卡尔曼滤波本来是控制系统课上学的，当时就没学明白，也蒙混过关了，以为以后也不用再见到它了，可惜没这么容易，后来学计算机视觉和图像处理，发现用它的地方更多了，没办法的时候只好耐心学习和理解了。一直很想把学习的过程记录一下，让大家少走弯路，可惜总也没时间和机会，直到今天。。。 我一直有一个愿望 ...

卡尔曼滤波法 卡尔曼滤波算法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，是一种最优化自回归数据处理算法。 通俗地讲，对系统 \(k-1\) 时刻的状态，我们有两种途径来获得系统 \(k\) 时刻的状态。一种是根据常识或者系统以往的状态表现来预测 \(k ...

原文地址：http://www.niwozhi.net/demo_c65_i50946.html 关于卡尔曼滤波的理论这里不打算讲了，就是那个5个基本的公式，这里直接给出公式： 公式1：X(k|k-1) = AX(k-1 | k-1) + BU(k) + W(k) 公式2：P(k ...

code outputs ...

什么是卡尔曼滤波？ 　　你可以在任何含有不确定信息的动态系统中使用卡尔曼滤波，对系统下一步的走向做出有根据的预测，即使伴随着各种干扰，卡尔曼滤波总是能指出真实发生的情况。　　在连续变化的系统中使用卡尔曼滤波是非常理想的，它具有占用内存小的优点（除了前一个状态量外，不需要保留其它历史数据 ...

　　在我总结Kalman filtering之前请允许我发泄一下，网上的各版本的卡尔曼滤波方程的变量字母真是多，而范例却全都是同一个测量气温的简单例子，单纯看书的话公式自己又推不出来，真是日了狗了。 　　好了，说到卡尔曼滤波，我对卡尔曼滤波的初步理解就是（反正这句话也是抄的，看看就好 ...

卡尔曼滤波的推导 1 最小二乘法 在一个线性系统中，若\(x\)为常量，是我们要估计的量，关于\(x\)的观测方程如下： \[y = Hx + v \tag{1.1} \] \(H\)是观测矩阵（或者说算符），\(v\)是噪音，\(y\)是观察量 ...

这两天学习了一些卡尔曼滤波算法的相关知识。相比其它的滤波算法，卡尔曼滤波在对计算量需求非常之低，同时又能达到相当不错的滤波结果。 1. 算法原理 网上看到一篇文章http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures ...