卡尔曼滤波是一种根据测量数据估计系统状态的算法。它最初是由匈牙利工程师鲁道夫·卡尔曼(Rudolf Kalman)开发的，该过滤器就是以他命名的。该滤波器的算法分为两步:第一步预测系统的状态，第二步使用有噪声的测量来细化系统状态的估计。
现在有几个原始卡尔曼滤波器的变种。这些滤波器被广泛应用于依赖估计的应用，包括计算机视觉、制导和导航系统、计量经济学和信号处理。
引导，导航和控制
卡尔曼滤波器通常用于GNC系统，如传感器融合，通过融合GPS和IMU(惯性测量单元)测量来合成位置和速度信号。这些滤波器通常用于估计无法测量的信号值，例如飞机发动机涡轮的温度，而任何温度传感器都可能失效。该滤波器还与LQR(线性二次型调节器)补偿器一起用于LQG(线性二次型高斯)控制。
利用卡尔曼滤波估计飞机的位置。详细信息请参见示例。
计算机视觉
在计算机视觉应用中，卡尔曼滤波器被用于对象跟踪预测一个目标的未来位置，考虑目标检测位置中的噪声，并帮助将多个目标与其相应的轨迹联系起来。
跟踪球的运动轨迹。卡尔曼滤波器的输出用红色的圆表示，目标检测用黑色表示。注意，当球被遮挡，没有发现;过滤器用于预测它的位置。详细信息请参见示例。
