今天主要是想通过Opencv实现Kalman滤波器来加什么理解的,看了很多前辈有关kalman滤波器有了更清晰的理解,总算是把Kalman滤波模型搞懂了,感谢tornadomeet的总结,那我就是把这些前辈的帖子做一个汇总提炼,希望可以使大家能够更容易的理解Kalman滤波器如何使用。
这里我也结合Opencv的自带事例Kalman.cpp来讲解一下,这样可以做到变量的对应,以免给脑子整混乱了。。。
- 首先对Kalman滤波器做个概括(对yang_xian521的改写吧):就是在不考虑当前时刻观测值(包括测量噪声)的前提下,根据前一时刻的状态值以运动模型为变换函数来预测当前时刻 的系统状态值(加入了运动噪声),同理得到先验误差协方差值。这两个值就是我们的预测值,再根据当前时刻观测值和当前时刻的预测观测值来计算当前时刻系统的最优状态值,并更新后验误差协方差值使得误差协方差值不断减小。
- 这里需要特别要注意Kalman滤波中有两个十分重要的模型即,运动模型和观察模型,现在使用Kalman滤波做物体跟踪很火