通过协方差适应进行稳健的增量状态估计
概述
该存储库包含“通过协方差适应进行稳健增量状态估计”的软件版本。 通过相关的摘要描述了软件版本的目标。 有关更详尽的讨论,请参阅。
机器人和自动化领域的最新进展引起了对鲁棒状态估计的极大兴趣。 为了实现鲁棒的状态估计,已经提出了几种方法。 一种表现出令人鼓舞的性能的技术是基于状态估计残差迭代估计高斯混合模型(GMM)以表征测量不确定性模型的概念。 通过此迭代过程,可以更准确地表征测量不确定性模型,从而可以通过对错误观测值进行适当的去加权来进行可靠的状态估计。 但是,这种方法传统上需要使用批处理估计框架来实现对测量不确定性模型的估计,这对机器人应用不利。 在本文中,我们提出了对测量不确定度模型估计范式的有效,增量式扩展。 本文中详细介绍了增量协方差估计(ICE)方法,它在几个收集的数据集上进行了评估,与其他最新的鲁棒增量估计相比,该方法显示了定位精