kalman-filter

1热度

1回答

我已经用在这里implented卡尔曼滤波器：https://gist.github.com/alexbw/1867612 我有它的一个非常基本的理解。这是测试代码我有： import matplotlib.pyplot as plt import numpy as np from Kalman import Kalman n = 50 d = 5 xf = np.zeros(n

4热度

1回答

卡尔曼预测和校正与起始值相同

在实施了卡尔曼滤波器之后，该卡尔曼滤波器在用Haar级联先前检测到人脸后接收来自camshift头部追踪的真实测量值。我用来自Haar Cascade的头部位置初始化来自卡尔曼滤波器的状态前置和后置变量，并且在进行camshift时调用kalman预测和校正以获得一些平滑。问题在于预测值和校正值始终是haar级联的起始值。我应该在做camshift时更新state pre或state post变量

5热度

3回答

估计卡尔曼滤波器周围的置信区间

我一直在努力实现卡尔曼滤波器来搜索二维数据集中的异常。非常类似于我在这里找到的优秀帖子。作为下一步，我想预测置信区间（例如95％的置信水平和上限值），因为我预测下一个值将会落入。因此，除了下面的行，我希望成为能够产生两条额外的线，代表95％的置信度，即下一个值将高于地面或低于天花板。我假设我想要使用由卡尔曼滤波器生成的每个预测返回的不确定性协方差矩阵（P），但我不确定它是否正确。任何指导或参考如

1热度

1回答

平滑地理位置的噪音

我的移动网络应用程序利用navigator.geolocation.watchPosition跟踪历史步行旅行的多段线和航点。（客户需求非原生应用程序）我的第一次测试是在恶劣天气下完成的，并且在实时嵌入谷歌地图上绘制多段线时似乎产生了合理的结果。然而，走路时产生了更多的曲折曲折线。一些研究表明，我需要筛选检索的位置，而不是只计算两点的距离。建议的滤波器，卡尔曼滤波器，似乎是我头上的东西，我

3热度

1回答

卡尔曼OpenCV估计没有测量

嘿那里:)我目前开始在OpenCv中使用卡尔曼滤波器。我遇到了2个问题。第一个是，我用http://www.morethantechnical.com/2011/06/17/simple-kalman-filter-for-tracking-using-opencv-2-2-w-code/的例子。在视频中，似乎Kalman滤波器会降低噪声，但如果我运行我的代码，噪声不会降低，所以如果我移动鼠

1热度

1回答

获取3D Android设备方向

大多数智能手机都配备了3轴陀螺仪，3轴磁力仪和3轴加速度计。以一种聪明的方式（卡尔曼滤波器）组合这些传感器的测量应该能够产生快速，准确，无噪声和绝对的设备定向。这可以存储为四元数或偏航/俯仰/滚转值。在Android中实现这个最简单的方法是什么？操作系统是否已经为你做了这些计算？有人可以使用的开源实现吗？我能找到的大多数示例/教程只关注一种类型的传感器。但是对于我的用例来说，只有通过适当的滤波

0热度

2回答

四旋翼加速度计不稳定

我目前正在研究我的四旋翼飞行器项目。我使用ADXL335加速度计和L3G4200D陀螺仪与atemga 128接口。当我检查加速度计读数而不运行电机时，数值是准确和稳定的。但是当我启动电机时，价值开始波动。我越是增加速度，他们就越有波动。我尝试使用卡尔曼滤波器，结果看起来相同，波动较小，但仍然不足以稳定飞行。我的陀螺仪读数也给了太多的漂移。这是否会发生，或者我做错了什么。

2热度

1回答

卡尔曼滤波器

的溢出感知执行我试图实现卡尔曼滤波器获得物体的定向，使用3轴加速计和3轴陀螺仪作为传感器。选择此过滤器的预测阶段的动态模型是直线前进，它是： new_angle = angle + angular_velocity * time new_angular_velocity = angular_velocity 但我没有浮点支持的手，我需要的精度每一位来建模角度。因此，我的计划是将角度表示为3

0热度

1回答

OpenCV错误：在向量间移动数据时声明失败

我使用卡尔曼滤波器进行某些图像跟踪，并且有时需要重新排序数据以确保不同向量的索引相同。我通过快速逻辑检查来确保当前帧的位置在最后一帧的容差范围内。如果是这种情况，我将数据移动到第二个矢量以匹配新的索引，然后将完全重新排列的矢量移回原始矢量。如下图所示： void vector_order(vector<Rect> found_filtered) { int j, i; vec

5热度

1回答

计算机视觉中的卡尔曼滤波器：Q和R噪声协方差的选择

我读了一些关于卡尔曼滤波器用于CV目标跟踪的作品，但是我找不到一些有关选择的参考文献：1）过程噪声协方差Q; 2）测量噪声协方差R.到目前为止，我已经认识到该模型是运动方程（有人使用加速度作为状态变量，其他人仅使用位置和速度），但没有人清楚Q和R选择，包括这个例子由数学公司：http://www.mathworks.it/it/help/vision/examples/using-kalman-f