# 卡尔曼滤波中局部速度转全局帧是否构成EKF非线性化

> 原文链接：https://robotics.hellobike.com/pitfalls/2023-12-11-robotics-se-20075
> 频道：pitfalls | 更新日期：2023-12-11 | 标签：auto, stackexchange, kalman-filter
> 核心摘要：在KF预测前利用已知位姿将局部速度变换至全局帧属于数据预处理，未引入状态依赖的非线性，无需改用EKF。

# 卡尔曼滤波中局部速度转全局帧是否构成EKF非线性化

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Transforming between a local and global frame for a Kalman filter](https://robotics.stackexchange.com/questions/20075/transforming-between-a-local-and-global-frame-for-a-kalman-filter)（Robotics Stack Exchange #20075）

**状态**：已解决

## 问题

在2D目标跟踪中引入旋转后，控制速度定义于局部坐标系而状态位于全局坐标系。开发者通过当前位姿估计构建变换矩阵 $T_{GL}$ 将局部速度转为全局速度后代入标准KF预测模型，但担忧该操作因涉及旋转导致状态更新非线性，从而意外实现了扩展卡尔曼滤波（EKF）。

## 环境

2D平面运动系统，含平移与绕Z轴旋转自由度；标准卡尔曼滤波器；状态为全局位置，输入为局部速度。

## 解决办法

1. 确认该操作仅为基于已知量 $T_{GL}$ 的输入数据预处理，并非对状态转移方程本身的非线性建模。
2. 明确变换后的速度已对齐全局坐标轴，消除了旋转对状态更新的直接耦合，数学运算仍在全局线性框架内完成。
3. 维持原有标准卡尔曼滤波实现，无需推导雅可比矩阵或切换至EKF架构。

原问题作者：Karnivaurus；采纳答案作者：edwinem。原内容依 CC BY-SA 4.0 授权，本页摘要同样依 CC BY-SA 4.0 授权。
:::

## 原始参考来源 (Sources)

- [Robotics Stack Exchange #20075：Transforming between a local and global frame for a Kalman filter](https://robotics.stackexchange.com/questions/20075/transforming-between-a-local-and-global-frame-for-a-kalman-filter)