gpt4 book ai didi

matlab - 计算机视觉中的卡尔曼滤波器 : the choice of Q and R noise covariances

转载 作者:太空宇宙 更新时间:2023-11-03 19:35:23 33 4
gpt4 key购买 nike

我读了一些关于用于 CV 对象跟踪的卡尔曼滤波器的著作,但我找不到关于选择的一些引用:1)过程噪声协方差 Q; 2)测量噪声协方差R。到目前为止,我已经意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的选择,包括mathworks的这个例子:http://www.mathworks.it/it/help/vision/examples/using-kalman-filter-for-object-tracking.html最近我发现这个页面: http://blog.cordiner.net/2011/05/03/object-tracking-using-a-kalman-filter-matlab/但 Q 和 R 分配不明确。请知道的人帮助我吗?

最佳答案

R 是测量噪声的协方差矩阵,假定为高斯矩阵。在视频中跟踪对象的上下文中,这意味着您的检测错误。假设您正在使用人脸检测器来检测人脸,然后您想使用卡尔曼滤波器来跟踪它们。你运行检测器,你得到每张脸的边界框,然后你使用卡尔曼滤波器来跟踪每个框的质心。 R 矩阵必须描述您对质心位置的不确定性。所以在这种情况下,对于 x,y 坐标,R 的相应对角线值应该是几个像素。如果您的状态包括速度,那么您需要猜测速度测量的不确定性,并将单位考虑在内。如果您的位置以像素为单位,速度以每帧像素为单位,那么 R 的对角线条目必须反射(reflect)这一点。

Q 是过程噪声的协方差。简单地说,Q 指定了对象的实际运动与您假定的运动模型的偏差程度。如果您在道路上跟踪汽车,那么恒速模型应该相当不错,并且 Q 的条目应该很小。如果您要跟踪人脸,他们不太可能以恒定速度移动,因此您需要调高 Q。同样,您需要了解表示状态变量的单位。

这就是直觉。在实践中,您从 R 和 Q 的一些合理初始猜测开始,然后通过实验调整它们。所以设置 R 和 Q 是一门艺术。此外,在大多数情况下,对 R 和 Q 使用对角矩阵就足够了。

这是一个 example在 Matalb 中使用 vision.KalmanFilter 来跟踪多人。

关于matlab - 计算机视觉中的卡尔曼滤波器 : the choice of Q and R noise covariances,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21245167/

33 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com