filter - 关于使用卡尔曼滤波器跟踪移动球的问题

Question

我想学习使用卡尔曼滤波器跟踪移动的球。虽然有很多教程可用，但我仍然有一些问题。

如果我们可以在视频序列的每一帧中提取球，我们就会知道球的位置。那么，为什么我们还需要使用卡尔曼拟合呢？卡尔曼滤波器在这里的作用是什么？

卡尔曼滤波器:x(k+1) = A.x(k) + B.u(k) + 噪声

              y(k) = C.x(k) + noise

那么，我们如何定义 A、B、C 呢？假设我们想跟踪移动的球？

3 .如果我们知道之前的状态 x(k-1) 和当前状态 y(k) 的测量值，我们就可以计算估计的状态。在跟踪移动球的情况下，“测量”是什么？

Answer 1

基本上，您使用跟踪方法来跟踪场景中的球。您仍然必须在每个时间步中检测到球。

(1)

假设您到达另一个球进入场景的点。所以你需要找到一种方法来识别每个球。让它变得更糟，甚至让他们互相交叉或有障碍物可能会暂时隐藏球。

然后，您的跟踪方法(即卡尔曼滤波器)将根据球之前的移动方式在估计的轨迹上继续移动。

因此，如果您只想知道球在每一帧中的位置，则不需要跟踪方法，但是如果您想识别并跟踪一个球，则需要一个跟踪器，即卡尔曼滤波器或用于多对象跟踪我更喜欢粒子过滤器(http://en.wikipedia.org/wiki/Particle_Filter)。

(2)

现在无法帮助您，因为我现在对卡尔曼滤波器还不太了解。
但基本上 A 应该是从步骤 x(t-1) 到 x(t) 的转换矩阵，B 应该是引用模型。但正如我所说，如果你可能得到不止一个球，你可能想看看粒子过滤器。

(3)

测量值将是您在图像上测量的位置。基本上是你的球的中点。您将使用此测量值来更正估计路径。所以基本上你将球在当前时间步长的位置(取决于它以前的运动)与它的实际位置进行比较。

我希望这有帮助...如果没有，请继续问...