感知融合算法之——卡尔曼滤波方法

1.卡尔曼滤波

卡尔曼滤波器的原理、使用、优化，请参考我的以下资源：

            目标跟踪系列-滤波-1. 以UKF为例深入理解卡尔曼滤波原理
            目标跟踪系列-滤波-2. 优化卡尔曼滤波方法
            目标跟踪系列-滤波-3. 卡尔曼滤波器调试工程经验
            目标跟踪系列-滤波-4. Kalman滤波方程的可观测性判断及参数调整策略
            https://blog.csdn.net/jane0819/article/details/130071200

2.序贯滤波融合

            使用同构传感器的话，即各个传感器的观测矩阵是相同的，这时候可以将目标物体的状态转换到观测空间中，即中，然后将数据融合到一起。
目标关联的时候，构建的关联矩阵由预测目标和观测目标两种数据源的匹配，在多传感器的场景下，有n组观测数据和1组预测数据，一共n+1个数据源需要关联并融合。
            (1) 关联只能完成一种数据源到另一种数据源的关联，假设首先完成预测数据和传感器1数据的关联和融合，这时