简单来说,卡尔曼滤波器的实现是一个迭代过程,使用上一次的结果预测当前的值,同时使用观测值修正当前值,得到最优结果。
几个重要的公式如下:
这里主要是参考一篇论文:Fully Automatic, Real-Time Vehicle Tracking for Surveillance Video,分析其中的卡尔曼滤波器的实现。
这里估计值x是十维的向量,考虑两帧的信息就可以得到包括加速度在内的初始值,之后交由卡尔曼滤波器自己迭代更新。
y是观测值(在论文中是z),由检测结果、背景切割、LK光流法得到,用于修正估