kalman 滤波 演示与opencv代码

在机器视觉中追踪时常会用到预测算法，kalman是你一定知道的。它可以用来预测各种状态，比如说位置，速度等。关于它的理论有很多很好的文献可以参考。opencv给出了kalman filter的一个实现，而且有范例，但估计不少人对它的使用并不清楚，因为我也是其中一个。本文的应用是对二维坐标进行预测和平滑

 

使用方法：

1、初始化

const int stateNum=4;//状态数，包括（x，y，dx，dy）坐标及速度（每次移动的距离）
const int measureNum=2;//观测量，能看到的是坐标值，当然也可以自己计算速度，但没必要
Kalman* kalman = cvCreateKalman( stateNum, measureNum, 0 );//state(x,y,detaX,detaY)

转移矩阵或者说增益矩阵的值好像有点莫名其妙

 

看下图就清楚了

 

 

X1=X+dx，依次类推
所以这个矩阵还是很容易却确定的，可以根据自己的实际情况定制转移矩阵

同样的方法，三维坐标的转移矩阵可以如下

 

当然并不一定得是1和0

2.预测cvKalmanPredict，然后读出自己需要的值
3.更新观测矩阵
4.更新CvKalman

 只有第一步麻烦些。上述这几步跟代码中的序号对应

 如果你在做tracking，下面的例子或许更有用些。

 

 

kalman filter 视频演示：

http://v.youku.com/v_show/id_XMjU4MzEyODky.html

 

demo snapshot：