算法解析：扩展卡尔曼滤波EKF与KF本质分析

       了解卡尔曼滤波(KF)的人都应该清楚，扩展卡尔曼滤波(EKF)是KF的非线性情况，多做了一步线性化。一般线性化的常用方法使泰勒展开，需要一个展开的初始位置。因此KF的运动方程实际上就是求这个初始位置，但这个估计可能不准确，于是就给他一个相应的信任度或是称为权值。有了初始位置再加入距离量测信息，距离量测值也根据其观测质量给出权值，通过两者加权平均得到最终估计值。所以本质上卡尔曼滤波运动方程和量测方程就是估计与修正的过程。得到最终的位置也并非完全准确地，也就是说并非真实的位置，因为距离量测值和里程计量测值都是有误差的。