一旦出现问题请立即报告，最好使用稳定版和Beta版（一旦发布）
直升机和飞机可以使用扩展卡尔曼滤波器（EKF）算法，基于速率陀螺仪，加速计，指南针，GPS，空速和大气压力测量值来估计车辆位置，速度和角度方向。
与简单的互补滤波器算法（即“惯性导航”）相比，EKF的优势在于，通过融合所有可用的测量，可以更好地拒绝出现重大误差的测量。这使得车辆不易受到影响单个传感器的故障的影响。EKF还使来自可选传感器（例如光流量和激光测距仪）的测量结果可用于辅助导航。
当前的ArduPilot稳定版使用EKF2作为其主要姿态和位置估计源，而DCM在后台安静地运行。如果自动驾驶仪有两个（或多个）IMU可用，则两个EKF“核心”（即EKF的两个实例）将并行运行，每个使用不同的IMU。在任何时候，仅使用单个EKF内核的输出，该内核是报告最佳运行状况的内核，这取决于其传感器数据的一致性。
EKF2和EKF3之间的区别包括：
- EKF3更适合尾随者或其他花费大量时间直接指向上方或下方的车辆。这是因为EKF3估算所有3个轴的加速度计偏差，而EKF2仅估算垂直轴
- EKF3支持一些其他传感器，包括beacon和 Wheel Encoders
- EKF3支持GPS for yaw
- EKF3支持GPS到非GPS的过渡
- EKF2可以更好更快地工作在设备上，因为它估计陀螺的比例因子而EKF3没有。但现代陀螺仪比例因子几乎始终为1.0，因此这可能不是问题。
即使更改为EKF3，较旧的EKF2仍可在大多数cube上使用，并且用户可以通过更改以下参数（并重新启动cube）在它们之间进行切换：
- AHRS_EKF_TYPE = 2或3，具体取决于您要使用的EKF
- EK2_ENABLE = 1以启用EKF2
- EK3_ENABLE = 1以启用EKF3
最好不要同时启用EKF2和EKF3，因为这可能会使某些自动驾驶仪上的CPU过载。它不太可能坠毁，但可能会飞得不稳定。
此项更改是为ArduPilot-4.1 Beta版测试的开始做准备。很难准确预测4.1 beta测试何时开始，但是至少Rover会在下个月开始，然后是Plane和Copter。谢谢你的耐心！
具体的使用细则参阅：Extended Kalman Filter (EKF) — Copter documentation