$$
（x，\ dfrac {dx} {dt}）
$$
对于我来说，每个采样时间我只有2D位置和角度：
$$
P_i（x_i，y_i）\ qquad \ text {and} \ qquad（\ alpha_1，\ alpha_2，\ alpha_3）
$$
我应该为每个点和每个角度计算速度以适合Kalman框架吗？
#1 楼
通常将状态变量及其导数作为卡尔曼滤波器的输入，但这不是必需的。 Kalman框架的本质是所讨论的系统具有您要估计的某些内部状态。您可以根据对系统可观察对象随时间的测量来估算那些状态变量。在许多情况下，您无法直接测量您想要估计的状态，但是如果您知道测量值与内部状态变量之间的关系，则可以使用Kalman框架解决问题。在Wikipedia页面上有一个很好的例子。在该示例中，考虑对象的一维线性运动。对象的状态变量包括其位置与时间的关系以及其在一维运动线上的速度。该示例假定唯一可观察到的是对象的位置与时间的关系。它的速度不能直接观察到。因此，滤波器结构根据位置测量值和速度与位置之间的已知关系（即$ \ dot {x_k} \ approx \ frac {（x_k-x_ {k-1}）} {\““推断”速度估算值如果假设加速度是缓慢变化的，则为Delta t} $。
评论
$ \ begingroup $
感谢您的回答。我不确定测量值与内部状态变量之间的关系，因此不确定。的确，维基百科的文章内容丰富，但与往常一样，示例很简单，而且我很难想象如何在自己的情况下使用卡尔曼滤波器。
$ \ endgroup $
–StéphanePéchard
2011年9月23日7:50
$ \ begingroup $
我鼓励您提交另一个问题，并提供更多有关您问题的详细信息。您观察到什么，您希望估计什么，以及您处于什么样的噪声环境中？
$ \ endgroup $
–Jason R
2011-09-23 17:31
$ \ begingroup $
我的卡尔曼滤波器中的测量模型也有问题。也许我的问题也可以帮助澄清您的问题。 dsp.stackexchange.com/questions/2568/…
$ \ endgroup $
–Jav_Rock
2012年6月5日14:53
#2 楼
相机的偏航率可以通过将2D位置的速度除以图像深度（3D位置之一）来计算。因此，基本上，您有两种类型的偏航率解决方案，通过图像位置处理，另一种方法是通过偏航角速度传感器。
它们可以与卡尔曼滤波器相互组合以完善偏航角速度。
评论
我从来不是卡尔曼滤波器的专家，但我认为可能需要针对下一个问题的一些答案才能自己建立模型。在您的情况下，您拥有2D位置？你有什么角度？ 2D位置和角度之间有关系吗？而且，您想使用卡尔曼滤波器得到什么？二维位置的平滑轨迹是什么？我的位置是投影在设备屏幕上的3D点。角度是设备的陀螺仪测量的欧拉角。它们之间的关系有点复杂。我想要的是使投影点稳定，以反映照相机的缺失或移动不足。希望对您有所帮助。