c参考资料：https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/

卡尔曼滤波本质上是一个数据融合算法，将具有同样测量目的、来自不同传感器、(可能) 具有不同单位 (unit) 的数据融合在一起，得到一个更精确的目的测量值。

卡尔曼滤波的局限性在于其只能拟合线性高斯系统。但其最大的优点在于计算量小，能够利用前一时刻的状态（和可能的测量值）来得到当前时刻下的状态的最优估计。

EKF扩展卡尔曼滤波适用于非线性高斯模型。

徐老师阐述原理记录：