大刀向卡尔曼滤波的头上砍去

4自动驾驶领域绕不开的就是卡尔曼滤波，无论是障碍物跟踪，车道线跟踪还是障碍物预测，定位等。

卡尔曼滤波就相当于我国古代的皇帝，在朝廷听政，但不能只信某一个大臣的，而是根据各个大臣的进言来判断事情的真相。感性的来说，卡尔曼就是根据上一时刻（大臣们的话）来预测当前时刻的状态（事情的真相）。最后将预测的值与当前时刻的测量值（锦衣卫去民间调查）进行加权，加权之后的结果才认为是当前的实际状态，而不是仅仅听信当前的测量值。

• 预测是一个放大不确定性的过程。
• 预测与观测都是不确定性的高斯分布，两个相乘获得了相对确定的分布。

卡尔曼首先初始化 ，初始化第一秒，以及第二秒的预测和观测。
用第二秒的状态向量获得第三秒的预测，再与第三秒的观测结果进行加权，就得到了第三秒的状态向量。

状态向量就是通过预测与测量进行加权获得的

必须要祭出卡尔曼老爷子给出的7大公式。

开源的矩阵运算库——Eigen库