用于ROS的通用传感器融合程序包 使用此框架，可以在具有通用ROS节点的C ++库中实现低级传感器融合的估计方法。 实现的方法/算法是： 加权移动平均 移动中位数 卡尔曼滤波 扩展卡尔曼滤波器 无味卡尔曼滤波器 采样重要性重采样（粒子滤波） 安装 这些软件包取决于Eigen3，因此，如果未安装（如果运行catkin_make，则会出现错误），请从。 将目录“ Eigen /”从此归档文件复制到/ usr / include / eigen3就足够了，即无需安装。 目录结构 sf_estimation：分别实现状态估计算法或过滤器的通用低层传感器融合框架。 sf_msgs：包含sf_filter节点可以发布的消息的软件包。 sf_filter：具有配置的ROS节点的源。 复制该文件夹以创建另一个具体的过滤器。 doc：代码文档，示例，教程，故障排除 示例：过滤ROS节点的一些示例配

卡尔曼的论文，卡尔曼滤波器第一次在此论文中提出。

kalman filter 公式推导过程笔记；英文；BLUE:best&linear&unbiased&estimate.

卡尔曼滤波的单目标跟踪代码Python版，视频中逐帧处理。

这段代码以matlab为平台编写的，介绍了Kalman滤波在温度测量中的应用。通过这个实例应用，你能很好的掌握Kalman的基本知识，加深对Kalman滤波的认识。每段代码都配有解释说明，方便大家的理解。大家可以在此代码的基础上进行改编，或参考此代码编写自己的应用实例。

matlab建立汽车模型代码无味卡尔曼滤波器项目 自动驾驶汽车工程师纳米学位课程 在该项目中，利用无迹卡尔曼滤波器通过嘈杂的激光雷达和雷达测量来估计感兴趣的移动物体的状态。 通过项目需要获得低于项目标准中列出的容差的 RMSE 值。 该项目涉及可下载的 Term 2 Simulator。 此存储库包含两个文件，可用于为 Linux 或 Mac 系统设置和安装。 对于 Windows，您可以使用 Docker、VMware，甚至可以安装 uWebSocketIO。 请参阅 EKF 项目课程中教室中的 uWebSocketIO 入门指南页面，了解所需的版本和安装脚本。 uWebSocketIO 安装完成后，可以通过从项目顶级目录执行以下操作来构建和运行主程序。 mkdir 构建 光盘构建 .. 制作 ./无味KF 可以在 EKF 项目的课堂课程中找到设置环境的提示。 注意完成项目需要编写的程序是src/ukf.cpp、src/ukf.h、tools.cpp、tools.h 程序main.cpp已经填写好了，可以随意修改。 这是 main.cpp 用于 uWebSocketIO 与模拟器通信

卡尔曼AHRS 基于卡尔曼滤波器的AHRS C ++库，内置传感器校准和倾斜补偿。可与陀螺仪，加速度计和磁力计组合一起使用。 建立没有依赖性，利用模板，不依赖异常，并且避免了动态内存分配。 适用于Linux和实时嵌入式设备。 在RaspberryPi上使用Pololu Minimu-9 v5进行了测试。 建造 构建遵循标准的CMake程序； 在项目目录中运行： mkdir build && cd build cmake .. cmake --build . 用法 该库可通过CMake构建获得。 它没有系统范围的安装，而是最好将源代码放在项目中，并与add_subdirectory(lib/minimu)和target_link_libraries(target ahrs::ahrs) 。 要使用AHRS系统，请实现需要read方法的Sensor接口。 应该为每个AHRS传感器执行此操

Kalman：为您的Arduino项目实施Kalman过滤器

C ++上的卡尔曼滤波器（本征） 这是使用库在C ++中实现的基本卡尔曼滤波器实现。 它可以直接实现算法，如或在此演示。 该代码的整体结构是从借用，并将其扩展为允许输入控制。 有一个测试程序可以根据嘈杂的观测值估计弹丸的运动。 要运行它，请使用CMake： cd kalmanfilter-cpp mkdir build cd build cmake .. make -j4 ./kalman-test 注意：您可能必须在CMakeLists.txt指定Eigen库的路径。

改内容涵盖了卡尔曼滤波器的理论推导以及python的实践应用。