卡尔曼滤波真是个用于驱动自我学习非常好的的切入点，尤其是想入门机器学习或者SLAM这类当前比较火的技术或者行业，理解和应用卡尔曼滤波既要求有概率统计相关的基础知识，又要对状态方程、矩阵相关的运算方式非常熟悉，虽然还没有完全理解推导过程，但是通过学习，把概率统计中相关的概念：方差、协方差、标准差、无偏估计、贝叶斯准则、高斯分布等含义和来龙去脉重新熟悉了一遍。
当前学习和参考的材料:
1、Understanding the Basis of the Kalman Filter；
2、How a Kalman filter works, in pictures；
3、卡尔曼滤波与组合导航原理；
4、https://www.zhihu.com/question/20099757；
5、https://www.zhihu.com/topic/20016366/hot；
6、https://www.zhihu.com/search?type=content&q=%E5%8D%A1%E5%B0%94%E6%9B%BC
特此记录作为学习笔记，后续将继续就结合具体的应用实例来加深理解，熟悉应用场景，真正融会贯通。
PS：不得不说知乎还是有不少愿意耐心分享知识的牛人以及辛苦翻译的文献搬运工~感谢!
