卡尔曼滤波器是一种估计来自测量数据的系统的状态的算法。它主要由匈牙利工程师Rudolf Kalman开发,因为过滤器被命名为谁。过滤器的算法是两步处理:第一步预测系统的状态,第二步使用噪声测量来改进系统状态的估计。
现在有几种原始卡尔曼滤波器的变体。这些过滤器广泛用于依赖估计的应用,包括计算机视觉,指导和导航系统,核使计和信号处理。
指导,导航和控制
卡尔曼滤波器通常用于GNC系统,例如在传感器融合中,在那里它们通过熔化GPS和IMU(惯性测量单元)测量来合成位置和速度信号。滤波器通常用于估计不能测量的信号的值,例如飞机发动机涡轮机中的温度,其中任何温度传感器将失效。滤波器还与LQR(线性 - 二次稳压器)补偿器一起使用,用于LQG(线性 - 四态-Gaussian)控制。
计算机视觉
在计算机视觉应用中,卡尔曼过滤器用于对象跟踪为了预测对象的未来位置,以解释对象检测到的位置中的噪声,并帮助将多个对象与其相应的轨道相关联。