传送门：无损卡尔曼滤波
以上博文详细讲解了Udacity无人驾驶课程中Unscented Kalman Filter。
卡尔曼滤波器的应用可以参考前人的经验实施，但在实践中，也有应用地好坏。
关键在于过程噪声和测量噪声设置。
噪声设置过小，估算的精度会比你想的要低
估算的精度比预计低
噪声设置过大，估算的精度比你想的要高
估算的精度比预计高
从而需要引入滤波器的一致性，是指能提供真实的估算不确定性。
建议在设计滤波器时，始终检查一致性。检查方法：归一化信息平方，(Normalized Innovation Squared，NIS)
归一化信息平方
NIS是一个标量数据。
NIS的分布符合卡方分布
NIS
