+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

暂无数据

使用pykalman预测动态对象的进一步步骤

发布于2021-03-04 22:27     阅读(864)     评论(0)     点赞(0)     收藏(2)


0

1

2

3

4

5

6

7

8

9

我正在尝试使用卡尔曼滤波器来预测下一个对象的位置。我的数据每隔1s由纬度和经度组成,因此,我也可以获得速度。

下面的代码显示了pykalman软件包的尝试,以预测进一步的位置。我只是通过添加前三个纬度/经度值来修改测量值。transition_matrices和observation_matrices对吗?我不知道该如何设置它们。

#!pip install pykalman
from pykalman import KalmanFilter
import numpy as np
kf = KalmanFilter(transition_matrices = [[1, 1], [0, 1]], observation_matrices = [[0.1, 0.5], [-0.3, 0.0]])
measurements = np.asarray([[41.4043467,  2.1765616], [41.4043839,  2.1766097], [41.4044208,  2.1766576]])  # 3 observations
kf = kf.em(measurements, n_iter=5)
(filtered_state_means, filtered_state_covariances) = kf.filter(measurements)
(smoothed_state_means, smoothed_state_covariances) = kf.smooth(measurements)

结果如下,远离正确的输出。

smoothed_state_means
array([[-1.65091776, 23.94730577],
       [23.15197525, 21.2257123 ],
       [43.96359962, 21.9785667 ]])

我怎样才能解决这个问题?我想念的是什么?

使用纬度/经度时,路径具有此形状

在此处输入图片说明

更新

我尝试了以下转换方式:

1。

R = 6378388.0 # m
rlat1_225 = math.radians(lat_225['message_basicContainer_reference_position_latitude'].values[i-1]/10000000)
rlon1_225 = math.radians(lon_225['message_basicContainer_reference_position_longitude'].values[i-1]/10000000)
       
dx = R * math.cos(rlat1_225) * math.cos(rlon1_225)
dy = R * math.cos(rlat1_225) * math.sin(rlon1_225)
pos_x = abs(dx*1000)
pos_y= abs(dy*1000)

在此处输入图片说明

2。

altitude=0
arc= 2.0*np.pi*(R+altitude)/360.0 #
latitude=lat_225['message_basicContainer_reference_position_latitude']/10000000
longitude=lon_225['message_basicContainer_reference_position_longitude']/10000000
dx = arc * np.cos(latitude*np.pi/180.0) * np.hstack((0.0, np.diff(longitude))) # in m
dy = arc * np.hstack((0.0, np.diff(latitude))) # in m

在此处输入图片说明

但是,在应用EKF之后,第一种方法似乎是正确的形状(我遵循了Michel Van Biezen的解释,其中我可以使跟踪平面在python中工作)。

因此,我遵循使用EKF的第一种方法进行预测:

在此处输入图片说明

但是,当我将预测路径和原始路径重叠时,就会得到此图

然后,使用第二种方法进行预测,结果是

在此处输入图片说明

似乎第一种方法是正确的,还是还有其他方法?


解决方案


您需要在本地笛卡尔坐标系统中转换纬度/经度位置。您可以在第一个收到的位置内设置原点。关于该系统,您可以估计相对位置和速度。

转换矩阵取决于您选择的状态,例如2个状态,即该轴上的x位置和v速度:x_k + 1 = x_k + v_k * dT和v_k + 1 = v_k。这是:

transition_matrices = [[1, dT], [0, 1]]

0

1

2

3

4

5

6

7



所属网站分类: 技术文章 > 问答

作者:黑洞官方问答小能手

链接: https://www.pythonheidong.com/blog/article/878038/8490cb5b5727155342f6/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

0 0
收藏该文
已收藏

评论内容:(最多支持255个字符)