无迹卡尔曼滤波

用一小组采样点代替求导，来处理非线性系统的卡尔曼滤波。

卡尔曼滤波的非线性版本之一，由 Julier 和 Uhlmann 在 1990 年代中后期提出。扩展卡尔曼滤波（EKF）遇到非线性就在当前点求雅可比矩阵做线性化，非线性强时误差大，还要手推导数。UKF 换了思路：按当前均值和协方差挑一小组确定的采样点（sigma 点），把每个点直接送进真实的运动模型或观测模型，再用变换后的点重新算均值和协方差，这一步叫无迹变换。它不需要雅可比，强非线性下通常比 EKF 准，代价是计算量更大。机器人里用于融合 IMU、轮速、GPS 等做状态估计，ROS 的 robot_localization 包同时提供 EKF 和 UKF 节点。

例子用 robot_localization 的 ukf_localization_node 融合轮式里程计和 IMU，得到移动底盘平滑连续的位姿估计。

也叫

无味卡尔曼滤波、Sigma 点卡尔曼滤波

相关

卡尔曼滤波、扩展卡尔曼滤波、粒子滤波、状态估计、多传感器融合、误差状态卡尔曼滤波

来源

Unscented transform - Wikipedia
robot_localization: State Estimation Nodes