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］

【改訂版への序文】※一部抜粋

2021 年9 月に刊行した 「カルマンフィルタの基礎と実装」 は、これまでに刊行されたカルマンフィルタの基礎に関する書籍と異なり、実際の応用時の実装について重点的に記述したものであり、著者らの意図は、ある程度受け入れられたものと思われる。
一方で、いくつかの追記、修正すべき事項があることもわかった。具体的な追記修正事項は、以下のとおりである。

・ 第2章「 非線形カルマンフィルタ」 において、アンセンティッドカルマンフィルタ（ UKF） には幾つかの異なるアルゴリズムがあるため、初版で記載したアルゴリズムに加え、もうひとつの代表的なアルゴリズムを追加した。

・ 第4章「 多重モデル法による状態推定」 おいては、例題がないため理解が困難であった部分があった。そこで、適用例を追加して理解を深められるように配慮した。

・ 第9章 「LiDAR による道路白線の曲率推定」 において、ここで使用しているアンセンティッドカルマンフィルタ （UKF）、線形カルマンフィルタのアルゴリズムを詳細に記載した。

・ 雑音に関する記述を「 システム雑音」、「センサ雑音」 で統一するとともに、誤記の修正をおこなった。

【概要】※初版の抜粋
本書は、3 部で構成されている。
「第1 部 カルマンフィルタの基礎」 ではこれ以降の章のベースとなるカルマンフィルタの基礎について解説している。
本書では、線形カルマンフィルタ (KF) の導出にあたっては、できるだけわかりやすく解説するために、一般によく知られた最小二乗推定法を拡張してカルマンフィルタを導出するという構成を採用した。
また、非線形のカルマンフィルタとして、拡張カルマンフィルタ( EKF)、アンセンティッドカルマンフィルタ( UKF) の導出についても説明している。さらに、実環境において重要となるデータアソシエーションについては、独立した章を設けて解説した。
加えて、複数のカルマンフィルタによる推定を確率的に統合する方法として、Interacting Multiple Model( IMM) 法について基本概念を解説した。
「第2 部 移動ロボット・自動車への応用」では、ビークルの状態推定におけるカルマンフィルタの重要性を説明したのち、ビークルの自己位置推定、周辺環境の移動物体の運動状態推定、センサ故障診断、道路白線の曲率推定に対するカルマンフィルタの適用事例を解説した。
「第3 部 鉄道の状態監視への応用」 においては、鉄道における状態監視の現状と展望について説明したのち、鉄道車両の車体の上下振動加速度から軌道の形状を推定するという逆問題に対する適用例を示した。
さらに、Interacting Multiple Model( IMM) 法を用いた鉄道車両サスペンションの故障検知への応用事例を解説した。