卡尔曼滤波是一种从测量数据估计系统状态的算法。这种过滤器最初是由匈牙利工程师鲁道夫·卡尔曼(Rudolf Kalman)开发的,并以他的名字命名。过滤器的算法是一个两步的过程:第一步预测系统的状态,第二步使用有噪声的测量来细化系统状态的估计。
现在有原卡尔曼滤波器的几个变种。这些过滤器广泛用于依赖估计的应用,包括计算机视觉,制导和导航系统,计量经济学,和信号处理。
制导,导航与控制
卡尔曼滤波器在GNC系统,如在传感器融合,在那里它们通过融合GPS和IMU(惯性测量单元)测量合成的位置和速度信号常用。该过滤器常常被用来估计不能测量,如在飞机涡轮发动机的温度,其中的任何温度传感器将失败的信号的值。该过滤器也连同LQR(线性二次调节器),用于LQG补偿器(线性二次高斯)控制中使用。
计算机视觉
在计算机视觉应用,卡尔曼滤波器用于对象跟踪预测对象的未来位置,以说明对象的检测位置的噪音,并帮助关联多个对象及其相应的轨道。