卡尔曼滤波

前言

之前看Fast-LIO的时候，了解过卡尔曼滤波的知识，重新整理下。同时推荐一个很棒的Kalman Filter讲解网站：https://www.kalmanfilter.net，这里有关于网站的速览：https://mp.weixin.qq.com/s/QGmX4ygxqpVXjpkl40MBiA。

一、初印象

卡尔曼滤波是最重要和最常见的估计算法，基于不精确、不确定的观测来估计和预测隐藏变量（或称为状态）；它基于马尔科夫假设，假设当前状态只与上一时刻状态有关。根据上时刻状态量、输入以及观测量，推导出当前时刻状态和协方差矩阵。

显然，从卡尔曼滤波的描述上看，它符合我们在SLAM系统中根据传感器数据估计机器人位姿的需求。

二、基本概念

记录一些描述的很清晰的概念。

1. 估计、准确度和精度
   估计（Estimate ）：对系统隐藏状态的估计。
   准确度（accuracy）：描述了测量值和真值的接近程度。
   精度（precision）：描述了同一参数的多次测量的变化情况。