![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标跟踪
文章平均质量分 71
目标跟踪基础及进阶学习
Likes1234
这个作者很懒,什么都没留下…
展开
-
目标跟踪基础——1.马氏距离
在马氏距离中,如果协方差矩阵为单位矩阵,那么马氏距离此时就会简化为欧氏距离,但是如果协方差矩阵不为单位矩阵,就会发挥它的作用:如果数据在某个方向上的变化较大,那么在这个方向上的单位距离就应该被“缩短”,而如果数据在某个方向上的变化较小,那么在这个方向上的单位距离应该被“拉长”。欧式距离就是指两个点之间的最短直线距离,也就是:。在二维空间中,欧氏距离就是两点之间的直线距离:。原创 2023-12-14 17:24:22 · 474 阅读 · 1 评论 -
目标跟踪基础——2.匈牙利算法
二分图(Bipartite graph)是一类特殊的图,它可以被划分为两个部分,每个部分内的点互不相连。下图是典型的二分图,可以看到,在下面的二分图中,每条边的端点都分别处于点集X和Y中。若能将无向图G=(V,E)的顶点V划分为两个交集为空的顶点集,并且任意边的两个端点都分属于两个集合,则称图G为一个为二分图。对于一个二分图,匈牙利算法可以求得其最小匹配或最大匹配(求最大匹配只需要将边的权重取反)。选择这样的边数最大的子集称为图的最大匹配问题。图G的一个匹配是由一组没有公共端点的不是圈的边构成的集合。原创 2023-12-14 17:30:34 · 385 阅读 · 1 评论 -
目标跟踪基础——3.卡尔曼滤波
在卡尔曼滤波过程中,如果测量值未丢失就使用修正后的测量值作为最终的结果,但如果测量值丢失,将会使用上一时刻运动状态估计出当前的估计值作为最终的结果,也就是说如果测量值丢失时仅仅有先验估计一步操作,此时卡尔曼增益和先验后验协方差矩阵都不会更新。通过与状态转移矩阵运算就将中心点坐标加上了对应的运动估计量,这时候我们就用卡尔曼滤波通过上一时刻的估计值计算出了当前的估计值。(它是由上一时刻进行估计计算得出), 另外一个就是当前时刻的测量值或者叫做。1.先验估计:通过先验估计方程将当前时刻的估计值计算出来。原创 2023-12-14 17:48:54 · 941 阅读 · 1 评论