カルマンフィルタの基礎と実装 ―自動運転・移動ロボット・鉄道への実践まで―[改訂版]

構成数 : 1枚

【目次】

第I部 カルマンフィルタの基礎

第1章 線形カルマンフィルタ

1−1 確率分布

1−2 ベイズの定理

1−3 動的システムの状態空間表現

1−4 離散時間における動的システムの表現

1−5 最小二乗推定法

1−6 重み付き最小二乗推定法

1−7 逐次最小二乗推定法

1−8 線形カルマンフィルタ(KF)


第2章 非線形カルマンフィルタ

2−1 拡張カルマンフィルタ(EKF)

2−2 アンセンティッドカルマンフィルタ(UKF)


第3章 データアソシエーション

3−1 センサ情報の外れ値の除去

3−2 ターゲット追跡問題におけるデータ対応付け


第4章 多重モデル法による状態推定

4−1 多重モデル法

4−2 Interacting Multiple Model(IMM)法

4−3 適用例

4−4 IMM法の利点と適用限界



第II部 移動ロボット・自動車への応用

第5章 ビークルの自律的な誘導技術

5−1 はじめに

5−2 ビークルに搭載されるセンサ

5−3 ビークルの自律的な誘導に必要とされる技術

5−4 カルマンフィルタの重要性


第6章 自己位置推定

6−1 はじめに

6−2 自己位置推定の方法

6−3 デッドレコニングとRTK-GPSによる自己位置推定

6−4 デッドレコニングの状態方程式

6−5 ランドマーク観測における観測方程式


第7章 LiDARによる移動物体追跡

7−1 はじめに

7−2 LiDARによる周辺環境計測

7−3 移動物体検出

7−4 移動物体追跡

7−5 実験


第8章 デッドレコニングの故障診断

8−1 はじめに

8−2 実験システムとモデル化

8−3 故障診断

8−4 実験


第9章 LiDARによる道路白線の曲率推定

9−1 はじめに

9−2 実験システムと白線検出

9−3 白線の線形情報推定

9−4 実験


第10章 路面摩擦係数の推定

10−1 はじめに

10−2 IMM法による状態推定

10−3 推定シミュレーション

10−4 実車計測データへの適用


第III部 鉄道の状態監視への応用

第11章 鉄道における状態監視の現状と展望

11−1 はじめに

11−2 状態監視の一般的概念と方法

11−3 車両の状態監視

11−4 軌道の状態監視

11−5 軌道状態監視システムの開発事例

11−6 今後の展望



第12章 軌道形状の推定

12−1 はじめに

12−2 車両モデル

12−3 軌道形状の推定

12−4 シミュレーションによる推定手法の評価

12−5 実車走行試験


第13章 鉄道車両サスペンションの異常検出

13−1 はじめに

13−2 鉄道車両サスペンションの故障診断

13−3 シミュレーションによる推定手法の検証