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。
利用卡尔曼滤波估计飞机的位置。详细信息参见示例。
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。
追踪一个球的轨迹。红色圆圈表示卡尔曼滤波的输出，黑色圆圈表示目标检测。注意球是否被遮挡，没有检测到;过滤器用来预测它的位置。详细信息参见示例。
