Question

我试图执行以下代码

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z) #error on this line

我收到错误：

ValueError：尺寸不匹配：数组＆＃39; cov＆＃39;形状（1,1），但＆＃39;平均＆＃39;是一个长度为2的向量。

这是屏幕上显示的输出

[512  102]
[array([[ 1000.,     0.,     0.,     0.],
       [    0.,  1000.,     0.,     0.],
       [    0.,     0.,  1000.,     0.],
       [    0.,     0.,     0.,  1000.]])]
[array([[ 396.],
       [  187.],
       [    0.],
       [    0.]])]

如果我只采用z的第一个元素，它可以正常工作，但是，这并不是我想要的行为。

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z[0])

更新其他信息

此错误来自multivariate.py in scipy。我似乎无法从cov更改(1,1)的形状。我可以使用mean更改z[0]的长度，但是，这并不合适。我想原样使用z。我还将整个代码发布为gist here。我也将filterpy library用于卡尔曼滤波器。有live python notebook使用此卡尔曼过滤器，但是，它并没有像我的场景中那样使用z。

Answer 1

使用filterpy库时，您自己负责设置卡尔曼滤波器的初始状态，并且各种矩阵的尺寸需要兼容。如果您查看KalmanFilter.update()方法，您可以跟踪它所执行的计算，并在矩阵维度上提出以下一组约束：

R.shape == (dim_z, dim_z)
H.shape == (dim_z, dim_x)
P.shape == (dim_x, dim_x)
x.shape == (dim_x, 1...)
z.shape == (dim_z, 1...)

其中1...可以表示大小为1的某些维度序列，两者的大小相同。例如，在您的情况下，dim_x == 4和dim_z == 2因此您可以拥有x.shape == (4, 1)和z.shape == (2, 1)，或者您可以拥有x.shape == (4,)和z.shape == (2,)，但你不能混搭。（请注意，KalmanFilter.__init__()文档似乎为H提供了错误的必需维度。）

您的代码在两个位置设置了错误的尺寸：

您将H设置为1x4矩阵，而不是2x4。（我注意到你已经注释了有效的代码。）
您将R设置为标量值而不是2x2矩阵。可以说卡尔曼滤波器实现应该考虑到这一点，但只有当你将R作为参数传递给update()时才会这样做，而不是在你提前设置它时。（但要小心：如果将R设置为标量，代码仍将工作！它会做我认为错误的事情：为每个元素添加2矩阵而不是添加2倍的单位矩阵。）
当您将z传递给update()方法时，您传递的是一个两元素列表，该列表将转换为2元素向量，而不是2x1矩阵，因为它应该是与x（4x1）兼容。您可以通过在调用z = np.array([z]).T之前在循环体中运行update()来来解决此问题。但我认为有更好的方法：保持z不变，只需将x设为4元素向量：
```
x = np.array([measurements[0][0],measurements[0][1],0.,0.])
```
我不确定这是否意味着作者的工作，但它确实（目前），它可能应该。我认为要求在传递之前将每个测量值转换为2x1矩阵是有点傻。

KalmanFilter包含test_matrix_dimensions()方法，您可以使用该方法检查设置中的错误。但是我对它有点矛盾，因为如果你将x设置为4元素向量，正如我在上一段中所建议的那样，它会将其标记为不正确。

尺寸不匹配：数组＆＃39; cov＆＃39;形状（1,1），但意思是＆＃39;是一个长度为2的向量

1 个答案: