预测一系列测量的下一个状态和协方差的一种方式是通过使用Kalman过滤器。在跟踪时汽车的位置（x和y坐标）的背景下，是我没有找到讨论的任何地方的问题。为了简化问题，让假设我们有一个为我们提供测量（运动车）的单一来源，我们必须预测未来状态（位置），每个新的测量来的时间。卡尔曼滤波器首先执行预测（预测下一状态），然后更新步骤（以校正与实际测量的预测）。什么发生在不同的帧以不同的速度，如果汽车的动作？我觉得一个额外的步骤丢失。更新步骤后，我们将不得不进行位置的修正，因为预测已经取得了这样的假设车辆将具有相同的速度，因为它有直到这一点。即使更新步骤使得赛道更加接近实际测量它并不完全一致，它的测量。没有人知道如何解决这样的运动校正的问题？
如果以不同的速度轿厢运动，则预测协方差（不确定度）较高，调整根据它。也处理噪声（Q）是指方差过程，以便如果它发生频繁它需要被调整至更高的值等过程中可能发生的。