File ukf.hpp

Implements the Unscented Kalman Filter (UKF).

License:

BSD 3-clause

The theory is described here. https://www.seas.harvard.edu/courses/cs281/papers/unscented.pdf

Copyright

Copyright (c) 2020, New York University and Max Planck Gesellschaft

Todo:

Explain here the math a little at least or add ref.

namespace mim_estimation

namespace standard_filters

template<class S, class M>
class UKF

#include <ukf.hpp>

Public Functions

UKF(bool numerical_jac, bool is_discrete, bool update_on, double dt)

inline ~UKF()

virtual void initialize(void) = 0

inline virtual void updateControls(void)

void update(void)

virtual Eigen::Matrix<double, N, 1> get_filter_state(void) = 0

void print_debug(void)

Public Static Attributes

static const int N = S::state_dim

static const int P = S::noise_dim

static const int K = M::meas_dim

static const int L = 2 * N + 1

Protected Functions

virtual Eigen::Matrix<double, N, 1> process_model(S &s) = 0

virtual Eigen::Matrix<double, K, 1> measurement_model(S &s) = 0

virtual void form_process_jacobian(void) = 0

virtual void form_process_noise(void) = 0

virtual void form_noise_jacobian(void) = 0

virtual void form_measurement_noise(void) = 0

virtual void form_actual_measurement(void) = 0

Protected Attributes

S state_pre_

S state_post_

M meas_actual_

M meas_pred_

Eigen::MatrixXd proc_jac_

Eigen::MatrixXd proc_jac_disc_

Eigen::MatrixXd noise_jac_

Eigen::MatrixXd proc_noise_

Eigen::MatrixXd proc_noise_disc_

Eigen::MatrixXd meas_jac_

Eigen::MatrixXd meas_noise_

Eigen::MatrixXd meas_noise_disc_

Eigen::MatrixXd state_weights_

Eigen::MatrixXd cov_weights_

Eigen::MatrixXd spoints_mat_

Eigen::MatrixXd spoints_proc_

Eigen::MatrixXd spoints_meas_

Eigen::MatrixXd cross_cov_

Eigen::MatrixXd gain_mat_

Eigen::LDLT<Eigen::MatrixXd> ldlt

double alpha_

double beta_

double kappa_

double lambda_

bool numerical_jac_

bool is_discrete_

bool update_on_

double dt_