卡尔曼滤波
一种用于对含噪声的观测数据进行最优估计的滤波算法，在交通可视化中用于对多次API返回的预测数据进行噪声平滑处理
核心事实
时间轴 (近 90 天)
成功的单腿站立通常需要结合卡尔曼滤波进行状态估计，并采用模型预测控制或零力矩点（ZMP）规划来维持稳定。
粒子物理传统重建依赖卡尔曼滤波、组合优化等算法，计算量极大；近年来图神经网络与Transformer被用于径迹寻找和粒子流重建。
工程上通常采用互补滤波或卡尔曼滤波将陀螺仪和加速度计融合，用加速度计的低频信息校正陀螺仪的高频积分漂移
传感器融合常用方法包括卡尔曼滤波、扩展卡尔曼滤波、粒子滤波，以及基于因子图优化的方法（如GTSAM）。
传统SLAM（如ORB-SLAM）依赖手工特征点匹配，深度学习兴起后出现了将深度估计与位姿优化联合训练的端到端方案
卡尔曼类方法假设状态和观测误差均服从高斯分布，在线性系统中表现优异，但面对高维非高斯问题时精度下降
Reitti 的平滑视图在渲染阶段使用卡尔曼滤波过滤 GPS 抖动，而原始数据保持不动
传感器融合是将来自不同传感器的数据通过算法合并以获得更准确的状态估计，常见实现包括卡尔曼滤波或互补滤波
MPU-6050单芯片售价不足一美元，但原始数据噪声较大，通常需要配合卡尔曼滤波或互补滤波算法获得可用的姿态估计
BOT-SORT的卡尔曼滤波采用恒速运动模型，当目标运动模式突变时运动预测会出现较大误差
还有 3 条时间轴事件
全部知识事实 (15)
卡尔曼滤波器是 1960 年由鲁道夫·卡尔曼提出的一种递归贝叶斯估计算法，通过将预测状态与观测值加权融合实现最优状态估计
90%已验证卡尔曼滤波算法最初由鲁道夫·卡尔曼于1960年提出，并在阿波罗登月导航计算机中首次得到大规模工程应用
65%待验证卡尔曼滤波和粒子滤波都是贝叶斯滤波在不同假设下的具体实现形式
60%待验证OC-SORT在经典SORT基础上引入观测中心的动量补偿和在线平滑机制，在目标被遮挡或暂时消失后能更好地恢复追踪
60%待验证成功的单腿站立通常需要结合卡尔曼滤波进行状态估计，并采用模型预测控制或零力矩点（ZMP）规划来维持稳定。
50%待验证粒子物理传统重建依赖卡尔曼滤波、组合优化等算法，计算量极大；近年来图神经网络与Transformer被用于径迹寻找和粒子流重建。
50%待验证工程上通常采用互补滤波或卡尔曼滤波将陀螺仪和加速度计融合，用加速度计的低频信息校正陀螺仪的高频积分漂移
50%待验证传感器融合常用方法包括卡尔曼滤波、扩展卡尔曼滤波、粒子滤波，以及基于因子图优化的方法（如GTSAM）。
50%待验证传统SLAM（如ORB-SLAM）依赖手工特征点匹配，深度学习兴起后出现了将深度估计与位姿优化联合训练的端到端方案
50%待验证卡尔曼类方法假设状态和观测误差均服从高斯分布，在线性系统中表现优异，但面对高维非高斯问题时精度下降
50%待验证Reitti 的平滑视图在渲染阶段使用卡尔曼滤波过滤 GPS 抖动，而原始数据保持不动
50%待验证传感器融合是将来自不同传感器的数据通过算法合并以获得更准确的状态估计，常见实现包括卡尔曼滤波或互补滤波
50%待验证MPU-6050单芯片售价不足一美元，但原始数据噪声较大，通常需要配合卡尔曼滤波或互补滤波算法获得可用的姿态估计
50%待验证BOT-SORT的卡尔曼滤波采用恒速运动模型，当目标运动模式突变时运动预测会出现较大误差
50%待验证到站时间预测的现代系统引入概率性预测模型，如卡尔曼滤波用于实时状态估计或基于历史数据的机器学习模型
50%