卡尔曼滤波是一种根据测量数据估计系统状态的算法。它最初是由匈牙利工程师鲁道夫·卡尔曼(Rudolf Kalman)开发的，这种过滤器就是以他命名的。滤波器的算法是一个两步过程:第一步预测系统的状态，第二步使用噪声测量来改进对系统状态的估计。
现在有几个版本的原始卡尔曼滤波器。这些滤波器广泛应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。
引导、导航和控制
卡尔曼滤波器通常用于GNC系统，如传感器融合，通过融合GPS和IMU(惯性测量单元)测量数据来合成位置和速度信号。滤波器通常用来估计一个无法测量的信号的值，比如飞机发动机涡轮的温度，在那里任何温度传感器都会失效。滤波器还与LQR(线性二次型调节器)补偿器一起用于LQG(线性二次型高斯)控制。
利用卡尔曼滤波估计飞机的位置。详情见示例。
计算机视觉
在计算机视觉应用中，卡尔曼滤波器被用于对象跟踪预测目标的未来位置，考虑目标检测位置中的噪声，并帮助将多个目标与它们相应的轨迹关联起来。
跟踪一个球的轨迹。红色圆圈表示卡尔曼滤波器的输出，黑色圆圈表示目标检测。注意球被遮挡，没有检测到;过滤器用来预测它的位置。详情见示例。
