OpenCV每日函数 对象追踪模块 卡尔曼滤波器

一、卡尔曼滤波器概述

        大多数现代系统都有许多传感器，它们根据一系列测量来估计隐藏（未知）状态。例如，GPS 接收器提供位置和速度估计，其中位置和速度是隐藏状态，而卫星信号到达的差分时间是测量值。

        跟踪和控制系统的最大挑战之一是在存在不确定性的情况下提供对隐藏状态的准确和精确的估计。在 GPS 接收器中，测量不确定性取决于许多外部因素，例如热噪声、大气影响、卫星位置的微小变化、接收器时钟精度等等。

        卡尔曼滤波器，也称为线性二次估计( LQE )，是最重要和最常见的估计算法之一。卡尔曼滤波器根据不准确和不确定的测量结果生成隐藏变量的估计值。此外，卡尔曼滤波器根据过去的估计预测未来的系统状态。

        卡尔曼滤波器主要（但不完全）是由鲁道夫·卡尔曼（Rudolf Kalman）在20世纪50年代后期开发出来的一种算法。卡尔曼滤波器在许多领域都有实际应用，尤其是各种交通工具的导航系统。

        下面的文章比较好的阐述了卡尔曼滤波器。

The background