卡尔曼滤波概念

概述

目的：对目标进行状态估计。
本质：考虑对当前的预测（基于运动模型）和当前的测量，给出状态估计。
卡尔曼增益：体现了预测和测量的权重。
过程：预测+更新
应用场景：可用于无人驾驶领域多传感器信息融合

卡尔曼滤波算法为什么会叫滤波算法？
以一维卡尔曼滤波为例，如果我们单纯的相信测量的信号，那么这个信号是包含噪声的，是很毛糙的，但是当我们运行卡尔曼滤波算法去做估计，我们估计的信号会很光滑，看起来似乎滤掉了噪声的影响，所以称之为滤波算法。实际上，卡尔曼滤波不仅仅过滤掉了测量信号的噪声，它同时也结合了以往的估计，卡尔曼滤波在线性问题中被证明是最优估计

---

参考：https://blog.csdn.net/AdamShan/article/details/78248421
https://blog.csdn.net/guo1988kui/article/details/79500749