什么是卡尔曼滤波器？
卡尔曼滤波器是一种基于测量数据估计系统状态的算法。它主要由匈牙利工程师鲁道夫·卡尔曼开发，滤波器因此得名。该滤波器的算法分为两步：第一步预测系统状态，第二步使用含噪测量值来细化系统状态的估计。
原始卡尔曼滤波器现在有几种变体。这些变体滤波器广泛用于依赖估计的应用中，包括计算机视觉、制导和导航系统、计量经济学和信号处理。
制导、导航和控制
卡尔曼滤波器在 GNC 系统经常用到，例如在传感器融合中，通过融合 GPS 和 IMU（惯性测量单元）测量值来合成位置和速度信号。此类滤波器通常用于估计无法测量的信号值，例如飞机引擎涡轮中的温度，因为在该环境中任何温度传感器都会失效。它们还会与 LQR（线性二次调节器）补偿器一起用于 LQG（线性二次高斯）控制。
使用卡尔曼滤波器估计飞机的位置。有关详细信息，请参阅示例。
计算机视觉
在计算机视觉应用中，卡尔曼滤波器用于目标跟踪来预测对象的将来位置，以处理目标检测位置中的噪声，并帮助将多个目标与其对应的轨迹关联起来。
跟踪球的轨迹。卡尔曼滤波器的输出用红色圆圈表示，目标检测用黑色十字表示。注意当球被遮挡而没有检测到时的情况；滤波器用于预测其位置。有关详细信息，请参阅示例。
示例和操作方法
控制系统
计算机视觉
传感器融合与跟踪
软件参考
控制系统
Simulink 模块
MATLAB 函数
计算机视觉
信号处理
传感器融合与跟踪
卡尔曼滤波器常见问题
卡尔曼滤波器 是一种算法，它通过两步过程从测量数据估计系统状态：预测系统状态，然后使用含噪测量来改进估计。
卡尔曼滤波器通过两个步骤估计系统状态：首先预测系统状态，然后使用含噪测量来精化系统状态估计。
卡尔曼滤波器广泛用于制导与导航系统、目标跟踪的计算机视觉、传感器融合（例如 GPS 与 IMU）、计量经济学和信号处理。
在计算机视觉中，卡尔曼滤波器用于目标跟踪，以预测目标的未来位置、考虑检测到的位置噪声，并帮助将多个目标与各自的轨迹关联起来。
卡尔曼滤波器通过融合来自多个传感器（例如 GPS 和 IMU）的测量来综合位置和速度信号，例如在制导与导航系统中融合位置与速度信息。
可以，卡尔曼滤波器常用于估计无法直接测量的信号值，例如飞机发动机涡轮中的温度，在该位置任何温度传感器都会失效。
卡尔曼滤波器有多种变体，包括用于非线性系统的扩展卡尔曼滤波器、无迹卡尔曼滤波器，以及粒子滤波器，所有这些在 MATLAB 和 Simulink 产品中均可用。
是的，MATLAB 提供卡尔曼滤波器函数、Simulink 模块以及 Control System Toolbox、Computer Vision Toolbox 和 Sensor Fusion and Tracking Toolbox 工具箱，用于设计和实现卡尔曼滤波器。
另请参阅: 控制系统, 目标识别, 视频处理, PID 控制, 参数估计, 点云, 电池荷电状态, 同步定位与地图构建 (SLAM)
