温彬彬 温鹏智 胡雪花

摘要：扩展卡尔曼滤波在机器人目标跟踪中有非常重要的应用，该文重点介绍了扩展卡尔曼滤波的工作流程以及如何应用在机器人目标跟踪中。但EKF算法应用在非线性系统中会产生二次项以上的截断误差，累计会影响机器人的定位精度。该文主要从拓展卡尔曼滤波的收敛性上进行分析，利用双估计用观测残差对过程噪声进行补偿，利用新息和观测值估测观测噪声矩阵，通过多次预测、更新迭代从而达到对机器人更精准的定位。

关键词：扩展卡尔曼滤波;目标跟踪;噪声补偿;观测噪声

中图分类号：TP3        文献标识码：A

文章编号：1009-3044（2021）36-0116-03

开放科学（资源服务）标识码（OSID）：

Application of EKF in Robot Target Tracking

WEN Bin-bin1， WEN Peng-zhi2，HU Xue-hua1

（1.Hebei Vocational University of Industry and Technology， Shijiazhuang 050000， China; 2.Xingtai Modern Occupation School， Xingtai 054000， China）

Abstract： Extended Kalman filter has a very important application in robot target tracking. This paper focuses on the workflow of extended Kalman filter and how to apply it in robot target tracking. However， when EKF algorithm is applied in nonlinear system， it will produce truncation errors above quadratic term， which will affect the positioning accuracy of the robot. This paper mainly analyzes the convergence of extended Kalman filter， uses double estimation to compensate the process noise with observation residuals， uses innovation and observation values to estimate the observation noise matrix， and achieves more accurate positioning of the robot through multiple prediction and update iterations

Key words： Extended Kalman filter; target tracking; noise compensation; observation noise

在人工智能時代 ，运动目标跟踪与检测的研究有非常重要的意义，广泛地应用在智能机器人、智慧交通、无人驾驶汽车等领域。在目标跟踪与检测中，首先要获取一个目标的准确位置，就要建立一个良好的滤波型。目前常用有卡尔曼滤波KF、扩展卡尔曼滤波EKF，两者都是基于区域的跟踪方法，用来解决状态估计问题。卡尔曼滤波器是目前最优化的线性滤波，要求观测方程是线性的，符合高斯分布的。但是实际生活中，目标的移动由于环境变化出现加速或者减速，影响机器人判断目标的准确性，为了解决这个问题且能继续使用卡尔曼滤波来进行预测，人们使用扩展卡尔曼滤波，将非线性系统利用数学中一阶泰勒级数展开，将状态转移方程和观测方程线性化，再利用卡尔曼滤波进行递归估计，这样能够对突然加速、减速或环境变化引起的位置和速度变化判断较为精准。……