作用
卡尔曼滤波就可以⽤来预测⽬标在后续帧中出现的位置，然后用预测之后的位置与当前位置坐比较。得到当前位置的物体是哪个物体。
优点
最⼤的优点是采⽤递归的⽅法来解决线性滤波的问题。 它只需要当前的测量值和前⼀个周期的预测值就能够进⾏状态估计。 由于这种递归⽅法不需要⼤量的存储空间，每⼀步的计算量⼩，计算步骤清晰，⾮常适合计算机处理，因此卡尔曼滤波受到了普遍的欢迎，在各种领域具有⼴泛的应⽤前景。
卡尔曼滤波需要做的最重要的最核⼼的事就是融合预测和观测的结果，充分利⽤两者的不确定性来得到更加准确的估计。
卡尔曼滤波在⽬标跟踪中的应⽤
卡尔曼滤波器通过预测⽬标在后续帧中的位置，避免在进⾏⽬标关联时出现误差
知道卡尔曼滤波的原理
根据上⼀时刻的值来估计当前时刻的状态，得到当前时刻的先验估计值； 然后使⽤当前时刻的测量值来更正这个估计值，得到当前时刻的估计值。
⽬标不确定性和相关性的度量
预测⽬标的下⼀时刻的状态
系统内部的控制和外部的影响
利⽤观测值进⾏修正
实际应⽤中：预测和更新两个阶段
