# 프로그래머를 위한 비수학적인 칼만 필터 소개

> Clean Markdown view of GeekNews topic #10161. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=10161](https://news.hada.io/topic?id=10161)
- GeekNews Markdown: [https://news.hada.io/topic/10161.md](https://news.hada.io/topic/10161.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2023-08-03T11:33:54+09:00
- Updated: 2023-08-03T11:33:54+09:00
- Original source: [praveshkoirala.com](https://praveshkoirala.com/2023/06/13/a-non-mathematical-introduction-to-kalman-filters-for-programmers/)
- Points: 6
- Comments: 1

## Topic Body

- 칼만 필터는 불완전하고 신뢰할 수 없는 정보 소스를 결합하여 더 정확한 추정치를 생성하는 데 사용됩니다.
- 실제 상황은 완벽하지 않고 센서가 신뢰할 수 없기 때문에 칼만 필터가 필요합니다.
- 기사에서 제공된 코드는 칼만 필터를 파이썬에서 구현하는 방법을 보여줍니다.
- 결과는 칼만 필터에서 결합된 위치 추정치가 속도 또는 센서 독립 추정치보다 우수함을 보여줍니다.
- 칼만 필터는 흥미로운 이론적 기반을 가지고 있으며 코드를 통해 더 잘 이해할 수 있습니다.
- 가우스 함수는 칼만 필터에서 사용되는 특수 함수입니다.
- 가우스 함수는 0을 중심으로 한 무작위 숫자를 생성하며, 두 번째 매개변수는 0에서 멀어질 확률을 제어합니다.
- 표준 편차라고 불리는 두 번째 매개변수는 측정 대상의 변동량을 제어합니다.
- 가우스 함수의 히스토그램 모양은 자연에서 흔히 볼 수 있는 종 모양 분포를 따릅니다.
- 분산은 일관성의 척도로, 낮은 분산은 일관성을 나타내고 높은 분산은 변동을 나타냅니다.
- 분산 예시의 첫 번째 이미지는 분포가 넓어 분산이 높음을 나타내고, 두 번째 이미지는 분포가 좁아 분산이 낮음을 나타냅니다.

## Comments



### Comment 17876

- Author: neo
- Created: 2023-08-03T11:33:54+09:00
- Points: 1

###### [Hacker News 의견](http://news.ycombinator.com/item?id=36971975) 
- Kalman Filters 강의를 수학적 배경이 부족한 사람들을 위해 단순화한다.
- Kalman Filters에 대한 철저하고 수학적인 소개를 위한 추천 자료가 제공된다.
- Kalman Filters는 예측과 측정치의 가중 평균에서 시간에 따라 가중치가 변할 수 있다.
- 선형 Kalman Filters는 비선형 Kalman Filters와 비교하여 이해하기 쉽고 구현하기 쉽다.
- 저자는 90년대 GPS 차량 응용에서 Kalman Filter를 구현한 경험을 공유한다.
- Kalman Filters의 사용을 양안 개방으로 개선된 시력 현상과 비교한다.
- Kalman Filters 시각화를 다룬 다른 기사로의 링크가 공유된다.
- 배의 그림에서 투명도에 관한 작은 문제가 언급된다.
- Kalman Filters를 읽고 이해하는 것의 중요성이 강조된다.
- 센서를 파괴하여 더 많은 확신을 얻는 것에 대한 의견이 비판받는다.