一、Kalman用于解决什么的问题？
卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
人话：
线性数学模型算出预测值+传感测量值=更准确的测量值。
二、先来看一下姿态估计问题
三、看几个例子
（1）例题1
(来源：https://wenku.baidu.com/view/07f7a96166ec102de2bd960590c69ec3d4bbdb51.html)
（2）例题2——运动模型，写出匀加速运动的状态转移方程
第一步，根据基本的物理运动方程，写出状态方程
第二步，写出观测方程模型
我开始也不明白这个观测方程是啥意思，实际上这是模拟传感器的测量值，S代表位移，V代表误差。这里代表目标测量量为位移。
第三步，将第一步和第二步的状态方程与观测方程写成矩阵形式
根据对应关系，可以得到系数：
其中A叫做状态转移矩阵，G叫做控制矩阵，H叫做预测矩阵
给定一个初值，就可以迭代得到后面的值了。
三、计算流程
（来源：https://zhuanlan.zhihu.com/p/375148135）
四、详细推导
下图更简洁的展示了计算流程：
其中F为控制矩阵，Q为预测不确定性，R为传感器噪声，H为映射矩阵，y为误差，
S为方差之和，K为卡尔曼增益，P为更新后的协方差
四、优秀解释
无人驾驶技术入门（十八）| 手把手教你写扩展卡尔曼滤波器：https://zhuanlan.zhihu.com/p/63641680
动手算一算温度
https://zhuanlan.zhihu.com/p/93011093
卡尔曼滤波示例
https://zhuanlan.zhihu.com/p/29191795
卡尔曼滤波：从入门到精通
https://zhuanlan.zhihu.com/p/36745755
卡尔曼滤波中关键参数的调整
https://zhuanlan.zhihu.com/p/37750839
一文理清卡尔曼滤波，从传感器数据融合开始谈起
https://zhuanlan.zhihu.com/p/158737818
自动驾驶基础技术(七)-无迹卡尔曼滤波Unscented Kalman Filter
https://zhuanlan.zhihu.com/p/89835447
扩展卡尔曼滤波参数估计实例解析
https://zhuanlan.zhihu.com/p/206664475
自动驾驶中无迹卡尔曼滤波器的应用（Unscented-Kalman-Filter）
https://blog.csdn.net/weixin_42737442/article/details/105281671
卡尔曼滤波及UKF原理与应用文章来源：https://www.toymoban.com/news/detail-400044.html
https://blog.csdn.net/light169/article/details/107183461/文章来源地址https://www.toymoban.com/news/detail-400044.html
到了这里，关于Kalman滤波通俗理解+实际应用的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[足式机器人]Part2 Dr. CAN学习笔记- Kalman Filter卡尔曼滤波器Ch05](https://imgs.yssmx.com/Uploads/2024/01/805885-1.png)
![[足式机器人]Part2 Dr. CAN学习笔记- Kalman Filter卡尔曼滤波器Ch05-5+6](https://imgs.yssmx.com/Uploads/2024/01/809496-1.png)
![[足式机器人]Part2 Dr. CAN学习笔记- Kalman Filter卡尔曼滤波器Ch05-3+4](https://imgs.yssmx.com/Uploads/2024/01/808512-1.png)
