卡尔曼滤波算法_【计算机视觉】4. 卡尔曼滤波

上一节我们介绍了目标跟踪中最常用的方法——光流法。

Encoder：【计算机视觉】3. 目标跟踪：光流法​zhuanlan.zhihu.com

目标跟踪需要在包含噪声的观测序列中估计时变系统的状态，这种估计称为滤波估计。滤波估计中最经典的算法就是卡尔曼滤波，本文对其原理进行介绍。

最小二乘意义下的卡尔曼滤波

希望知道变量X在t时刻的值

，可以有两种方法。一种方法是，通过研究

的变化规律，从初始值

逐步递推到

，但是，递推往往存在外界噪声的干扰

，对于零输入线性系统有

；另一种方法是，引入一个测量设备测量

的值，记为

，测量设备同样存在噪声

，对于零输入线性系统有

。我们需要综合这两种方法确定一个估计结果，使得均方误差最小。

对零输入线性系统

是t时刻我们研究对象的状态向量，

是一个矩阵，对

进行线性变换。

是t时刻的观测向量，

是增益矩阵。V是服从

的高斯白噪声，W是服从

N(0,Q)的高斯白噪声。我们希望对这个系统确定最优状态估计

，使得