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
另请参阅: 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)