不变扩展卡尔曼滤波

在李群上定义误差的扩展卡尔曼滤波，收敛更稳，常用于足式机器人状态估计。

不变扩展卡尔曼滤波由法国学者 Barrau 和 Bonnabel 在 2014 年前后系统提出，是扩展卡尔曼滤波（EKF）的一种变体。普通 EKF 要在当前估计值处做线性化，估计一旦偏得远，线性化就不准，可能发散。InEKF 把姿态、速度、位置等状态放在李群（描述旋转和平移的数学结构）上，并按群运算定义误差；对一大类系统，误差的演化不再依赖当前估计值，因此收敛范围更大、更稳。密歇根大学 Hartley、Grizzle 等人 2019 年的论文把它用于融合 IMU 与腿部运动学和触地信息，在 Cassie 系列双足机器人上表现优于基于四元数的 EKF，并开源了 C++ 实现。

例子密歇根大学开源的 invariant-ekf 库（C++，依赖 Eigen，BSD-3 许可）以 IMU 为运动模型，接入关节运动学和触地测量，估计机身三维位姿、速度和 IMU 零偏，可用于双足或四足机器人。

也叫

IEKF、不变 EKF、接触辅助 InEKF、Contact-aided InEKF

相关

扩展卡尔曼滤波、误差状态卡尔曼滤波、李群、腿式里程计、状态估计、惯性测量单元

来源

Contact-Aided Invariant Extended Kalman Filtering for Robot State Estimation (Hartley et al., arXiv 1904.09251)
The Invariant Extended Kalman Filter as a Stable Observer (Barrau & Bonnabel, arXiv 1410.1465)
GitHub: RossHartley/invariant-ekf