对kalman滤波的理解

本文介绍了卡尔曼滤波器在目标跟踪中的应用,解释了为何需要使用滤波器来处理传感器不准确、物体遮挡等问题。通过举例说明,详细阐述了卡尔曼滤波器的工作原理,包括预测和校正阶段,并以牛顿第二定律为类比,解释了状态空间模型。最后,探讨了卡尔曼滤波器的递归性和线性高斯假设的重要性。

为什么要使用kalman滤波器???

       假设我们要跟踪一个穿过摄像机视场的人。每一帧都要确定这个人的位置。我们可以通过提取边缘,提取连通区域等方法提取目标人。但是我们不能保证每一帧都获得完美跟踪图像。有很大可能获得的目标人没有完全框上。或者丢失目标,或者跟踪错误目标。

for example:

    


影响跟踪的因素

传感器的不准确(摄像头有损坏)
物体之间的遮挡或者进入了阴影。
物体的重叠或者融合。
腿或者手臂在行走中的摆动造成的明显的形状变化。


解决方法

kalman滤波器

粒子滤波器


他们都属于预估器

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值