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