forked from psas/filters
/
lv2.py
71 lines (65 loc) · 2.85 KB
/
lv2.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
import sys
import kalman
from numpy import *
dt = 1.0 / 2500.0
process_sigmasq = 3.0
measurement_sigmasq = 1.0
t = kalman.kalman(
x=zeros((9,1)),
P=array([
[10., 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 10., 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 10., 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0]]),
)
process = kalman.process_model(
F=array([
[1.0, dt, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 1.0, dt, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 1.0, dt, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 1.0, dt, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, dt, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, dt],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0]]),
Q=array([
[dt ** 4 / 4, dt ** 3 / 3, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[dt ** 3 / 3, dt ** 2, dt ** 3 / 3, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[ 0.0, dt ** 3 / 3, dt, dt ** 3 / 3, 0.0, 0.0, 0.0, 0.0, 0.0],
[ 0.0, 0.0, dt ** 3 / 3, dt ** 4 / 4, dt ** 3 / 3, 0.0, 0.0, 0.0, 0.0],
[ 0.0, 0.0, 0.0, dt ** 3 / 3, dt ** 2, dt ** 3 / 3, 0.0, 0.0, 0.0],
[ 0.0, 0.0, 0.0, 0.0, dt ** 3 / 3, dt, dt ** 3 / 3, 0.0, 0.0],
[ 0.0, 0.0, 0.0, 0.0, 0.0, dt ** 3 / 3, dt ** 4 / 4, dt ** 3 / 3, 0.0],
[ 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, dt ** 3 / 3, dt ** 2, dt ** 3 / 3],
[ 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, dt ** 3 / 3, dt]]) * process_sigmasq
)
accel = kalman.observation_model(
H = [
[0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0],
[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0]],
R = [
[measurement_sigmasq, 0.0, 0.0],
[0.0, measurement_sigmasq, 0.0],
[0.0, 0.0, measurement_sigmasq]]
)
gps = kalman.observation_model(
H = [[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0]],
R = [[measurement_sigmasq]]
)
for line in sys.stdin:
li = line.split('\t')
if li[0] == 'accel':
t.update(accel, float(li[2]), float(li[3]), -float(li[4]) - 9.80665)
elif li[0] == 'pressure':
t.update(gps, float(li[2]))
else:
continue
t.predict(process)
print li[1], t.x[6][0], t.x[7][0], t.x[8][0]