最全卡尔曼滤波原理简介

1. 目的：为了滤除跟踪目标的噪声，使参数的变化过程更平滑，而不会显得突兀。
2. 原理：应用了统计学的原理。有的时候，我们的测量因为随机干扰，无法准确得到，卡尔曼先生就给我们想了个办法，让我们在干扰为高斯分布的情况下，得到的测量均方误差最小，也就是测量值扰动最小，看起来最平滑。
3. 核心思想：最终的值为，估计值和测量值的加权平均。
4. 两个依据：（1）环境并不是理想环境。主要是来跟踪的某一个变量的值，跟踪的依据是首先根据系统的运动方程来对该值做预测，比如说我们知道一个物体的运动速度，那么下面时刻它的位置按照道理是可以预测出来的，不过该预测肯定有误差，只能作为跟踪的依据。
   （2）可以用测量手段来测量那个变量的值，当然该测量也是有误差的。只能作为依据。
   2个依据的权重比例不同。最后kalman滤波就是利用这两个依据进行一些列迭代进行目标跟踪的。
   测量值和估计值的加权平均。
5. 本质：卡尔曼滤波器本质是一个线性滤波器。
   注：线性代数的本质就是用来描述线性关系。
6. 应用场景：目标检测和跟踪。
7. 卡尔曼滤波初始化参数设置：初始化参数的结果对最终预测值的影响很大，如果初始化值与实际测量值差异很大，导致最终的修正值和测量值差异也会很大。
   kalman.measurementNoiseCov为测量系统的协方差矩阵，