Je suis un peu fâché avec le filtre de Kalman, n'ayant jamais pris le temps d'essayer de réellement le comprendre. Du coup je le vois un peu comme une recette de cuisine, car je n'arrive notamment pas à voir pourquoi/comment on peut l'utiliser en simple filtre d'une variable observable, alors qu'il est censé contenir une notion de commande. Accessoirement je trouve son écriture discrète peu "lisible" (mais ça c'est peut-être parce que j'ai vieilli, et que mon cerveau est moins réceptif aux équations ...)
Voici quelques ressources qui me semblent compréhensibles :
- un article très bien illustré, avec toujours ce souci très anglo-saxon de ne pas se contenter de théorie: How a Kalman filter works, in pictures
- Mentionné à la conclusion du précédent, un article de Ramsey Faragher : Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation. Il y a même une vidéo sur le site de l'IEEE, puisque son article a récemment reçu un award
- A practical approach to Kalman filter and how to implement it [1], qui reprend les notations de l'article wikipedia.
- Kalman Filter In Scilab
- Kalman filter with Matlab code, avec 3 tutos vidéo à la clé. Je n'ai pas encore regardé, mais un type qui les vend comme des advanced scientific tutorials for bayesian ninjas est forcément à suivre
Difficile de ne pas évoquer un papier connu de Welsh et Bishop (le plus cité sur Google Scholar)
- An Introduction to the Kalman Filter (la publi initiale date de 1995, mais ce pdf a été mis à jour en 2006)
A voir peut-être mais ça semble touffu :
- le github de Robert Labbe : Kalman and Bayesian Filters in Python
Côté francophone, quatre billets sur le blog de Ferdinand Piette :
- un plutôt appliqué : Exemple d'utilisation du filtre de Kalman
- un assez théorique : De l'estimateur optimal au filtre de Kalman
- une analyse critique : Le filtre de Kalman : intérêts et limites
- une approche du filtre de Kalman étendu (EKF en VO), si le théorique a été digéré : Le filtre de Kalman étendu : principe et exemple
Le cours de Daniel Alazard à Supaero, qui figure en 1e page des requêtes Google :
- Introduction au filtre de Kalman. L'intro fait 74 pages, mais bon, il y a plein d'annexes et du code Matlab à la fin ... Je vois qu'on le trouve aussi en anglais sur sa page officielle
