualcuno qui possa indicarmi nella direzione di un foglio o due affrontare questo problema (o problemi come IT).

A questo punto, non sono nemmeno sicuro di cosa si chiamasse questo filtro, quindi sto avendo difficoltà a trovare condizioni di ricerca utili.Qualsiasi aiuto sarebbe apprezzato.

Grazie mille!

Answer 1

Se si capisce il filtro Kalman in dettaglio, è anche possibile implementare il cosiddetto Kalman più fluido che funziona sul set di dati completo.

Tuttavia, lascia che ti avvisa di una cosa. Non esiste una cosa come Kalman Filter per i programmatori . Il filtro Kalman è difficile da capire. Non sarai in grado di implementare e usarlo correttamente se non lo capisci.

La mia implementazione è quasi quello che stai cercando. Ho usato accelerometro e giroscopi ma senza bussole. Si basa su questo manoscritto , leggilo prima. La descrizione più dettagliata che ho al momento è scivolo 29-32 nella mia presentazione su Sensor Fusion . È un Progetto open source , e ho intenzione di rilasciare una versione aggiornata del risolutore in le prossime settimane.