无迹卡尔曼滤波器（Unscented Kalman Filter, UKF）是卡尔曼滤波器在非线性系统中的一种改进实现，它通过无迹变换（Unscented Transform）来更精确地处理非线性状态估计问题。与传统的扩展卡尔曼滤波器（EKF）不同，UKF避免了线性化近似带来的误差，而是通过精心选择一组采样点（称为sigma点）来直接传递系统状态的均值和协方差，从而在保持计算效率的同时显著提升了非线性条件下的滤波精度。这种方法特别适用于自动驾驶系统中车辆运动学、传感器融合等存在显著非线性的场景。
在自动驾驶汽车的开发中，UKF常被用于多传感器融合任务，如结合雷达、激光雷达和摄像头的测量数据来估计车辆位置、速度等状态。由于UKF对非线性系统的高适应性，它能够更好地处理车辆动力学模型中的非线性关系（如转弯时的向心加速度）以及传感器观测模型中的非线性（如雷达的极坐标转换）。这种特性使得UKF成为自动驾驶定位算法的核心组件之一，特别是在GPS信号不稳定或缺失的环境下，UKF与粒子滤波器等其他方法配合使用，能够为车辆提供持续可靠的状态估计。