OpenCV粒子滤波代码学习

最新推荐文章于 2024-09-11 16:27:00 发布
最新推荐文章于 2024-09-11 16:27:00 发布
阅读量515 收藏 1
点赞数

OpenCV中实现了粒子滤波的代码，位置在c:\program files\opencv\cv\src\cvcondens.cpp文件，通过分析这个文件，可以知道库函数中如何实现粒子滤波过程的。

首先是从手册上拷贝的粒子滤波跟踪器的数据结构：

typedef struct CvConDensation
{
int MP; // 测量向量的维数： Dimension of measurement vector
int DP; // 状态向量的维数： Dimension of state vector
float* DynamMatr; // 线性动态系统矩阵：Matrix of the linear Dynamics system
float* State; // 状态向量： Vector of State
int SamplesNum; // 粒子数： Number of the Samples
float** flSamples; // 粒子向量数组： array of the Sample Vectors
float** flNewSamples; // 粒子向量临时数组： temporary array of the Sample Vectors
float* flConfidence; // 每个粒子的置信度(译者注：也就是粒子的权值)：Confidence for each Sample
float* flCumulative; // 权值的累计： Cumulative confidence
float* Temp; // 临时向量：Temporary vector
float* RandomSample; // 用来更新粒子集的随机向量： RandomVector to update sample set
CvRandState* RandS; // 产生随机向量的结构数组： Array of structures to generate random vectors
} CvConDensation;

与粒子滤波相关的几个函数：

cvCreateConDensation：用于构造上述滤波器数据结构

cvReleaseConDensation：释放滤波器

cvConDensInitSampleSet：初始化粒子集

cvConDensUpdateByTime：更新粒子集

下面着重对这几个函数进行分析。

CV_IMPLCvConDensation*cvCreateConDensation(intDP,intMP,intSamplesNum )

{

   inti;

   CvConDensation *CD = 0;

 

   CV_FUNCNAME("cvCreateConDensation" );

   __BEGIN__;

   

   if(DP < 0 ||MP < 0 ||SamplesNum < 0 )

       CV_ERROR(CV_StsOutOfRange,"" );

   

   /* allocating memory for the structure */

   CV_CALL(CD = (CvConDensation *)cvAlloc(sizeof(CvConDensation )));

   /* setting structure params */

   CD->SamplesNum =SamplesNum;

   CD->DP =DP;

   CD->MP =MP;

   /* allocating memory for structure fields */

   CV_CALL(CD->flSamples = (float **)cvAlloc(sizeof(float * ) *SamplesNum ));

   CV_CALL(CD->flNewSamples = (float **)cvAlloc(sizeof(float * ) *SamplesNum ));

   CV_CALL(CD->flSamples[0] = (float *)cvAlloc(sizeof(float ) *SamplesNum *DP ));

   CV_CALL(CD->flNewSamples[0] = (float *)cvAlloc(sizeof(float ) *SamplesNum *DP ));

 

   /* setting pointers in pointer's arrays */

   for(i = 1;i <SamplesNum;i++ )

   {

       CD->flSamples[i] =CD->flSamples[i - 1] +DP;

       CD->flNewSamples[i] =CD->flNewSamples[i - 1] +DP;

   }

 

   CV_CALL(CD->State = (float *)cvAlloc(sizeof(float ) *DP ));

   CV_CALL(CD->DynamMatr = (float *)cvAlloc(sizeof(float ) *DP *DP ));

   CV_CALL(CD->flConfidence = (float *)cvAlloc(sizeof(float ) *SamplesNum ));

   CV_CALL(CD->flCumulative = (float *)cvAlloc(sizeof(float ) *SamplesNum ));

 

   CV_CALL(CD->RandS = (CvRandState *)cvAlloc(sizeof(CvRandState ) *DP ));

   CV_CALL(CD->Temp = (float *)cvAlloc(sizeof(float ) *DP ));

   CV_CALL(CD->RandomSample = (float *)cvAlloc(sizeof(float ) *DP ));

 

   /* Returning created structure */

   __END__;

 

   returnCD;

}

 

输入参数分别是系统状态向量维数、测量向量维数以及粒子个数，然后根据这些参数为滤波器相应结构分配空间。

CV_IMPLvoid

cvReleaseConDensation(CvConDensation ** ConDensation )

{

   CV_FUNCNAME("cvReleaseConDensation" );

   __BEGIN__;

   

   CvConDensation *CD = *ConDensation;

   

   if( !ConDensation )

       CV_ERROR(CV_StsNullPtr,"" );

 

   if( !CD )

       EXIT;

 

   /* freeing the memory */

    cvFree( &CD->State );

   cvFree( &CD->DynamMatr);

   cvFree( &CD->flConfidence );

   cvFree( &CD->flCumulative );

   cvFree( &CD->flSamples[0] );

   cvFree( &CD->flNewSamples[0] );

   cvFree( &CD->flSamples );

   cvFree( &CD->flNewSamples );

   cvFree( &CD->Temp );

   cvFree( &CD->RandS );

   cvFree( &CD->RandomSample );

   /* release structure */

   cvFree(ConDensation );

   

   __END__;

 

}

释放滤波器占用的空间，没什么好说的

CV_IMPLvoid

cvConDensInitSampleSet(CvConDensation * conDens,CvMat *lowerBound,CvMat *upperBound )

{

   inti,j;

   float *LBound;

   float *UBound;

   floatProb = 1.f /conDens->SamplesNum;

 

   CV_FUNCNAME("cvConDensInitSampleSet" );

   __BEGIN__;

   

   if( !conDens || !lowerBound || !upperBound )

       CV_ERROR(CV_StsNullPtr,"" );

 

   if(CV_MAT_TYPE(lowerBound->type) !=CV_32FC1 ||

       !CV_ARE_TYPES_EQ(lowerBound,upperBound) )

       CV_ERROR(CV_StsBadArg,"source has not appropriate format" );

 

   if( (lowerBound->cols != 1) || (upperBound->cols != 1) )

       CV_ERROR(CV_StsBadArg,"source has not appropriate size" );

 

   if( (lowerBound->rows !=conDens->DP) || (upperBound->rows !=conDens->DP) )

       CV_ERROR(CV_StsBadArg,"source has not appropriate size" );

 

   LBound =lowerBound->data.fl;

   UBound =upperBound->data.fl;

/* Initializing the structures to create initial Sample set */

这里根据输入的动态范围给每个系统状态分配一个产生随即数的结构

   for(i = 0;i <conDens->DP;i++ )

   {

       cvRandInit( &(conDens->RandS[i]),

                   LBound[i],

                   UBound[i],

                   i );

   }

/* Generating the samples */

根据产生的随即数，为每个粒子的每个系统状态分配初始值，并将每个粒子的置信度设置为相同的1/n

   for(j = 0;j <conDens->SamplesNum;j++ )

   {

       for(i = 0;i <conDens->DP;i++ )

       {

           cvbRand(conDens->RandS +i,conDens->flSamples[j] +i, 1 );

       }

       conDens->flConfidence[j] =Prob;

   }

/* Reinitializes the structures to update samples randomly */

产生以后更新粒子系统状态的随即结构，采样范围为原来初始范围的-1/5到1/5

   for(i = 0;i <conDens->DP;i++ )

   {

       cvRandInit( &(conDens->RandS[i]),

                   (LBound[i] -UBound[i]) / 5,

                   (UBound[i] -LBound[i]) / 5,

                   i);

   }

 

   __END__;

}

 

CV_IMPLvoid

cvConDensUpdateByTime(CvConDensation * ConDens )

{

   inti,j;

   floatSum = 0;

 

   CV_FUNCNAME("cvConDensUpdateByTime" );

   __BEGIN__;

   

   if( !ConDens )

       CV_ERROR(CV_StsNullPtr,"" );

 

   /* Sets Temp to Zero */

   icvSetZero_32f(ConDens->Temp,ConDens->DP, 1 );

 

/* Calculating the Mean */

icvScaleVector_32f是内联函数，表示flConfidence乘flSamples，放到State里，即求系统状态的过程，系统状态保存在temp中

   for(i = 0;i <ConDens->SamplesNum;i++ )

   {

       icvScaleVector_32f(ConDens->flSamples[i],ConDens->State,ConDens->DP,

                            ConDens->flConfidence[i] );

       icvAddVector_32f(ConDens->Temp,ConDens->State,ConDens->Temp,ConDens->DP );

       Sum +=ConDens->flConfidence[i];

       ConDens->flCumulative[i] =Sum;

   }

 

   /* Taking the new vector from transformation of mean by dynamics matrix */

 

   icvScaleVector_32f(ConDens->Temp,ConDens->Temp,ConDens->DP, 1.f /Sum );

   icvTransformVector_32f(ConDens->DynamMatr,ConDens->Temp,ConDens->State,ConDens->DP,

                            ConDens->DP );

   Sum =Sum /ConDens->SamplesNum;

 

/* Updating the set of random samples */

重采样，将新采样出来的粒子保存在flNewSamples中

   for(i = 0;i <ConDens->SamplesNum;i++ )

   {

       j = 0;

       while( (ConDens->flCumulative[j] <= (float)i *Sum)&&(j<ConDens->SamplesNum-1))

       {

           j++;

       }

       icvCopyVector_32f(ConDens->flSamples[j],ConDens->DP,ConDens->flNewSamples[i] );

   }

 

   /* Adding the random-generated vector to every vector in sample set */

   for(i = 0;i <ConDens->SamplesNum;i++ )

{

为每个新粒子产生一个随即量

       for(j = 0;j <ConDens->DP;j++ )

       {

           cvbRand(ConDens->RandS +j,ConDens->RandomSample +j, 1 );

       }

将flNewSamples加一个随即量，保存入flSamples中

       icvTransformVector_32f(ConDens->DynamMatr,ConDens->flNewSamples[i],

                                ConDens->flSamples[i],ConDens->DP,ConDens->DP );

       icvAddVector_32f(ConDens->flSamples[i],ConDens->RandomSample,ConDens->flSamples[i],

                          ConDens->DP );

   }

 

   __END__;

}


更新中用到的函数如下：

（1）

CV_INLINE void icvScaleVector_32f( const float* src, float* dst,
                                   int len, double scale )
{
    int i;
    for( i = 0; i < len; i++ )
        dst[i] = (float)(src[i]*scale);


    icvCheckVector_32f( dst, len );
}

（2）

#define icvAddMatrix_32f( src1, src2, dst, w, h ) \
    icvAddVector_32f( (src1), (src2), (dst), (w)*(h))


CV_INLINE void icvAddVector_32f( const float* src1, const float* src2,
                                  float* dst, int len )
{
    int i;
    for( i = 0; i < len; i++ )
        dst[i] = src1[i] + src2[i];


    icvCheckVector_32f( dst, len );
}

（3）

#define icvTransformVector_32f( matr, src, dst, w, h ) \
    icvMulMatrix_32f( matr, w, h, src, 1, w, dst )



CV_INLINE void icvMulMatrix_32f( const float* src1, int w1, int h1,
                                 const float* src2, int w2, int h2,
                                 float* dst )
{
    int i, j, k;


    if( w1 != h2 )
    {
        assert(0);
        return;
    }


    for( i = 0; i < h1; i++, src1 += w1, dst += w2 )
        for( j = 0; j < w2; j++ )
        {
            double s = 0;
            for( k = 0; k < w1; k++ )
                s += src1[k]*src2[j + k*w2];
            dst[j] = (float)s;
        }


    icvCheckVector_32f( dst, h1*w2 );
}


（4）

#define icvCopyVector_32f( src, len, dst ) memcpy((dst),(src),(len)*sizeof(float))


（5）

CV_INLINE void cvbRand( CvRandState* state, float* dst, int len )
{
    CvMat mat = cvMat( 1, len, CV_32F, (void*)dst );
    cvRand( state, &mat );
}


CV_INLINE void cvRand( CvRandState* state, CvArr* arr )
{
    if( !state )
    {
        cvError( CV_StsNullPtr, "cvRand", "Null pointer to RNG state", "cvcompat.h", 0 );
        return;
    }
    cvRandArr( &state->state, arr, state->disttype, state->param[0], state->param[1] );
}




运行完上述函数之后，经重采样后的粒子保存在flSamples中，同时上次迭代的加权系统状态保存在State中

aiwenchenlin
关注
粒子滤波检测（基于OpenCV）
11-04
基于OpenCV的粒子滤波跟踪，有详细的中文注释，跟踪效果一般般，大家可以根据视频内容调整参数
粒子滤波-opencv的实现
霧谷龍視-专栏
05-13 2744
OpenCV中实现了粒子滤波的代码，位置在c:/program files/opencv/cv/src/cvcondens.cpp文件，通过分析这个文件，可以知道库函数中如何实现粒子滤波过程的。首先是从手册上拷贝的粒子滤波跟踪器的数据结构：typedef struct CvConDensation{int MP; // 测量向量的维数： Dimension of measurement vectorint DP; // 状态向量的维数： Dimension of state vectorfloat* Dyn
实战指南：使用OpenCV实现粒子滤波跟踪技术
最新发布
weixin_42627459的博客
09-11 740
本文还有配套的精品资源，点击获取 简介：粒子滤波跟踪是一种在复杂环境中表现优秀的非线性、非高斯状态估计技术，广泛应用于计算机视觉和信号处理领域。本教程针对初学者，详细介绍了利用OpenCV库实现粒子滤波器进行目标跟踪的过程，包括粒子滤波原理、预测和更新阶段的步骤、重采样过程以及OpenCV的应用，并提供实践与优化策略的建议。 1. 粒子滤波原理及应用 在现代...
opencv学习-粒子滤波 演示与opencv代码
siliang13的专栏
11-21 1504
本文转载自http://blog.csdn.net/onezeros/article/details/6319180 粒子滤波的理论实在是太美妙了，用一组不同权重的随机状态来逼近复杂的概率密度函数。其再非线性、非高斯系统中具有优良的特性。opencv给出了一个实现，但是没有给出范例，学习过程中发现网络上也找不到。learning opencv一书中有介绍，但距离直接使用还是有些距离。在经
OpenCV学习——物体跟踪的粒子滤波算法实现之背景介绍
gnuhpc的专栏
07-10 4129
本文已搬家至【OpenCV学习】物体跟踪的粒子滤波算法
OpenCV--粒子滤波算法使用
Tan
01-09 2432
OpenCV中实现了粒子滤波的代码，位置在opencv\cv\src\cvcondens.cpp文件 粒子滤波跟踪器的数据结构： typedef struct CvConDensation { int MP; // 测量向量的维数： Dimension of measurement vector int DP; // 状态向量的维数： Dimension of state vecto
基本opencv的粒子滤波目标跟踪
11-06
【基本OpenCV的粒子滤波目标跟踪】 OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了各种图像处理和计算机视觉的算法，广泛应用于图像分析、机器学习和实时计算机视觉系统中。在...
opencv粒子滤波算法
08-24
**OpenCV 粒子滤波算法** OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了各种图像处理和计算机视觉的算法。在图像处理领域，粒子滤波算法是一种常用的非线性、非高斯状态估计...
OpenCV粒子滤波检测道路线实例
03-15
利用OpenCV的ConDensaation类来实现使用粒子滤波检测道路线，程序中将中间为白色两边为黑色（二值化后的图像）的粒子认为是权值大的粒子，其他认为是权值小的粒子。本程序是简单的用OpenCV实现粒子滤波的例子，具体...
python实现粒子滤波目标跟踪_QT+Opencv粒子滤波算法实现视频目标跟踪——如何选择跟踪算法...
weixin_39663729的博客
12-09 672
目标跟踪算法作为一种有着非常广泛的应用的算法，在航空航天、智能交通、智能设备等领域有着非常广泛的应用。本系列博客将教大家在410c开发板上基于linux操作系统环境，采用QT+Opencv来实现视频目标跟踪，本文将首先向大家介绍常用的粒子滤波视频目标跟踪算法，对其原理进行简单的分析，为后续进一步选择和应用算法实现目标跟踪提供基础。一、机器视觉及相关理论及OpenCv机器视觉是人工智能领域正在快速发...
基于OpenCV的粒子滤波跟踪系统详细设计与具体代码实现
AI天才研究院
04-20 1089
基于OpenCV的粒子滤波跟踪系统详细设计与具体代码实现 1. 背景介绍 1.1 视频跟踪的重要性 在计算机视觉领域中,视频目标跟踪是一个非常重要和具有挑战性的任务。它广泛应用于安防监控、人机交互、增强现实、自动驾
粒子滤波-视频跟踪（真*基于opencv2.49）
12-18
粒子滤波，基于yangyangcv、yang_xian521等先驱的代码，翻译到opencv2.49下，并作出一些修正。用于视频目标跟踪
粒子滤波跟踪opencv源代码
03-05
OpenCV版本的粒子滤波，还有测试
粒子滤波器+目标跟踪的C++实现，VS2013+opencv249+gsl1.8
07-25
粒子滤波器+目标跟踪的C实现，VS2013+opencv249+gsl1.8。包含gsl1.8工具，无需二外单独下载
基于C++的粒子滤波源程序
05-12
一个基于C++实现的粒子滤波源程序，很好很强大！
粒子滤波算法实现
08-13
实现了粒子滤波过程，包括状态预测，量测更新，粒子权重的计算，重采样，Roughening(粗糙处理），后验均值和方差。
粒子滤波 演示与opencv代码
热门推荐
onezeros的专栏
04-12 1万+
粒子滤波的理论实在是太美妙了，用一组不同权重的随机状态来逼近复杂的概率密度函数。其再非线性、非高斯系统中具有优良的特性。opencv给出了一个实现，但是没有给出范例，学习过程中发现网络上也找不到。learning opencv一书中有介绍，但距离直接使用还是有些距离。在经过一番坎坷后，终于可以用了，希望对你有帮助。
OpenCV3学习（12.4） 粒子滤波Condensation算法
知识搬运工的博客
02-16 1628
算法详解       opencv2.3以后，condensation算法放在legacy中了，也就是说要引入下面文件，condensation算法的函数原型在” …\OpenCV\sources\modules\legacy\src\condens.cpp"。         整个Condensation算法只涉及5个变量和函数：CvConDensation、cvCreateConDensa...
基于粒子滤波的物体跟踪
weixin_30598225的博客
05-23 1087
一直都觉得粒子滤波是个挺牛的东西，每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手，一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filte...
OpenCV粒子滤波运动目标跟踪技术资料
综上所述，该资源集合了OpenCV、Visual Studio、粒子滤波、运动目标跟踪等关键知识点，并且能够覆盖从理论学习到实践应用的多个层面。它不仅为个人提供学习帮助，还为学生和小团队的项目开发提供了技术支持和参考...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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