1.卡尔曼滤波
卡尔曼滤波器的原理、使用、优化,请参考我的以下资源:
目标跟踪系列-滤波-1. 以UKF为例深入理解卡尔曼滤波原理
目标跟踪系列-滤波-2. 优化卡尔曼滤波方法
目标跟踪系列-滤波-3. 卡尔曼滤波器调试工程经验
目标跟踪系列-滤波-4. Kalman滤波方程的可观测性判断及参数调整策略
https://blog.csdn.net/jane0819/article/details/130071200
2.序贯滤波融合
使用同构传感器的话,即各个传感器的观测矩阵是相同的,这时候可以将目标物体的状态转换到观测空间中,即中,然后将数据融合到一起。
目标关联的时候,构建的关联矩阵由预测目标和观测目标两种数据源的匹配,在多传感器的场景下,有n组观测数据和1组预测数据,一共n+1个数据源需要关联并融合。
(1) 关联只能完成一种数据源到另一种数据源的关联,假设首先完成预测数据和传感器1数据的关联和融合,这时