多种卡尔曼滤波器的参考代码 #1
580
Code/Matlab/AOA-IMU/RUN_AEKF.m
Normal file
580
Code/Matlab/AOA-IMU/RUN_AEKF.m
Normal file
@ -0,0 +1,580 @@
|
|||||||
|
clear
|
||||||
|
clc
|
||||||
|
close all
|
||||||
|
load('data1.mat');
|
||||||
|
nn = size(imuPosX,1);
|
||||||
|
%% lightHouse坐标系转换
|
||||||
|
x = lightHousePosX * 100;
|
||||||
|
y = -lightHousePosZ * 100;
|
||||||
|
|
||||||
|
% 定义误差函数，即均方根误差
|
||||||
|
errorFunction = @(params) sqrt(mean((x(1:500) * cos(params(1)) - y(1:500) * sin(params(1)) + params(2) - imuPosX(1:500)).^2 + (x(1:500) * sin(params(1)) + y(1:500) * cos(params(1)) + params(3) - imuPosY(1:500)).^2));
|
||||||
|
|
||||||
|
% 使用 fminsearch 优化误差函数，找到使误差最小的旋转角和位移
|
||||||
|
initialGuess = [0, 10, 10]; % 初始猜测值，[旋转角, 位移]
|
||||||
|
optimizedParams = fminsearch(errorFunction, initialGuess);
|
||||||
|
|
||||||
|
% 输出优化后的旋转角和位移
|
||||||
|
rotationAngle = optimizedParams(1);
|
||||||
|
xOffset = optimizedParams(2);
|
||||||
|
yOffset = optimizedParams(3);
|
||||||
|
% 旋转坐标
|
||||||
|
xt = x * cos(rotationAngle) - y * sin(rotationAngle) + xOffset;
|
||||||
|
yt = x * sin(rotationAngle) + y * cos(rotationAngle) + yOffset;
|
||||||
|
%%
|
||||||
|
tagN = 4;
|
||||||
|
%标签坐标
|
||||||
|
XN(:,1)=[-300;-300];
|
||||||
|
XN(:,2)=[-300;300];
|
||||||
|
XN(:,3)=[300;300];
|
||||||
|
XN(:,4)=[300;-300];
|
||||||
|
sim2=6;
|
||||||
|
Q=diag(repmat(sim2,1,2*tagN));%协方差矩阵
|
||||||
|
measure_AOA = zeros(4,nn);
|
||||||
|
measure_d = zeros(4,nn);
|
||||||
|
measure_AOA(1,:) = aoa1';
|
||||||
|
measure_AOA(2,:) = aoa2';
|
||||||
|
measure_AOA(3,:) = aoa3';
|
||||||
|
measure_AOA(4,:) = aoa4';
|
||||||
|
measure_d(1,:) = d1';
|
||||||
|
measure_d(2,:) = d2';
|
||||||
|
measure_d(3,:) = d3';
|
||||||
|
measure_d(4,:) = d4';
|
||||||
|
%% uwb解算
|
||||||
|
x_uwb(1) = 0;
|
||||||
|
y_uwb(1) = 0;
|
||||||
|
theta_uwb=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
if measure_d(1,i) == 0
|
||||||
|
x_uwb(i) = x_uwb(i-1);
|
||||||
|
y_uwb(i) = y_uwb(i-1);
|
||||||
|
continue;
|
||||||
|
end
|
||||||
|
[t1,theta] = WLS(XN,measure_AOA(:,i),measure_d(:,i),Q);
|
||||||
|
x_uwb(i) = t1(1);
|
||||||
|
y_uwb(i) = t1(2);
|
||||||
|
theta_uwb(i) = 90-theta;
|
||||||
|
theta_uwb(i) = mod(theta_uwb(i)+180,360)-180;
|
||||||
|
derr_WLS(i)=norm(t1-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
thetat=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
detx=xt(i)-xt(i-1);
|
||||||
|
dety=yt(i)-yt(i-1);
|
||||||
|
thetat(i)=atan2d(detx,dety);
|
||||||
|
end
|
||||||
|
% Uwb.x=x_uwb;
|
||||||
|
% Uwb.y=y_uwb;
|
||||||
|
% Uwb.alpha=theta_uwb;
|
||||||
|
|
||||||
|
|
||||||
|
% 角速度校准
|
||||||
|
detW = mean(wZ(1:200));
|
||||||
|
wZ = wZ - detW;
|
||||||
|
|
||||||
|
x_imu(1) = 0;
|
||||||
|
y_imu(1) = 0;
|
||||||
|
Z=zeros(3,1);
|
||||||
|
WW = 0.05;
|
||||||
|
theta_imu(1) = 0;
|
||||||
|
|
||||||
|
|
||||||
|
%
|
||||||
|
% Imu.x=x_imu;
|
||||||
|
% Imu.y=y_imu;
|
||||||
|
% Imu.v=v_imu;
|
||||||
|
% Imu.alpha=alpha_imu;
|
||||||
|
% Imu.omega=omega_imu;
|
||||||
|
|
||||||
|
%% KF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 1;
|
||||||
|
qq = 0.00001;
|
||||||
|
Q1 = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
X_kf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
for i=2:nn
|
||||||
|
% 计算IMU和里程计的时间差值
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
% 获得此时Z轴角速度
|
||||||
|
w = wZ(i);
|
||||||
|
% 获得小车的水平速度
|
||||||
|
v = vXY(i)*100;
|
||||||
|
% 计算速度增量
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
% 计算位置增量
|
||||||
|
detD = v*detImuTime;
|
||||||
|
% 计算角度增量
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
% 计算角速度的变化量
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
% 积分计算IMU的航位角
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
% 航向约束
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
|
||||||
|
% 状态更新方程
|
||||||
|
F = [1 0 detImuTime*cosd(X_kf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_kf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
% 获得水平和垂直方向的位置增量
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_kf(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
X_pre(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q1;
|
||||||
|
Kg_kf = P*H'*inv(H*P*H'+R);
|
||||||
|
X_kf(:,i) = X_pre(:,i)+Kg_kf*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg_kf*H)*P;
|
||||||
|
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
end
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
%% EKF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 1;
|
||||||
|
qq = 0.00001;
|
||||||
|
Q1 = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
KK = zeros(5,3);
|
||||||
|
X_ekf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
F = [1 0 detImuTime*cosd(X_ekf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_ekf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
errUwb(i) = norm([x_uwb(i);y_uwb(i)]-[xt(i);yt(i)]);
|
||||||
|
errImu(i) = norm([x_imu(i);y_imu(i)]-[xt(i);yt(i)]);
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_ekf(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
errEKf(i) = norm(X_ekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ekf(i) = X_ekf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
if w<WW
|
||||||
|
X_pre(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q1;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
X_ekf(:,i) = X_pre(:,i)+Kg*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
else
|
||||||
|
JF = [1 0 1/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) v/w*(cosd(theta_imu(i))-cosd(theta_imu(i-1))) detD/w*cosd(theta_imu(i))-v/(w^2)*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
0 1 1/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1))) v/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) detD/w*sind(theta_imu(i))-v/(w^2)*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
0 0 1 0 0;
|
||||||
|
0 0 0 1 detImuTime;
|
||||||
|
0 0 0 0 1];
|
||||||
|
|
||||||
|
X_pre(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = JF*P0*JF'+Q1;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
X_ekf(:,i) = X_pre(:,i)+Kg*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
end
|
||||||
|
errEKf(i) = norm(X_ekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ekf(i) = X_ekf(4,i);
|
||||||
|
end
|
||||||
|
%% UKF
|
||||||
|
% UKF settings
|
||||||
|
ukf_L = 5; %numer of states
|
||||||
|
ukf_m = 3; %numer of measurements
|
||||||
|
ukf_kappa = 3 - ukf_L;
|
||||||
|
ukf_alpha = 0.9;
|
||||||
|
ukf_beta = 2;
|
||||||
|
|
||||||
|
ukf_lambda = ukf_alpha^2*(ukf_L + ukf_kappa) - ukf_L;
|
||||||
|
ukf_gamma = sqrt(ukf_L + ukf_lambda);
|
||||||
|
ukf_W0_c = ukf_lambda / (ukf_L + ukf_lambda) + (1 - ukf_alpha^2 + ukf_beta);
|
||||||
|
ukf_W0_m = ukf_lambda / (ukf_L + ukf_lambda);
|
||||||
|
ukf_Wi_m = 1 / (2*(ukf_L + ukf_lambda));
|
||||||
|
ukf_Wi_c = ukf_Wi_m;
|
||||||
|
|
||||||
|
q=0.01; %std of process
|
||||||
|
r=5; %std of measurement
|
||||||
|
p=2;
|
||||||
|
Qu=q*eye(ukf_L); % std matrix of process
|
||||||
|
Ru=r*eye(ukf_m); % std of measurement
|
||||||
|
Pu=p*eye(ukf_L);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
X_ukf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
% F = [1 0 detImuTime*cosd(X_ekf(4,i-1)) 0 0;
|
||||||
|
% 0 1 detImuTime*sind(X_ekf(4,i-1)) 0 0;
|
||||||
|
% 0 0 0 0 0;
|
||||||
|
% 0 0 0 0 0;
|
||||||
|
% 0 0 0 0 0;];
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
errUwb(i) = norm([x_uwb(i);y_uwb(i)]-[xt(i);yt(i)]);
|
||||||
|
errImu(i) = norm([x_imu(i);y_imu(i)]-[xt(i);yt(i)]);
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_ukf(:,i) = X_ukf(:,i-1)+X_next;
|
||||||
|
errUKf(i) = norm(X_ukf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ukf(i) = X_ukf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
|
||||||
|
xestimate = X_ukf(:,i-1);
|
||||||
|
Xx = repmat(xestimate, 1, length(xestimate));
|
||||||
|
Xsigma = [xestimate, ( Xx + ukf_gamma * Pu ), ( Xx - ukf_gamma * Pu )];
|
||||||
|
|
||||||
|
%第二步：对Sigma点集进行一步预测
|
||||||
|
[Xsigmapre]=fun1(Xsigma,detImuTime);
|
||||||
|
%第三步：估计预测状态
|
||||||
|
Xpred = ukf_W0_m * Xsigmapre(:,1) + ukf_Wi_m * sum(Xsigmapre(:,2:end), 2);
|
||||||
|
%第四步：均值和方差
|
||||||
|
Xx = repmat(Xpred, 1, length(xestimate)*2);
|
||||||
|
[~, R] = qr([sqrt(ukf_Wi_c) * ( Xsigmapre(:,2:end) - Xx ), Qu]', 0);
|
||||||
|
Ppred = cholupdate(R, sqrt(ukf_W0_c) * (Xsigmapre(:,1) - Xpred), '-')';
|
||||||
|
|
||||||
|
%第5步：根据预测值，再一次使用UT变换，得到新的sigma点集
|
||||||
|
Xx = repmat(Xpred, 1, length(xestimate));
|
||||||
|
Xsigmapre = [Xpred, ( Xx + ukf_gamma * Ppred ), ( Xx - ukf_gamma * Ppred )];
|
||||||
|
|
||||||
|
%第6步：观测预测
|
||||||
|
Zsigmapre=H*Xsigmapre;
|
||||||
|
|
||||||
|
%第7步：计算观测预测均值和协方差
|
||||||
|
Zpred = ukf_W0_m * Zsigmapre(:,1) + ukf_Wi_m * sum(Zsigmapre(:,2:end), 2);
|
||||||
|
|
||||||
|
Yy = repmat(Zpred, 1, length(xestimate)*2);
|
||||||
|
[~, Rz] = qr([sqrt(ukf_Wi_c) * (Zsigmapre(:,2:end) - Yy), Ru]', 0);
|
||||||
|
Pzz = cholupdate(Rz, sqrt(ukf_W0_c) * (Zsigmapre(:,1) - Zpred), '-')';
|
||||||
|
|
||||||
|
Xd = Xsigmapre - repmat(Xpred, 1, length(xestimate)*2 + 1);
|
||||||
|
Zd = Zsigmapre - repmat(Zpred, 1, length(xestimate)*2 + 1);
|
||||||
|
|
||||||
|
Pxz = ( ukf_W0_c* Xd(:,1) * Zd(:,1)' ) + ( ukf_Wi_c * Xd(:,2:end) * Zd(:,2:end)' );
|
||||||
|
|
||||||
|
%第七步：计算kalman增益
|
||||||
|
Kukf= (Pxz / Pzz') / Pzz;
|
||||||
|
%第八步：状态和方差更新
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
Xpred=Xpred+Kukf*(Z-Zpred);
|
||||||
|
U = Kukf * Pzz;
|
||||||
|
Rp = Ppred';
|
||||||
|
for ii=1:size(U, 2)
|
||||||
|
Rp = cholupdate(Rp, U(:,ii), '-');
|
||||||
|
end
|
||||||
|
Ppred = Rp';
|
||||||
|
X_ukf(:,i)=Xpred;
|
||||||
|
|
||||||
|
errUKf(i) = norm(X_ukf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ukf(i) = X_ukf(4,i);
|
||||||
|
end
|
||||||
|
|
||||||
|
%%
|
||||||
|
%%AEKF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 50;
|
||||||
|
% qq = 10;
|
||||||
|
qq = 0.01;
|
||||||
|
Q = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
X_aekf = zeros(5,nn);
|
||||||
|
X_aekf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
alfa = 0.97;
|
||||||
|
|
||||||
|
windowlength=5;
|
||||||
|
x_aekf_sw=zeros(1,nn);
|
||||||
|
y_aekf_sw=zeros(1,nn);
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
F = [1 0 detImuTime*cosd(X_aekf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_aekf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_aekf(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
errAEKf(i) = norm(X_aekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_aekf(i) = X_aekf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
if w<WW
|
||||||
|
X_pre(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
KK(1,1) = Kg(1,1);
|
||||||
|
KK(2,2) = Kg(2,2);
|
||||||
|
KK(4,3) = Kg(4,3);
|
||||||
|
X_aekf(:,i) = X_pre(:,i)+KK*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
else
|
||||||
|
JF = [1 0 1/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) v/w*(cosd(theta_imu(i))-cosd(theta_imu(i-1))) detD/w*cosd(theta_imu(i))-v/(w^2)*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
0 1 1/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1))) v/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) detD/w*sind(theta_imu(i))-v/(w^2)*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
0 0 1 0 0;
|
||||||
|
0 0 0 1 detImuTime;
|
||||||
|
0 0 0 0 1];
|
||||||
|
X_pre(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
dk = Z - H*X_pre(:,i);
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = JF*P0*JF'+Q;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
KK(1,1) = Kg(1,1);
|
||||||
|
KK(2,2) = Kg(2,2);
|
||||||
|
KK(4,3) = Kg(4,3);
|
||||||
|
X_aekf(:,i) = X_pre(:,i)+KK*(Z-H*X_pre(:,i));
|
||||||
|
epz = Z-H*X_aekf(:,i);
|
||||||
|
R=alfa*R+(1-alfa)*(epz*epz'+H*P*H');
|
||||||
|
Q=alfa*Q+(1-alfa)*Kg*dk*dk'*Kg';
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
end
|
||||||
|
errAEKf(i) = norm(X_aekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_aekf(i) = X_aekf(4,i);
|
||||||
|
% if errAEKf(i)>15
|
||||||
|
% xxx = 1;
|
||||||
|
% end
|
||||||
|
end
|
||||||
|
errAEKf_sw=zeros(1,nn);
|
||||||
|
weightedvector=[0.3;0.25;0.2;0.15;0.1];
|
||||||
|
for i=1:nn
|
||||||
|
if i>windowlength-1
|
||||||
|
x_win=X_aekf(1,i-windowlength+1:i);
|
||||||
|
y_win=X_aekf(2,i-windowlength+1:i);
|
||||||
|
x_aekf_sw(i)=x_win*weightedvector;
|
||||||
|
y_aekf_sw(i)=y_win*weightedvector;
|
||||||
|
else
|
||||||
|
x_aekf_sw(i)=X_aekf(1,i);
|
||||||
|
y_aekf_sw(i)=X_aekf(2,i);
|
||||||
|
end
|
||||||
|
errAEKf_sw(i) = norm([x_aekf_sw(i);y_aekf_sw(i)]-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
|
||||||
|
figure;
|
||||||
|
plot(errAEKf_sw);
|
||||||
|
|
||||||
|
%%
|
||||||
|
for i=2:length(theta_uwb)-1
|
||||||
|
if theta_uwb(i) == 0
|
||||||
|
theta_uwb(i) = theta_uwb(i-1);
|
||||||
|
end
|
||||||
|
end
|
||||||
|
figure(1)
|
||||||
|
clf(1)
|
||||||
|
plot(x_uwb,y_uwb,'.','color',[205/255, 133/255, 63/255],'LineWidth',0.2);hold on
|
||||||
|
plot(x_imu, y_imu, '-','color',[0, 128/255, 0],'LineWidth',0.5);
|
||||||
|
plot(xt, yt, '-black','LineWidth',0.5);
|
||||||
|
legend('AUAM','IMU','True value');
|
||||||
|
xlabel('X(cm)');
|
||||||
|
ylabel('Y(cm)');
|
||||||
|
grid on
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
% figure(1)
|
||||||
|
% clf(1)
|
||||||
|
% hold on
|
||||||
|
% plot((1:nn)/100,thetat,'-black','LineWidth',1);
|
||||||
|
% plot((1:nn)/100,theta_uwb,'-','color','#CD853F','LineWidth',1);
|
||||||
|
% plot((1:nn)/100,theta_imu, '-','color','#008000','LineWidth',1);
|
||||||
|
% legend('LightHouse','UWB', 'INS');
|
||||||
|
% xlabel('time(s)');
|
||||||
|
% ylabel('\alpha(°)');
|
||||||
|
% grid on
|
||||||
|
|
||||||
|
% figure(2)
|
||||||
|
% clf(2)
|
||||||
|
% hold on
|
||||||
|
% plot(theta_imu,'.');
|
||||||
|
% plot(theta_uwb,'.');
|
||||||
|
% legend('imu','uwb');
|
||||||
|
% xlabel('运行时间（10ms）');
|
||||||
|
% ylabel('偏航角（°）');
|
||||||
|
% title('角速度校准后imu和uwb测量偏航角');
|
||||||
|
% grid on
|
||||||
|
%
|
||||||
|
% figure(3)
|
||||||
|
% clf(3)
|
||||||
|
% hold on
|
||||||
|
% plot(xt, yt, '.-black','LineWidth',1);
|
||||||
|
% plot(X_ekf(1,:), X_ekf(2,:), '.-','color','#7E2F8E','LineWidth',1);
|
||||||
|
% plot(X_aekf(1,:), X_aekf(2,:), '.-','color','#D95319','LineWidth',0.5)
|
||||||
|
% plot(x_aekf_sw, y_aekf_sw, '.-','color','#2E8B57','LineWidth',0.5)
|
||||||
|
% legend('True','EKF', 'AEKF', 'AEKF-SWF');
|
||||||
|
% xlabel('x(cm)');
|
||||||
|
% ylabel('y(cm)');
|
||||||
|
% grid on
|
||||||
|
%
|
||||||
|
% figure(4)
|
||||||
|
% clf(4)
|
||||||
|
% hold on
|
||||||
|
% plot(errKf,'.','color','#0072BD');
|
||||||
|
% plot(errEKf,'.','color','#EDB120');
|
||||||
|
% plot(errUKf,'.','color','#D95319');
|
||||||
|
% plot(errAEKf,'.','color','#7E2F8E');
|
||||||
|
% plot(errAEKf_sw,'.','color','#77AC30');
|
||||||
|
% legend('KF','EKF','UKF','AEKF','AEKF-SWF');
|
||||||
|
% xlabel('运行时间（10ms）');
|
||||||
|
% ylabel('误差（cm）');
|
||||||
|
% title('定位误差随时间变化图');
|
||||||
|
|
||||||
|
% slt = 1;
|
||||||
|
% uwbcount = 9;
|
||||||
|
% imucount = 15;
|
||||||
|
% ekfcount = 12;
|
||||||
|
% aekfcount = 5;
|
||||||
|
% figure(5)
|
||||||
|
% clf(5)
|
||||||
|
% hold on
|
||||||
|
% [fUWB,xUWB] = ksdensity(errUwb(slt:end));
|
||||||
|
% [fIMU,xIMU] = ksdensity(errImu(slt:end));
|
||||||
|
% [fAEKF,xAEKF] = ksdensity(errAEKf(slt:end));
|
||||||
|
% [fUKF,xUKF] = ksdensity(errUKf(slt:end));
|
||||||
|
% [fAEKF_sw,xAEKF_sw] = ksdensity(errAEKf_sw(slt:end));
|
||||||
|
% [fEKF,xEKF] = ksdensity(errEKf(slt:end));
|
||||||
|
% [fKF,xKF] = ksdensity(errKf(slt:end));
|
||||||
|
% plot(xKF(ekfcount:end),fKF(ekfcount:end), 'color','#0072BD','LineWidth',0.5);
|
||||||
|
% plot(xEKF(ekfcount:end),fEKF(ekfcount:end),'color','#EDB120','LineWidth',0.5);
|
||||||
|
% plot(xUKF(ekfcount:end), fUKF(ekfcount:end),'color','#D95319','LineWidth',0.5);
|
||||||
|
% plot(xAEKF(aekfcount:end),fAEKF(aekfcount:end),'color','#7E2F8E','LineWidth',0.5);
|
||||||
|
% plot(xAEKF_sw(aekfcount:end),fAEKF_sw(aekfcount:end), 'color','#77AC30','LineWidth',0.5)
|
||||||
|
% legend('KF','EKF','UKF','AEKF','AEKF-SWF');%'UWB','INS',
|
||||||
|
% xlabel('Error(cm)');
|
||||||
|
% ylabel('Probability(%)');
|
||||||
|
% grid on
|
||||||
|
%
|
||||||
|
%
|
||||||
|
%
|
||||||
|
% slt = 3000;
|
||||||
|
% uwbcount = 9;
|
||||||
|
% imucount = 9;
|
||||||
|
% ekfcount = 13;
|
||||||
|
% aekfcount = 7;
|
||||||
|
% figure(6)
|
||||||
|
% clf(6)
|
||||||
|
% hold on
|
||||||
|
% [fAEKF,xAEKF] = ksdensity(errAEKf(slt:end));
|
||||||
|
% [fUKF,xUKF] = ksdensity(errUKf(slt:end));
|
||||||
|
% [fAEKF_sw,xAEKF_sw] = ksdensity(errAEKf_sw(slt:end));
|
||||||
|
% [fEKF,xEKF] = ksdensity(errEKf(slt:end));
|
||||||
|
% [fKF,xKF] = ksdensity(errKf(slt:end));
|
||||||
|
% plot(xKF(ekfcount:end),fKF(ekfcount:end), 'color','#0072BD','LineWidth',0.5);
|
||||||
|
% plot(xEKF(ekfcount:end),fEKF(ekfcount:end),'color','#EDB120','LineWidth',0.5);
|
||||||
|
% plot(xUKF(ekfcount:end), fUKF(ekfcount:end),'color','#D95319','LineWidth',0.5);
|
||||||
|
% plot(xAEKF(aekfcount:end),fAEKF(aekfcount:end),'color','#7E2F8E','LineWidth',0.5);
|
||||||
|
% plot(xAEKF_sw(aekfcount:end),fAEKF_sw(aekfcount:end), 'color','#77AC30','LineWidth',0.5)
|
||||||
|
% legend('KF','EKF','UKF','AEKF','AEKF-SWF');%'UWB','INS',
|
||||||
|
% xlabel('Error(cm)');
|
||||||
|
% ylabel('PDF');
|
||||||
|
% grid on
|
||||||
|
%
|
||||||
|
% figure(7)
|
||||||
|
% clf(7)
|
||||||
|
% hold on
|
||||||
|
% h1 = cdfplot(errKf(slt:end));
|
||||||
|
% h2 = cdfplot(errEKf(slt:end));
|
||||||
|
% h3 = cdfplot(errUKf(slt:end));
|
||||||
|
% h4 = cdfplot(errAEKf(slt:end));
|
||||||
|
% h5 = cdfplot(errAEKf_sw(slt:end));
|
||||||
|
% set(h1,'color','#0072BD','LineWidth',0.5);
|
||||||
|
% set(h2,'color','#EDB120','LineWidth',0.5);
|
||||||
|
% set(h3,'color','#D95319','LineWidth',0.5);
|
||||||
|
% set(h4,'color','#7E2F8E','LineWidth',0.5);
|
||||||
|
% set(h5,'color','#77AC30','LineWidth',0.5);
|
||||||
|
% legend('KF','EKF','UKF','AEKF','AEKF-SWF');
|
||||||
|
% xlabel('Error(cm)');
|
||||||
|
% ylabel('CDF');
|
||||||
|
% grid on
|
||||||
33
Code/Matlab/AOA-IMU/WLS.m
Normal file
33
Code/Matlab/AOA-IMU/WLS.m
Normal file
@ -0,0 +1,33 @@
|
|||||||
|
function [x,theta] = WLS(XN,mean_aoa,mean_d,Q)
|
||||||
|
%PLE 此处显示有关此函数的摘要
|
||||||
|
% 此处显示详细说明
|
||||||
|
nn = size(XN,2);
|
||||||
|
A = zeros(2*nn, 6);
|
||||||
|
b = zeros(2*nn, 1);
|
||||||
|
for j=1:nn
|
||||||
|
XN_Tag(1,j)=mean_d(j)*sind(mean_aoa(j));
|
||||||
|
XN_Tag(2,j)=mean_d(j)*cosd(mean_aoa(j));
|
||||||
|
A(2*j-1,:) = [XN_Tag(1,j) 0 XN_Tag(2,j) 0 1 0];
|
||||||
|
A(2*j,:) = [0 XN_Tag(1,j) 0 XN_Tag(2,j) 0 1];
|
||||||
|
b(2*j-1:2*j)=[XN(1,j) XN(2,j)];
|
||||||
|
end
|
||||||
|
f=(A'*A)^(-1)*A'*b;
|
||||||
|
for i=1:2
|
||||||
|
for j=1:nn
|
||||||
|
B(2*j-1,2*j-1) = XN(2,j)-f(6);
|
||||||
|
B(2*j,2*j) = XN(1,j)-f(5);
|
||||||
|
end
|
||||||
|
W = inv(B*Q*B');
|
||||||
|
f=(A'*W*A)\A'*W*b;
|
||||||
|
end
|
||||||
|
x=(f(5:6));
|
||||||
|
theta1(1)=atan2d(-f(2),f(1));
|
||||||
|
theta1(2)=atan2d(f(3),f(4));
|
||||||
|
% theta1(1)=acosd(-f(1));
|
||||||
|
% theta1(2)=asind(-f(2));
|
||||||
|
% theta1(3)=asind(f(3));
|
||||||
|
% theta1(4)=acosd(-f(4));
|
||||||
|
|
||||||
|
theta = mean(theta1);
|
||||||
|
end
|
||||||
|
|
||||||
BIN
Code/Matlab/AOA-IMU/data1.mat
Normal file
BIN
Code/Matlab/AOA-IMU/data1.mat
Normal file
Binary file not shown.
28
Code/Matlab/AOA-IMU/fun1.m
Normal file
28
Code/Matlab/AOA-IMU/fun1.m
Normal file
@ -0,0 +1,28 @@
|
|||||||
|
function [Y] = fun1(X,dt)
|
||||||
|
%FUN 此处显示有关此函数的摘要
|
||||||
|
% 此处显示详细说明
|
||||||
|
WW = 0.05;
|
||||||
|
nn = size(X,2);
|
||||||
|
Y = zeros(5,nn);
|
||||||
|
|
||||||
|
for i=1:nn
|
||||||
|
v = X(3,i);
|
||||||
|
alfa = X(4,i);
|
||||||
|
w = X(5,i)*180/pi;
|
||||||
|
if w<WW
|
||||||
|
alfa = alfa+w*dt;
|
||||||
|
Y(:,i) = [X(1,i) + v*dt*cosd(alfa);
|
||||||
|
X(2,i) - v*dt*sind(alfa);
|
||||||
|
v;
|
||||||
|
alfa;
|
||||||
|
w*pi/180];
|
||||||
|
else
|
||||||
|
Y(:,i) = [X(1,i) + v/w*(sind(alfa+w*dt)-sind(alfa));
|
||||||
|
X(2,i) - v/w*(cosd(alfa+w*dt)-cosd(alfa));
|
||||||
|
v;
|
||||||
|
alfa+w*dt;
|
||||||
|
w*pi/180];
|
||||||
|
end
|
||||||
|
end
|
||||||
|
end
|
||||||
|
|
||||||
36
Code/Matlab/AOA-IMU/script.m
Normal file
36
Code/Matlab/AOA-IMU/script.m
Normal file
@ -0,0 +1,36 @@
|
|||||||
|
|
||||||
|
|
||||||
|
clear
|
||||||
|
clc
|
||||||
|
close all
|
||||||
|
load('data1.mat');
|
||||||
|
nn = size(imuPosX,1);
|
||||||
|
%% lightHouse坐标系转换
|
||||||
|
x = lightHousePosX * 100;
|
||||||
|
y = -lightHousePosZ * 100;
|
||||||
|
|
||||||
|
plot(x,y,'r',imuPosX,imuPosY);
|
||||||
|
|
||||||
|
% 定义误差函数，即均方根误差
|
||||||
|
errorFunction = @(params) sqrt(mean((x(1:500) * cos(params(1)) - y(1:500) * sin(params(1)) + params(2) - imuPosX(1:500)).^2 + (x(1:500) * sin(params(1)) + y(1:500) * cos(params(1)) + params(3) - imuPosY(1:500)).^2));
|
||||||
|
|
||||||
|
% 使用 fminsearch 优化误差函数，找到使误差最小的旋转角和位移
|
||||||
|
initialGuess = [0, 10, 10]; % 初始猜测值，[旋转角, 位移]
|
||||||
|
optimizedParams = fminsearch(errorFunction, initialGuess);
|
||||||
|
|
||||||
|
% 输出优化后的旋转角和位移
|
||||||
|
rotationAngle = optimizedParams(1);
|
||||||
|
xOffset = optimizedParams(2);
|
||||||
|
yOffset = optimizedParams(3);
|
||||||
|
% 旋转坐标
|
||||||
|
xt = x * cos(rotationAngle) - y * sin(rotationAngle) + xOffset;
|
||||||
|
yt = x * sin(rotationAngle) + y * cos(rotationAngle) + yOffset;
|
||||||
|
|
||||||
|
plot(xt,yt,'r',imuPosX,imuPosY);
|
||||||
|
|
||||||
|
ds = zeros(1,length(imuDataRxTime));
|
||||||
|
for i = 1:length(imuDataRxTime)-1
|
||||||
|
ds(i) = 1 / (imuDataRxTime(i+1)-imuDataRxTime(i));
|
||||||
|
end
|
||||||
|
plot(ds)
|
||||||
|
|
||||||
199
Code/Matlab/AOA-IMU/script_aekf.m
Normal file
199
Code/Matlab/AOA-IMU/script_aekf.m
Normal file
@ -0,0 +1,199 @@
|
|||||||
|
clear
|
||||||
|
clc
|
||||||
|
close all
|
||||||
|
load('data1.mat');
|
||||||
|
nn = size(imuPosX,1);
|
||||||
|
%% lightHouse坐标系转换
|
||||||
|
x = lightHousePosX * 100;
|
||||||
|
y = -lightHousePosZ * 100;
|
||||||
|
|
||||||
|
% 定义误差函数，即均方根误差
|
||||||
|
errorFunction = @(params) sqrt(mean((x(1:500) * cos(params(1)) - y(1:500) * sin(params(1)) + params(2) - imuPosX(1:500)).^2 + (x(1:500) * sin(params(1)) + y(1:500) * cos(params(1)) + params(3) - imuPosY(1:500)).^2));
|
||||||
|
|
||||||
|
% 使用 fminsearch 优化误差函数，找到使误差最小的旋转角和位移
|
||||||
|
initialGuess = [0, 10, 10]; % 初始猜测值，[旋转角, 位移]
|
||||||
|
optimizedParams = fminsearch(errorFunction, initialGuess);
|
||||||
|
|
||||||
|
% 输出优化后的旋转角和位移
|
||||||
|
rotationAngle = optimizedParams(1);
|
||||||
|
xOffset = optimizedParams(2);
|
||||||
|
yOffset = optimizedParams(3);
|
||||||
|
% 旋转坐标
|
||||||
|
xt = x * cos(rotationAngle) - y * sin(rotationAngle) + xOffset;
|
||||||
|
yt = x * sin(rotationAngle) + y * cos(rotationAngle) + yOffset;
|
||||||
|
%%
|
||||||
|
tagN = 4;
|
||||||
|
%标签坐标
|
||||||
|
XN(:,1)=[-300;-300];
|
||||||
|
XN(:,2)=[-300;300];
|
||||||
|
XN(:,3)=[300;300];
|
||||||
|
XN(:,4)=[300;-300];
|
||||||
|
sim2=6;
|
||||||
|
Q=diag(repmat(sim2,1,2*tagN));%协方差矩阵
|
||||||
|
measure_AOA = zeros(4,nn);
|
||||||
|
measure_d = zeros(4,nn);
|
||||||
|
measure_AOA(1,:) = aoa1';
|
||||||
|
measure_AOA(2,:) = aoa2';
|
||||||
|
measure_AOA(3,:) = aoa3';
|
||||||
|
measure_AOA(4,:) = aoa4';
|
||||||
|
measure_d(1,:) = d1';
|
||||||
|
measure_d(2,:) = d2';
|
||||||
|
measure_d(3,:) = d3';
|
||||||
|
measure_d(4,:) = d4';
|
||||||
|
%% uwb解算
|
||||||
|
x_uwb(1) = 0;
|
||||||
|
y_uwb(1) = 0;
|
||||||
|
theta_uwb=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
if measure_d(1,i) == 0
|
||||||
|
x_uwb(i) = x_uwb(i-1);
|
||||||
|
y_uwb(i) = y_uwb(i-1);
|
||||||
|
continue;
|
||||||
|
end
|
||||||
|
[t1,theta] = WLS(XN,measure_AOA(:,i),measure_d(:,i),Q);
|
||||||
|
x_uwb(i) = t1(1);
|
||||||
|
y_uwb(i) = t1(2);
|
||||||
|
theta_uwb(i) = 90-theta;
|
||||||
|
theta_uwb(i) = mod(theta_uwb(i)+180,360)-180;
|
||||||
|
derr_WLS(i)=norm(t1-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
thetat=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
detx=xt(i)-xt(i-1);
|
||||||
|
dety=yt(i)-yt(i-1);
|
||||||
|
thetat(i)=atan2d(detx,dety);
|
||||||
|
end
|
||||||
|
% Uwb.x=x_uwb;
|
||||||
|
% Uwb.y=y_uwb;
|
||||||
|
% Uwb.alpha=theta_uwb;
|
||||||
|
|
||||||
|
|
||||||
|
% 角速度校准
|
||||||
|
detW = mean(wZ(1:200));
|
||||||
|
wZ = wZ - detW;
|
||||||
|
|
||||||
|
x_imu(1) = 0;
|
||||||
|
y_imu(1) = 0;
|
||||||
|
Z=zeros(3,1);
|
||||||
|
WW = 0.05;
|
||||||
|
theta_imu(1) = 0;
|
||||||
|
|
||||||
|
|
||||||
|
%% EKF
|
||||||
|
KK = zeros(5,3);
|
||||||
|
|
||||||
|
%%
|
||||||
|
%%AEKF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 50;
|
||||||
|
% qq = 10;
|
||||||
|
qq = 0.01;
|
||||||
|
Q = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
X_aekf = zeros(5,nn);
|
||||||
|
X_aekf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
alfa = 0.97;
|
||||||
|
|
||||||
|
windowlength=5;
|
||||||
|
x_aekf_sw=zeros(1,nn);
|
||||||
|
y_aekf_sw=zeros(1,nn);
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
F = [1 0 detImuTime*cosd(X_aekf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_aekf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_aekf(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
errAEKf(i) = norm(X_aekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_aekf(i) = X_aekf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
if w<WW
|
||||||
|
X_pre(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
KK(1,1) = Kg(1,1);
|
||||||
|
KK(2,2) = Kg(2,2);
|
||||||
|
KK(4,3) = Kg(4,3);
|
||||||
|
X_aekf(:,i) = X_pre(:,i)+KK*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
else
|
||||||
|
JF = [1 0 1/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) v/w*(cosd(theta_imu(i))-cosd(theta_imu(i-1))) detD/w*cosd(theta_imu(i))-v/(w^2)*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
0 1 1/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1))) v/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) detD/w*sind(theta_imu(i))-v/(w^2)*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
0 0 1 0 0;
|
||||||
|
0 0 0 1 detImuTime;
|
||||||
|
0 0 0 0 1];
|
||||||
|
X_pre(:,i) = X_aekf(:,i-1)+X_next;
|
||||||
|
dk = Z - H*X_pre(:,i);
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = JF*P0*JF'+Q;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
KK(1,1) = Kg(1,1);
|
||||||
|
KK(2,2) = Kg(2,2);
|
||||||
|
KK(4,3) = Kg(4,3);
|
||||||
|
X_aekf(:,i) = X_pre(:,i)+KK*(Z-H*X_pre(:,i));
|
||||||
|
epz = Z-H*X_aekf(:,i);
|
||||||
|
R=alfa*R+(1-alfa)*(epz*epz'+H*P*H');
|
||||||
|
Q=alfa*Q+(1-alfa)*Kg*dk*dk'*Kg';
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
end
|
||||||
|
errAEKf(i) = norm(X_aekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_aekf(i) = X_aekf(4,i);
|
||||||
|
% if errAEKf(i)>15
|
||||||
|
% xxx = 1;
|
||||||
|
% end
|
||||||
|
end
|
||||||
|
errAEKf_sw=zeros(1,nn);
|
||||||
|
weightedvector=[0.3;0.25;0.2;0.15;0.1];
|
||||||
|
for i=1:nn
|
||||||
|
if i>windowlength-1
|
||||||
|
x_win=X_aekf(1,i-windowlength+1:i);
|
||||||
|
y_win=X_aekf(2,i-windowlength+1:i);
|
||||||
|
x_aekf_sw(i)=x_win*weightedvector;
|
||||||
|
y_aekf_sw(i)=y_win*weightedvector;
|
||||||
|
else
|
||||||
|
x_aekf_sw(i)=X_aekf(1,i);
|
||||||
|
y_aekf_sw(i)=X_aekf(2,i);
|
||||||
|
end
|
||||||
|
errAEKf_sw(i) = norm([x_aekf_sw(i);y_aekf_sw(i)]-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
|
||||||
|
figure;
|
||||||
|
plot(errAEKf_sw);
|
||||||
|
figure;
|
||||||
|
plot(x_imu,y_imu,xt,yt);
|
||||||
|
mean(errAEKf_sw)
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
342
Code/Matlab/AOA-IMU/script_ekf.m
Normal file
342
Code/Matlab/AOA-IMU/script_ekf.m
Normal file
@ -0,0 +1,342 @@
|
|||||||
|
clear
|
||||||
|
clc
|
||||||
|
close all
|
||||||
|
load('data1.mat');
|
||||||
|
nn = size(imuPosX,1);
|
||||||
|
%% lightHouse坐标系转换
|
||||||
|
x = lightHousePosX * 100;
|
||||||
|
y = -lightHousePosZ * 100;
|
||||||
|
|
||||||
|
% 定义误差函数，即均方根误差
|
||||||
|
errorFunction = @(params) sqrt(mean((x(1:500) * cos(params(1)) - y(1:500) * sin(params(1)) + params(2) - imuPosX(1:500)).^2 + (x(1:500) * sin(params(1)) + y(1:500) * cos(params(1)) + params(3) - imuPosY(1:500)).^2));
|
||||||
|
|
||||||
|
% 使用 fminsearch 优化误差函数，找到使误差最小的旋转角和位移
|
||||||
|
initialGuess = [0, 10, 10]; % 初始猜测值，[旋转角, 位移]
|
||||||
|
optimizedParams = fminsearch(errorFunction, initialGuess);
|
||||||
|
|
||||||
|
% 输出优化后的旋转角和位移
|
||||||
|
rotationAngle = optimizedParams(1);
|
||||||
|
xOffset = optimizedParams(2);
|
||||||
|
yOffset = optimizedParams(3);
|
||||||
|
% 旋转坐标
|
||||||
|
xt = x * cos(rotationAngle) - y * sin(rotationAngle) + xOffset;
|
||||||
|
yt = x * sin(rotationAngle) + y * cos(rotationAngle) + yOffset;
|
||||||
|
%%
|
||||||
|
tagN = 4;
|
||||||
|
%标签坐标
|
||||||
|
XN(:,1)=[-300;-300];
|
||||||
|
XN(:,2)=[-300;300];
|
||||||
|
XN(:,3)=[300;300];
|
||||||
|
XN(:,4)=[300;-300];
|
||||||
|
sim2=6;
|
||||||
|
Q=diag(repmat(sim2,1,2*tagN));%协方差矩阵
|
||||||
|
measure_AOA = zeros(4,nn);
|
||||||
|
measure_d = zeros(4,nn);
|
||||||
|
measure_AOA(1,:) = aoa1';
|
||||||
|
measure_AOA(2,:) = aoa2';
|
||||||
|
measure_AOA(3,:) = aoa3';
|
||||||
|
measure_AOA(4,:) = aoa4';
|
||||||
|
measure_d(1,:) = d1';
|
||||||
|
measure_d(2,:) = d2';
|
||||||
|
measure_d(3,:) = d3';
|
||||||
|
measure_d(4,:) = d4';
|
||||||
|
%% uwb解算
|
||||||
|
x_uwb(1) = 0;
|
||||||
|
y_uwb(1) = 0;
|
||||||
|
theta_uwb=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
if measure_d(1,i) == 0
|
||||||
|
x_uwb(i) = x_uwb(i-1);
|
||||||
|
y_uwb(i) = y_uwb(i-1);
|
||||||
|
continue;
|
||||||
|
end
|
||||||
|
[t1,theta] = WLS(XN,measure_AOA(:,i),measure_d(:,i),Q);
|
||||||
|
x_uwb(i) = t1(1);
|
||||||
|
y_uwb(i) = t1(2);
|
||||||
|
theta_uwb(i) = 90-theta;
|
||||||
|
theta_uwb(i) = mod(theta_uwb(i)+180,360)-180;
|
||||||
|
derr_WLS(i)=norm(t1-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
thetat=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
detx=xt(i)-xt(i-1);
|
||||||
|
dety=yt(i)-yt(i-1);
|
||||||
|
thetat(i)=atan2d(detx,dety);
|
||||||
|
end
|
||||||
|
% Uwb.x=x_uwb;
|
||||||
|
% Uwb.y=y_uwb;
|
||||||
|
% Uwb.alpha=theta_uwb;
|
||||||
|
|
||||||
|
|
||||||
|
% 角速度校准
|
||||||
|
detW = mean(wZ(1:200));
|
||||||
|
wZ = wZ - detW;
|
||||||
|
|
||||||
|
x_imu(1) = 0;
|
||||||
|
y_imu(1) = 0;
|
||||||
|
Z=zeros(3,1);
|
||||||
|
WW = 0.05;
|
||||||
|
theta_imu(1) = 0;
|
||||||
|
|
||||||
|
|
||||||
|
%
|
||||||
|
% Imu.x=x_imu;
|
||||||
|
% Imu.y=y_imu;
|
||||||
|
% Imu.v=v_imu;
|
||||||
|
% Imu.alpha=alpha_imu;
|
||||||
|
% Imu.omega=omega_imu;
|
||||||
|
|
||||||
|
%% KF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 1;
|
||||||
|
qq = 0.00001;
|
||||||
|
Q1 = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
X_kf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
for i=2:nn
|
||||||
|
% 计算IMU和里程计的时间差值
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
% 获得此时Z轴角速度
|
||||||
|
w = wZ(i);
|
||||||
|
% 获得小车的水平速度
|
||||||
|
v = vXY(i)*100;
|
||||||
|
% 计算速度增量
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
% 计算位置增量
|
||||||
|
detD = v*detImuTime;
|
||||||
|
% 计算角度增量
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
% 计算角速度的变化量
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
% 积分计算IMU的航位角
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
% 航向约束
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
|
||||||
|
% 状态更新方程
|
||||||
|
F = [1 0 detImuTime*cosd(X_kf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_kf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
% 获得水平和垂直方向的位置增量
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_kf(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
X_pre(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q1;
|
||||||
|
Kg_kf = P*H'*inv(H*P*H'+R);
|
||||||
|
X_kf(:,i) = X_pre(:,i)+Kg_kf*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg_kf*H)*P;
|
||||||
|
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
end
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
%% EKF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 1;
|
||||||
|
qq = 0.00001;
|
||||||
|
Q1 = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
KK = zeros(5,3);
|
||||||
|
X_ekf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
F = [1 0 detImuTime*cosd(X_ekf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_ekf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
errUwb(i) = norm([x_uwb(i);y_uwb(i)]-[xt(i);yt(i)]);
|
||||||
|
errImu(i) = norm([x_imu(i);y_imu(i)]-[xt(i);yt(i)]);
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_ekf(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
errEKf(i) = norm(X_ekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ekf(i) = X_ekf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
if w<WW
|
||||||
|
X_pre(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q1;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
X_ekf(:,i) = X_pre(:,i)+Kg*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
else
|
||||||
|
JF = [1 0 1/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) v/w*(cosd(theta_imu(i))-cosd(theta_imu(i-1))) detD/w*cosd(theta_imu(i))-v/(w^2)*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
0 1 1/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1))) v/w*(sind(theta_imu(i))-sind(theta_imu(i-1))) detD/w*sind(theta_imu(i))-v/(w^2)*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
0 0 1 0 0;
|
||||||
|
0 0 0 1 detImuTime;
|
||||||
|
0 0 0 0 1];
|
||||||
|
|
||||||
|
X_pre(:,i) = X_ekf(:,i-1)+X_next;
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = JF*P0*JF'+Q1;
|
||||||
|
Kg = P*H'*inv(H*P*H'+R);
|
||||||
|
X_ekf(:,i) = X_pre(:,i)+Kg*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg*H)*P;
|
||||||
|
end
|
||||||
|
errEKf(i) = norm(X_ekf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ekf(i) = X_ekf(4,i);
|
||||||
|
end
|
||||||
|
%% UKF
|
||||||
|
% UKF settings
|
||||||
|
ukf_L = 5; %numer of states
|
||||||
|
ukf_m = 3; %numer of measurements
|
||||||
|
ukf_kappa = 3 - ukf_L;
|
||||||
|
ukf_alpha = 0.9;
|
||||||
|
ukf_beta = 2;
|
||||||
|
|
||||||
|
ukf_lambda = ukf_alpha^2*(ukf_L + ukf_kappa) - ukf_L;
|
||||||
|
ukf_gamma = sqrt(ukf_L + ukf_lambda);
|
||||||
|
ukf_W0_c = ukf_lambda / (ukf_L + ukf_lambda) + (1 - ukf_alpha^2 + ukf_beta);
|
||||||
|
ukf_W0_m = ukf_lambda / (ukf_L + ukf_lambda);
|
||||||
|
ukf_Wi_m = 1 / (2*(ukf_L + ukf_lambda));
|
||||||
|
ukf_Wi_c = ukf_Wi_m;
|
||||||
|
|
||||||
|
q=0.01; %std of process
|
||||||
|
r=5; %std of measurement
|
||||||
|
p=2;
|
||||||
|
Qu=q*eye(ukf_L); % std matrix of process
|
||||||
|
Ru=r*eye(ukf_m); % std of measurement
|
||||||
|
Pu=p*eye(ukf_L);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
X_ukf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
for i=2:nn
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
w = wZ(i);
|
||||||
|
v = vXY(i)*100;
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
detD = v*detImuTime;
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
% F = [1 0 detImuTime*cosd(X_ekf(4,i-1)) 0 0;
|
||||||
|
% 0 1 detImuTime*sind(X_ekf(4,i-1)) 0 0;
|
||||||
|
% 0 0 0 0 0;
|
||||||
|
% 0 0 0 0 0;
|
||||||
|
% 0 0 0 0 0;];
|
||||||
|
if w<WW
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
else
|
||||||
|
vtx = v/w*(sind(theta_imu(i))-sind(theta_imu(i-1)));
|
||||||
|
vty = v/w*(-cosd(theta_imu(i))+cosd(theta_imu(i-1)));
|
||||||
|
end
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
errUwb(i) = norm([x_uwb(i);y_uwb(i)]-[xt(i);yt(i)]);
|
||||||
|
errImu(i) = norm([x_imu(i);y_imu(i)]-[xt(i);yt(i)]);
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_ukf(:,i) = X_ukf(:,i-1)+X_next;
|
||||||
|
errUKf(i) = norm(X_ukf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ukf(i) = X_ukf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
|
||||||
|
xestimate = X_ukf(:,i-1);
|
||||||
|
Xx = repmat(xestimate, 1, length(xestimate));
|
||||||
|
Xsigma = [xestimate, ( Xx + ukf_gamma * Pu ), ( Xx - ukf_gamma * Pu )];
|
||||||
|
|
||||||
|
%第二步：对Sigma点集进行一步预测
|
||||||
|
[Xsigmapre]=fun1(Xsigma,detImuTime);
|
||||||
|
%第三步：估计预测状态
|
||||||
|
Xpred = ukf_W0_m * Xsigmapre(:,1) + ukf_Wi_m * sum(Xsigmapre(:,2:end), 2);
|
||||||
|
%第四步：均值和方差
|
||||||
|
Xx = repmat(Xpred, 1, length(xestimate)*2);
|
||||||
|
[~, R] = qr([sqrt(ukf_Wi_c) * ( Xsigmapre(:,2:end) - Xx ), Qu]', 0);
|
||||||
|
Ppred = cholupdate(R, sqrt(ukf_W0_c) * (Xsigmapre(:,1) - Xpred), '-')';
|
||||||
|
|
||||||
|
%第5步：根据预测值，再一次使用UT变换，得到新的sigma点集
|
||||||
|
Xx = repmat(Xpred, 1, length(xestimate));
|
||||||
|
Xsigmapre = [Xpred, ( Xx + ukf_gamma * Ppred ), ( Xx - ukf_gamma * Ppred )];
|
||||||
|
|
||||||
|
%第6步：观测预测
|
||||||
|
Zsigmapre=H*Xsigmapre;
|
||||||
|
|
||||||
|
%第7步：计算观测预测均值和协方差
|
||||||
|
Zpred = ukf_W0_m * Zsigmapre(:,1) + ukf_Wi_m * sum(Zsigmapre(:,2:end), 2);
|
||||||
|
|
||||||
|
Yy = repmat(Zpred, 1, length(xestimate)*2);
|
||||||
|
[~, Rz] = qr([sqrt(ukf_Wi_c) * (Zsigmapre(:,2:end) - Yy), Ru]', 0);
|
||||||
|
Pzz = cholupdate(Rz, sqrt(ukf_W0_c) * (Zsigmapre(:,1) - Zpred), '-')';
|
||||||
|
|
||||||
|
Xd = Xsigmapre - repmat(Xpred, 1, length(xestimate)*2 + 1);
|
||||||
|
Zd = Zsigmapre - repmat(Zpred, 1, length(xestimate)*2 + 1);
|
||||||
|
|
||||||
|
Pxz = ( ukf_W0_c* Xd(:,1) * Zd(:,1)' ) + ( ukf_Wi_c * Xd(:,2:end) * Zd(:,2:end)' );
|
||||||
|
|
||||||
|
%第七步：计算kalman增益
|
||||||
|
Kukf= (Pxz / Pzz') / Pzz;
|
||||||
|
%第八步：状态和方差更新
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
Xpred=Xpred+Kukf*(Z-Zpred);
|
||||||
|
U = Kukf * Pzz;
|
||||||
|
Rp = Ppred';
|
||||||
|
for ii=1:size(U, 2)
|
||||||
|
Rp = cholupdate(Rp, U(:,ii), '-');
|
||||||
|
end
|
||||||
|
Ppred = Rp';
|
||||||
|
X_ukf(:,i)=Xpred;
|
||||||
|
|
||||||
|
errUKf(i) = norm(X_ukf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_ukf(i) = X_ukf(4,i);
|
||||||
|
end
|
||||||
|
plot(errUKf);
|
||||||
|
mean(errUKf)
|
||||||
155
Code/Matlab/AOA-IMU/script_kf.m
Normal file
155
Code/Matlab/AOA-IMU/script_kf.m
Normal file
@ -0,0 +1,155 @@
|
|||||||
|
clear
|
||||||
|
clc
|
||||||
|
close all
|
||||||
|
load('data1.mat');
|
||||||
|
nn = size(imuPosX,1);
|
||||||
|
%% lightHouse坐标系转换
|
||||||
|
x = lightHousePosX * 100;
|
||||||
|
y = -lightHousePosZ * 100;
|
||||||
|
|
||||||
|
% 定义误差函数，即均方根误差
|
||||||
|
errorFunction = @(params) sqrt(mean((x(1:500) * cos(params(1)) - y(1:500) * sin(params(1)) + params(2) - imuPosX(1:500)).^2 + (x(1:500) * sin(params(1)) + y(1:500) * cos(params(1)) + params(3) - imuPosY(1:500)).^2));
|
||||||
|
|
||||||
|
% 使用 fminsearch 优化误差函数，找到使误差最小的旋转角和位移
|
||||||
|
initialGuess = [0, 10, 10]; % 初始猜测值，[旋转角, 位移]
|
||||||
|
optimizedParams = fminsearch(errorFunction, initialGuess);
|
||||||
|
|
||||||
|
% 输出优化后的旋转角和位移
|
||||||
|
rotationAngle = optimizedParams(1);
|
||||||
|
xOffset = optimizedParams(2);
|
||||||
|
yOffset = optimizedParams(3);
|
||||||
|
% 旋转坐标
|
||||||
|
xt = x * cos(rotationAngle) - y * sin(rotationAngle) + xOffset;
|
||||||
|
yt = x * sin(rotationAngle) + y * cos(rotationAngle) + yOffset;
|
||||||
|
%%
|
||||||
|
tagN = 4;
|
||||||
|
%标签坐标
|
||||||
|
XN(:,1)=[-300;-300];
|
||||||
|
XN(:,2)=[-300;300];
|
||||||
|
XN(:,3)=[300;300];
|
||||||
|
XN(:,4)=[300;-300];
|
||||||
|
sim2=6;
|
||||||
|
Q=diag(repmat(sim2,1,2*tagN));%协方差矩阵
|
||||||
|
measure_AOA = zeros(4,nn);
|
||||||
|
measure_d = zeros(4,nn);
|
||||||
|
measure_AOA(1,:) = aoa1';
|
||||||
|
measure_AOA(2,:) = aoa2';
|
||||||
|
measure_AOA(3,:) = aoa3';
|
||||||
|
measure_AOA(4,:) = aoa4';
|
||||||
|
measure_d(1,:) = d1';
|
||||||
|
measure_d(2,:) = d2';
|
||||||
|
measure_d(3,:) = d3';
|
||||||
|
measure_d(4,:) = d4';
|
||||||
|
%% uwb解算
|
||||||
|
x_uwb(1) = 0;
|
||||||
|
y_uwb(1) = 0;
|
||||||
|
theta_uwb=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
if measure_d(1,i) == 0
|
||||||
|
x_uwb(i) = x_uwb(i-1);
|
||||||
|
y_uwb(i) = y_uwb(i-1);
|
||||||
|
continue;
|
||||||
|
end
|
||||||
|
[t1,theta] = WLS(XN,measure_AOA(:,i),measure_d(:,i),Q);
|
||||||
|
x_uwb(i) = t1(1);
|
||||||
|
y_uwb(i) = t1(2);
|
||||||
|
theta_uwb(i) = 90-theta;
|
||||||
|
theta_uwb(i) = mod(theta_uwb(i)+180,360)-180;
|
||||||
|
derr_WLS(i)=norm(t1-[xt(i);yt(i)]);
|
||||||
|
end
|
||||||
|
thetat=zeros(nn,1);
|
||||||
|
for i=2:nn
|
||||||
|
detx=xt(i)-xt(i-1);
|
||||||
|
dety=yt(i)-yt(i-1);
|
||||||
|
thetat(i)=atan2d(detx,dety);
|
||||||
|
end
|
||||||
|
% Uwb.x=x_uwb;
|
||||||
|
% Uwb.y=y_uwb;
|
||||||
|
% Uwb.alpha=theta_uwb;
|
||||||
|
|
||||||
|
|
||||||
|
% 角速度校准
|
||||||
|
detW = mean(wZ(1:200));
|
||||||
|
wZ = wZ - detW;
|
||||||
|
|
||||||
|
x_imu(1) = 0;
|
||||||
|
y_imu(1) = 0;
|
||||||
|
Z=zeros(3,1);
|
||||||
|
WW = 0.05;
|
||||||
|
theta_imu(1) = 0;
|
||||||
|
|
||||||
|
|
||||||
|
%
|
||||||
|
% Imu.x=x_imu;
|
||||||
|
% Imu.y=y_imu;
|
||||||
|
% Imu.v=v_imu;
|
||||||
|
% Imu.alpha=alpha_imu;
|
||||||
|
% Imu.omega=omega_imu;
|
||||||
|
|
||||||
|
%% KF
|
||||||
|
R = diag([1 1 1]);
|
||||||
|
% qq = 1;
|
||||||
|
qq = 0.005;
|
||||||
|
Q1 = diag([qq qq qq qq qq]);
|
||||||
|
P0 = diag([0 0 0 0 0]);
|
||||||
|
H = [1 0 0 0 0;
|
||||||
|
0 1 0 0 0;
|
||||||
|
0 0 0 1 0];
|
||||||
|
I = eye(5);
|
||||||
|
JF = zeros(5,5);
|
||||||
|
X_pre = zeros(5,nn);
|
||||||
|
X_kf(:,1) = [imuPosX(1);imuPosY(1);vXY(1)*100;0;wZ(1)];
|
||||||
|
for i=2:nn
|
||||||
|
% 计算IMU和里程计的时间差值
|
||||||
|
detImuTime = imuDataRxTime(i) - imuDataRxTime(i-1);
|
||||||
|
detOdomTime = odomDataRxTime(i)-odomDataRxTime(i-1);
|
||||||
|
% 获得此时Z轴角速度
|
||||||
|
w = wZ(i);
|
||||||
|
% 获得小车的水平速度
|
||||||
|
v = vXY(i)*100;
|
||||||
|
% 计算速度增量
|
||||||
|
detV=(vXY(i)-vXY(i-1))*100;
|
||||||
|
% 计算位置增量
|
||||||
|
detD = v*detImuTime;
|
||||||
|
% 计算角度增量
|
||||||
|
detTheta = w*180/pi*detImuTime;
|
||||||
|
% 计算角速度的变化量
|
||||||
|
detW = w-wZ(i-1);
|
||||||
|
% 积分计算IMU的航位角
|
||||||
|
theta_imu(i) = theta_imu(i-1)+detTheta;
|
||||||
|
% 航向约束
|
||||||
|
theta_imu(i) = mod(theta_imu(i)+180,360)-180;
|
||||||
|
|
||||||
|
% 状态更新方程
|
||||||
|
F = [1 0 detImuTime*cosd(X_kf(4,i-1)) 0 0;
|
||||||
|
0 1 detImuTime*sind(X_kf(4,i-1)) 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;
|
||||||
|
0 0 0 0 0;];
|
||||||
|
% 获得水平和垂直方向的位置增量
|
||||||
|
vtx = detD*cosd(theta_imu(i));
|
||||||
|
vty = detD*sind(theta_imu(i));
|
||||||
|
|
||||||
|
x_imu(i) = x_imu(i-1)+vtx;
|
||||||
|
y_imu(i) = y_imu(i-1)+vty;
|
||||||
|
|
||||||
|
X_next = [vtx;vty;detV;detTheta;detW];
|
||||||
|
if (x_uwb(i) == x_uwb(i-1))&&(y_uwb(i) == y_uwb(i-1))
|
||||||
|
X_kf(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
continue
|
||||||
|
end
|
||||||
|
X_pre(:,i) = X_kf(:,i-1)+X_next;
|
||||||
|
% 观测矩阵: UWB的位置、UWB的航向角
|
||||||
|
Z = [x_uwb(i);y_uwb(i);theta_uwb(i)];
|
||||||
|
P = F*P0*F'+Q1;
|
||||||
|
Kg_kf = P*H'*inv(H*P*H'+R);
|
||||||
|
X_kf(:,i) = X_pre(:,i)+Kg_kf*(Z-H*X_pre(:,i));
|
||||||
|
P0 = (I-Kg_kf*H)*P;
|
||||||
|
|
||||||
|
errKf(i) = norm(X_kf(1:2,i)-[xt(i);yt(i)]);
|
||||||
|
theta_kf(i) = X_kf(4,i);
|
||||||
|
end
|
||||||
|
plot(errKf);
|
||||||
|
mean(errKf)
|
||||||
Loading…
x
Reference in New Issue
Block a user