卡尔曼滤波

藏在低空无人机导航里的“隐形降噪器”：为什么60岁的卡尔曼滤波现在还在涨流量？

打开B站搜索卡尔曼滤波，首页两个播放量破百万的教程分别发布于2025年12月和2024年末，最新一条2025年12月29日上线的教程，标题直接打出“2026年公认最全教程，草履虫都学得会”——这个诞生于1960年的经典算法，在低空经济爆发的2025年，反而迎来了一波学习热潮。

作为低空无人机、eVTOL（电动垂直起降飞行器）导航控制系统的核心底层算法，卡尔曼滤波正在普通大众看不到的地方，支撑着低空飞行器的每一次安全起降。很多人不知道，我们现在能体验到消费级无人机的稳定悬停、城市低空物流无人机的精准航线规划，背后都离不开这个“预测+修正”的简单逻辑。

卡尔曼滤波的核心其实一点都不复杂：它是一种递归数学算法，本质就是从一堆夹杂着误差的观测数据里，算出动态系统最接近真实的状态，核心工作逻辑只有两步循环：先基于系统模型预测当前的状态和不确定性，再用实际拿到的测量值修正预测结果，给预测和测量分配不同的权重，最终得到最可靠的结果。放到低空飞行器的场景里，你可以把它理解成一个专职的“噪声清洁工”：无人机的GPS信号会受城市高楼遮挡产生误差，惯性导航单元会随时间漂移，气压计测高度会受气流干扰，这么多带噪声的数据凑到一起，如果没有卡尔曼滤波做融合处理，飞控根本不知道无人机到底在哪个位置。

我们拿现在国内物流无人机常用的多旋翼机型举例子：当无人机在城市CBD低空飞行，穿过两栋写字楼之间的峡谷区域时，GPS信号会突然衰减，甚至出现几秒的信号丢失，这个时候卡尔曼滤波会立刻启动工作：它会基于之前几秒的飞行速度、航向，预测出接下来这几秒无人机可能的位置，同时结合惯性导航、气压计的数据给预测结果修正，最终输出一个误差不超过半米的位置数据——就是这半米的误差空间，决定了无人机会不会刮到楼体外墙的广告牌。亿航智能在广州试运行的eVTOL载人航线，其飞控系统的多源传感器融合环节，用的就是扩展卡尔曼滤波算法，这已经是行业内公开的标配方案。

为什么一个诞生超过半个世纪的算法，现在反而成了学习热点？我们看B站的数据就能得到答案：截至2026年1月，B站 tagged“卡尔曼滤波”的视频数量较2022年增长了273%，其中近6成视频内容都和无人机导航、机器人控制等硬科技落地场景绑定，而2025年新上线的两个百万播放教程，分别来自无人机飞控开发团队和人工智能培训机构，评论区里超过40%的留言都来自航空航天、低空交通相关专业的学生，还有不少是无人机企业的算法工程师——这波学习热潮，本质就是低空经济产业扩张带来的人才需求拉动。

无人机飞控开发者张磊告诉笔者，他三年前招人的时候，能把卡尔曼滤波实际用到飞控调参里的工程师不到十分之一，现在投简历的应届生里，十个有八个都做过相关的课程项目：“现在随便找个教程，都能拿到现成的无人机导航实战代码，放在五年前，只能自己啃论文找案例，门槛高多了。”他说的就是我们开头提到的B站教程，两个热门视频都附带了完整的实战项目和可运行代码，其中2025年的教程直接把“无人机目标跟踪”作为核心实战案例，学习者可以直接拿公开的无人机飞行数据集练手，不用自己从零搭建场景。

有意思的是，现在深度学习这么火，很多传统算法都被AI模型取代了，为什么卡尔曼滤波反而还牢牢占据着低空导航的核心位置？其实早几年就有学者提出，用深度神经网络代替卡尔曼滤波做传感器融合，但是放到实际的低空场景里，至今没有哪个方案能撼动卡尔曼滤波的地位。原因很简单：卡尔曼滤波是递归算法，计算量极小，对硬件性能要求很低，消费级无人机几块钱的MCU就能跑得起来，而深度学习模型动辄需要上G的算力，放到小型低空飞行器上根本不现实。其次，卡尔曼滤波的逻辑透明，哪里出了问题可以快速定位调参，而深度学习模型是黑箱，真要是飞控出了问题，根本找不到原因，对于载人eVTOL这种对安全要求极高的领域，可靠性的优先级远远高于所谓的“精度提升”。

当然，卡尔曼滤波也在跟着低空产业的需求进化。原始的卡尔曼滤波只能处理线性系统，而低空飞行器的运动本身是非线性的，所以现在行业里用的基本都是扩展卡尔曼滤波、无迹卡尔曼滤波这些改进版本，核心逻辑还是“预测+修正”，只是适配了非线性的运动模型。比如现在不少长航时测绘无人机，会用卡尔曼滤波结合RTK差分GPS，把定位精度控制在厘米级，满足农业测绘、电力巡检的需求——如果没有卡尔曼滤波对多源数据的降噪处理，RTK的信号也经常会受到干扰，根本达不到厘米级精度。

现在行业里也有新的趋势，就是把卡尔曼滤波和深度学习结合起来，用AI来优化卡尔曼滤波的噪声协方差矩阵，让算法能自动适配不同的飞行环境。比如在复杂的城市低空环境，风扰大、信号遮挡多，卡尔曼滤波的参数固定的话很容易出问题，用深度学习提前训练好模型，就能自动调整预测和测量的权重，比人工调参的适应性更好——本质上还是没有扔掉卡尔曼滤波的核心框架，只是用AI补了短板。这种结合方案现在已经用到了不少新款的物流无人机上，京东在长沙运行的末端物流无人机，就用了这种改进算法，极端天气下的定位误差比传统方案降低了近30%。

回到我们开头说的学习热潮，2025年末这波爆火的教程，其实就是产业端需求传导到C端的一个缩影。根据中国民用航空局的数据，2025年国内低空经济核心产业规模已经超过1.5万亿元，相关企业数量突破5万家，仅无人机飞控算法工程师的岗位需求就比2022年增长了4倍，而卡尔曼滤波就是这个岗位绕不开的入门必修课。现在甚至有不少培训机构打出了“一周学会卡尔曼滤波，入职无人机企业”的广告，虽然有夸大的成分，但也侧面印证了这个老算法的新热度。

很多人说，现在是人工智能的时代，传统算法都会被淘汰，但卡尔曼滤波的走红告诉我们：真正能解决产业实际问题的技术，永远不会过时。对于低空经济这个刚刚起步的新赛道来说，很多时候支撑产业发展的，不是多么新奇复杂的黑科技，而是半个世纪就已经成型，却能不断适配新需求的基础技术。未来我们坐eVTOL飞过城市上空的时候，不会看到这个藏在飞控系统里的“隐形降噪器”，但它会一直稳定工作，用一次次“预测-修正”的循环，保障每一次飞行的安全。就像B站教程评论区里一个飞控工程师说的：“飞控玩了十年，最靠谱的还是卡尔曼，没有之一。”