YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Spanish subtitles

← cs373_unit2_25_q_Kalman-Prediction

dummy description

Get Embed Code
3 Languages

Showing Revision 1 created 09/04/2012 by almartinflorido.

  1. Así que ahora sabemos mucho acerca del filtro de Kalman para 1D.
  2. Has programado uno. Entiendes cómo incorporar mediciones.
  3. Entiendes cómo incorporar el movimiento,
  4. y realmente has implementado algo que es realmente genial,
  5. que es un completo filtro de Kalman para el caso de 1D.
  6. Ahora bien, en realidad, a menudo tenemos muchas dimensiones,
  7. y entonces las cosas se vuelven más complicadas, así que voy a decirte exactamente cómo funcionan las cosas
  8. con un ejemplo, y este es genial para estimar en mayores espacios de dimensiones.
  9. Suponga que tiene un espacio de estados de 2 dimensiones x e y, como la imagen de una cámara,
  10. o en nuestro caso, podríamos tener un coche que utiliza un radar para detectar la ubicación
  11. de un vehículo a lo largo del tiempo.
  12. Entonces, lo que produce el filtro de kalman de 2D es algo realmente increíble,
  13. y así es cómo va.
  14. Supongamos que en el instante t = 0, se observa que el objeto de interés esta en esta coordenada.
  15. Este podría ser otro coche en el tráfico para el coche de Google.
  16. Un paso más adelante, lo veo por aquí.
  17. Otro paso más adelante, lo veo por aquí.
  18. ¿Dónde se puede esperar que este ahora el objeto en el instante t=3?
  19. Te voy a dar tres lugares diferentes.
  20. Haga clic en la ubicación más probable.