卡尔曼滤波器是估计从测得的数据的系统的状态的算法。它主要由匈牙利工程师鲁道夫·卡尔曼,对他们来说,过滤器被命名为开发。滤波器的算法是一个两步骤的过程:第一步预测系统的状态,并且所述第二步骤使用噪声测量以改进系统状态的估计。
现在有几个原始卡尔曼滤波器的变体。这些滤波器广泛应用于依赖于估计的应用,包括计算机视觉、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系统中,例如传感器融合,它通过融合GPS和IMU(惯性测量单元)测量来合成位置和速度信号。过滤器通常用来估计一个信号的值,不能被测量,如飞机发动机涡轮的温度,在那里任何温度传感器会失败。该滤波器还用于LQG(线性二次高斯)控制的LQR(线性二次高斯)补偿器。
计算机视觉
在计算机视觉应用中,卡尔曼滤波被用于对象跟踪预测目标的未来位置,考虑目标探测位置的噪音,并帮助将多个目标与其相应的轨迹联系起来。