卡尔曼滤波系列教程 - 序

我从大一寒假开始接触卡尔曼滤波，从零开始学习时最怕的就是一堆不明所以的公式，对数学不好的人来说，公式推导就是一场噩梦≡(▔﹏▔)≡，所以我很能理解大家在刚开始深入了解卡尔曼滤波时会感到云里雾里。大二时我曾被一个错误的卡尔曼滤波器设计误导过并走了不少的弯路，所以我希望你们能够避免走我走过的弯路(;´༎ຶД༎ຶ`)。随着接触卡尔曼滤波越来越多，我慢慢地感受到了卡尔曼滤波的魅力，并且学习越深入，越能感受到其设计之精彩(o゜▽゜)o☆。

我想去写这一系列教程的原因是，当前团队里对卡尔曼滤波的功能有基本了解的人都屈指可数，甚至即便是打过一年比赛的人，都没几个从零开始设计过一个卡尔曼滤波器并将其应用到实际中。而卡尔曼滤波作为嵌软组和算法组的核心必修课，其重要地位不言而喻。我希望这一系列教程可以在未来的至少三到五年，都能不落俗套地帮助未来的狼牙er更快地理解卡尔曼滤波，参透其中的设计意图§(￣▽￣)§。

以下是该系列教程的基本内容介绍：

《序》：介绍整个系列基本内容
《从一阶低通滤波到卡尔曼滤波》：不讨论卡尔曼滤波的公式推导，仅讨论如何从直观上理解黄金五式中各个参数的含义。
《卡尔曼滤波功能分析》：将分功能阐述卡尔曼滤波如何应用到实际中，示例中将会使用Matlab进行低阶卡尔曼滤波的演示，课后习题将要求算法组的同学使用Eigen，嵌软组的同学使用Arm Math库复刻该卡尔曼滤波(甚至需要升阶)。
- 《卡尔曼滤波器功能之滤波器》
- 《卡尔曼滤波器功能之微分器》：以CV运动模型为例
- 《卡尔曼滤波器功能之积分器》：以轮速里程计为例
- 《卡尔曼滤波器功能之数据融合》：以加速度计与轮速里程计数据融合为例
- 《卡尔曼滤波器功能之异常检测》：卡方检验
- 《卡尔曼滤波器功能之数据拟合》：本质上是最小二乘法
《卡尔曼滤波变种》：主要如何从卡尔曼滤波过渡到扩展卡尔曼滤波，阐述其过渡的意义。
- 《扩展卡尔曼滤波EKF》：将以CV运动模型中的球面模型测量模型为例
- UKF(待补充)
- ESKF(待补充)
《卡尔曼滤波终极应用》
- 《IMU滤波算法》
- 《整车估计算法》