OpenCV如何使用KalmanFilter类作为ExtendedKF

Question

如docs所述，可以使用cv :: KalmanFilter类作为扩展卡尔曼滤波器（EKF）。有人可以解释我怎么样？

所有涉及的矩阵are declared as public因此我可以编辑所有这些矩阵。 source code用于正常（线性）卡尔曼滤波器。

我认为我应该使用非线性系统编辑transitionMatrix，即G。 这个矩阵是我的非线性系统之一，作为输入变量statePost和control;和ControlMatrix应该都是0.对吗？

但是我应该把G的雅各比派放在哪里？

我对更新过程有同样的疑问，我有一个非线性系统H用于measurementMatrix。

也许我有点困惑，有人能帮助我吗？

Answer 1

所以，我认为我想出了如何将cv::KalmanFilter类用作EKF。 这就是我的成就：

1. 将临时变量保存为kf.statePost：temp = kf.statePost

2. 放入kf.transitionMatrix过渡函数的雅可比行列式

3. 执行KF的预测步骤

4. 使用转换函数将kf.statePre更改为正确的值：kf.statePre = f(temp, control)

5. 输入kf.measurementMatrix雅可比的测量（或修正）功能

6. 执行KF的修正步骤

7. 使用正确的值更改kf.temp5矩阵：kf.temp5 = measurement - h(statePre)其中h()是衡量（或更正）功能

8. 使用正确的值更改kf.statePost：kf.statePost = kf.statePre + kf.gain * kf.temp5

最后，您在kf.statePost中确定了系统的估计状态！