Python （kalmanFilter）卡尔曼滤波器

最新推荐文章于 2024-08-07 11:08:25 发布

火星辉

最新推荐文章于 2024-08-07 11:08:25 发布

阅读量8.2k

点赞数 3

分类专栏： Python

本文链接：https://blog.csdn.net/zuliang001/article/details/80912910

版权

本文介绍了卡尔曼滤波器的基本概念，它用于从观测数据中滤除噪声，提升系统状态估计的准确性。并展示了如何将卡尔曼滤波应用于鼠标跟踪，通过比较绿色的测量坐标和红色的滤波预测坐标，展示其在实时位置估计中的效果。

摘要由CSDN通过智能技术生成

卡尔曼滤波简介

卡尔曼在利用观测数据估计系统状态时，可以滤除观测时存在的噪声，因此这一过程也被看作是一个滤波过程。

跟踪鼠标

绿色为测量到的鼠标坐标（位置）

红色为卡尔曼滤波器预测的鼠标坐标（位置）

# -*- coding: UTF-8 -*-
# ! /usr/bin/python

import cv2
import numpy as np

# 创建一个大小800*800的空帧
frame = np.zeros((800, 800, 3), np.uint8)
# 初始化测量坐标和鼠标运动预测的数组
last_measurement = current_measurement = np.array((2, 1), np.float32)
last_predicition = current_prediction = np.zeros((2, 1), np.float32)

'''
    mousemove()函数在这里的作用就是传递X,Y的坐标值，便于对轨迹进行卡尔曼滤波
'''
def mousemove(event, x, y, s, p):
    # 定义全局变量
    global frame, current_measurement, last_measurement, current_prediction, last_prediction
    # 初始化
    last_measurement = current_measurement
    last_prediction = current_prediction
    # 传递当前测量坐标值
    current_measurement = np.array([[np.float32(x)], [np.float32(