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。