搜索资源列表
kalmanfiler
- 卡尔曼滤波C程序 卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。 对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制， 传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理， 例如头脸识别，图像分割，图像边缘检测等等。-Kalman filtering C program Kalman filter is
extendkalman
- 卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。 对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制， 传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理， 例如头脸识别，图像分割，图像边缘检测等等。-Kalman filter is an "optimal recursive data pro
kalmanfiler11
- 卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。 对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制， 传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理， 例如头脸识别，图像分割，图像边缘检测等等。-Kalman filter is an "optimal recursive data pro
Mobile__obots
- 机器人导航程序，其中包括粒子滤波，扩展卡尔曼滤波的实现代码。-robot navigation procedures, including the particle filter, extended Kalman Filter codes.
ekf slam源程序
- 展kalman滤波器的matlab源码，实现机器人的自定位功能，欢迎测试-Extended kalman filter matlab source, the realization of robot self-localization function, welcomed the test
KF
- DR定位卡尔曼滤波程序，用于巡逻机器人走直线时信号处理-DR positioning Kalman filtering procedures for patrol robot in a straight line, the signal processing
dpslam0.1.1.tar
- 机器人地图创建新算法，DP-SLAM源程序-Abstract—Probabilistic approaches have proved very successful at addressing the basic problems of robot localization and mapping and they have shown great promise on the combined problem of simultaneous localization and ma
multilocation
- 无限传感器多边测距，用4边方式定防区机器人的位置，相比卡尔曼算法，是比较粗糙的定位算法-Sensors Unlimited multilateral ranging, set of 4 side of the way the location of the robot defense area, compared to the Kalman algorithm, which is a more rough positioning algorithm
EKF_Peng
- Start with the runlocalization track.m which is the entrance function to your lab. This function reads two les determined by simout le and map le input arguments which contain information about sensor readings and the map of the environment re
Slam3D1
- 基于kalman的机器人slam，可用于二维和三维！-Kalman-based robot slam, can be used for two-and three-dimensional!
Kalman_Filter
- 利用kalman滤波算法仿真二自由度机器人对平面点的定位（机器人视觉伺服）-Kalman filtering algorithm using two degrees of freedom robot simulation of planar point location (robot visual servo)
Kalman_Filter2
- 用kalman滤波算法仿真实现2自由度机器人对目标的跟踪（demo2忽略了Jt，demo3包含可Jsita和Jt，估计总雅可比矩阵J的kalman滤波）---机器人视觉伺服-Simulation kalman filter algorithm with 2 degrees of freedom robot target tracking (demo2 ignored Jt, demo3 contains Jsita and Jt, the total estimated Jacobian mat
project1.tar
- 华盛顿大学机器人课程的教学作业，是学习Kalman滤波和粒子滤波很好的仿真平台。稍加改动可以将该平台作为SLAM学习，多目标跟踪等问题的实验平台。深入学习可以得到更多回报，具体算法的实现可以参考本站内的EKF-SLAM和Fast-SLAM-You are to write a particle filter and a Kalman filter for robot localization. The scr ipt generates motion information according
RobotPLocalization
- 一种用于机器人定位的卡尔曼滤波算法，英文版，讲的很详细。-For a robot localization of kalman filtering algorithm, in English, speak very detailed
DSP_INS_1.0
- The open source project DSP_INS is an inertial navigation system on the TI DSP platform TMS320F28335 with MEMS inertial sensors and commercial GPS module. Inertial sensors are actually used only for estimating attitude, heading and velocity.
p212
- 卡尔曼滤波器对沿直线运动的机器人的运动轨迹进行估计。画出轨迹估计曲线和实际运动曲线-Kalman filter to estimate the trajectory of the robot along the linear motion. Draw the trajectory estimated curve and the actual motion curve
p213
- 卡尔曼滤波器估计机器人运动轨迹，使用激光和超声波进行观察。画出估计轨迹图和实际轨迹图。-Kalman filter estimated the robot trajectory, the use of laser and ultrasonic observation. Draw the estimated trajectories and actual trajectories.
p222
- 卡尔曼滤波器完成多传感器融合算法，不同机器人的不同传感器对足球位置进行估计，融合不同传感器数据得到精确估计-Kalman filter to complete the multi-sensor fusion algorithm, the different sensors of the robot football position estimates, the integration of different sensor data accurate estimate of
Slam2D1
- 概率机器人基于卡尔曼滤波器实现实时定位和地图创建（SLAM）的算法，用matlab编写，涵盖了机器人二维场景。-The simultaneous localization and mapping algorithm based on the Kalman filter. Robot work enviroment is 2D.
kalman filter
- MATLAB Simulink模型 扩展卡尔曼滤波器实例应用 机器人 电机(MATLAB, Simulink model, extended Calman filter example, application of robot motor)