卡尔曼滤波器的通俗理解

概念： 卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法。）

以机器人举例障碍物距离为例。现在已知“传感器测量的机器人离障碍物的距离”，“上个时刻机器人离障碍物距离”和“自己当前时刻的速度”这三个数据。

观测值：传感器测量的机器人与障碍物的距离，比如雷达直接测量机器人离障碍物距离7m；
估计值：假如上一秒离障碍物10m，速度是4m/s，那么现在这秒估计就离障碍物距离是6m。

那么此时存在一个问题：
即：观测值是7m,估计值是6m，相信哪个？
因为传感器会坏掉，估计坏了，此时观测值不准;  或者就是速度不一，然后导致估计值不准.
那么提出如下：
如果雷达测量的那个7m准确度是90%，根据速度估计出的那个6m准确度是80%，那么最终的距离估计结果就是：
r e s u l t = 1 − 0.9 0.8 + 0.9 ∗ 6 + 0.9 0.8 + 0.9