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。
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对象的未来位置,考虑对象检测位置中的噪声,并帮助将多个对象与其对应的轨迹关联。