实际工程项目中是怎么用卡尔曼滤波的?

从知乎上转载的：

https://www.zhihu.com/question/358334095/answer/1009240518?utm_source=wechat_session&utm_medium=social&utm_oi=957369814709252096

先啰嗦一下在工程中卡尔曼滤波要解决的问题是什么。我们得到了2（或多个）个反馈同一件事的信息A和B，但不知道该相信哪个结果，所以简单的，将两个信息相加除以2（加权平均），得到一个结果0.5A+0.5B。但这个方法过于粗暴，不能反映出水平。现在知道了其中一个信息可靠度更好，而另一个可靠度不好，就要更相信好的信息，如，现在给可信度好的B更大的权重，得到0.2A+0.8B，这个结果会好于第一个。但仍然觉得low，因为A与B的参数是根据经验设置的，并不知道是否是最合理的，是否是最优化的。所以高级的，用优化的方法，根据A与B的高斯分布特征，去融合A和B信息，这个就是卡尔曼。所以，我们看到，要利用卡尔曼，需要不同的信息源（大于等于2个）。最常见的信息源是什么？就是我们根据系统模型或动力学模型计算出来的结果，可以通过仿真的形式得到。第二个或第三个信息是什么？在飞行器姿态估计，导航定位，目标跟踪（几个问题的本质一样，都是状态估计）的问题中，这个信息一般来自惯导或GPS或雷达等。有了2个信息数据，就可以根据Kalman的公式进行融合。下面举一个机器人运动估计的例子，来自《Probabilistic Robotics》。

首先假设你的机器人长这样（一个圆，比较简单），在二维笛卡尔坐标系中运动。

实际工程项目中是怎么用卡尔曼滤波的?
根据这个图，可以得到它的运动学模型

得到以上模型还不能直接用，这个模型有变量的乘积和三角函数，是个非线性模型，但要利用卡尔曼公式，需要满足EKF（实际工程应用中，我还没见过直接用KF的）的线性化条件。所以要将非线性的模型线性化。