标准kalman过程

Kalman原理是通过上一时刻的估计值，结合运动模型，预测出当前时刻的值（当前时刻的预测值），再与测量值进行联合高斯分布，最终得到估计值。再以当前时刻的估计值为基础，结合运动模型，对下一时刻进行预测....如此往复迭代下去的算法。

 

公式来自于：https://blog.csdn.net/u010720661/article/details/63253509

左上角图来自于：https://blog.csdn.net/AdamShan/article/details/78248421

注意的地方：kalman是将预测经过尺度变换H后，再与测量值进行加权。

根据 大名鼎鼎的跟踪算法Sort源码[https://github.com/abewley/sort]采用的kalman库【...\Lib\site-packages\filterpy\kalman\kalman_filter.py】中，kalman计算过程如下：

# = = = 整个计算可以浓缩为 = = = = = = 
    输入测量值z
    输入上次最优值x，若初始，则保存z到x中
    x = Fx + Bu
    P = F*P*F' + Q
# 有测量值z时：
    y=z-H*x
    S = H*P*H' + R
    K = P*H'*inv(S)
   x = x + Ky
   P = (I-KH)P(I-KH)' + KRK'
# 无测量值z时：
   x=x
   P=P 
# = = = 备注 = = = = = = = = = = = = 
# 更新P时，P = (I-KH)P(I-KH)' + KRK'比P = (I-KH)P更稳定
# 转移矩阵 H*x  <->  z