【图像处理 】卡尔曼滤波器原理

目录

一、说明

二、它是什么？

2.1 我们可以用卡尔曼滤波器做什么？

2.2 卡尔曼滤波器如何看待您的问题

2.3 将问题用矩阵描述

2.4 考虑外部干扰和影响

2.5 考虑外部干扰和影响不确定性

2.6 通过测量改进估计

2.7 高斯联合

2.8 把它们放在一起

2.9 封装包起来

---

一、说明

        我忍不住向大家介绍卡尔曼滤波器，因为它的功能实在是太棒了。令人惊讶的是，似乎很少有软件工程师和科学家知道它，这很悲催。卡尔曼是一种在存在不确定性的情况下组合信息的通用而强大的工具。有时它提取准确信息的能力是非常神奇的。如此强大的算法没有不学的道理！

二、Kalman滤波是什么？

        您可以在任何您对某些动态系统有不确定信息的地方使用卡尔曼滤波器，并且您可以对系统接下来要做什么进行有根据的猜测。即使混乱的现实出现并干扰了您猜测的干净运动，卡尔曼滤波器通常也能很好地找出实际发生的事情。它可以在混乱吵杂的疯狂现象之间，找出现象之间的相关性，这种能力足以颠覆您的想象！

        卡尔曼滤波器非常适合不断变化的系统。它们的优点是内存占用少（除了之前的状态不需要保留任何历史记录）