JK

关于kalman滤波的学习，一直不得要领，看了很多书和文章但总觉得理解不透，究其原因就是这些书和文章都是采用数学理论推导的方法，而没有从实际应用中出发，本文就将我理解的kalman滤波进行介绍，灵感来源是优达学城的无人驾驶课程，里面老师对kalman滤波的介绍让我耳目一新：kalman滤波的理论框架是全概率法则和贝叶斯法则，在设定中假设预测和感知均有误差，且均服从正态分布，且预测过程和感知过程...

这篇主要讲kalman滤波的预测和更新过程，首相强调以下上篇（kalman滤波理解一：理论框架）所强调的连个理论原则：预测过程符合全概率法则，是卷积过程，即采用概率分布相加； 感知过程符合贝叶斯法则，是乘积过程，即采用概率分布相乘；（一）预测过程假设有一辆小车在路上行驶，其状态有位置p，速度v，我们用一个列向量来表示此时的状态： ...

在整个kalmam滤波的操作过程中，有3个协方差矩阵是需要特殊注意的，也是很多人使用时不知如何设置和更新的，分别是状态协方差矩阵P，过程噪声协方差矩阵Q，测量噪声协方差矩阵R。（一）状态协方差矩阵P状态协方差矩阵P就是状态之间的协方差组成的矩阵，对角线元素是各个状态的方差，其余元素是相应元素的协方差，由此也能看出P是一个多维方阵，维度和状态数一致，且P是对称方阵。比如状态X包含位置p和...