使用卡尔曼滤波器跟踪位置和速度

Question

我正在使用卡尔曼滤波器（恒速模型）来跟踪物体的位置和速度。我测量对象的x，y并跟踪x，y，vx，vy。哪个有效但是如果向传感器读数x，y，vx，vy添加+ - 20 mm的gausian噪声，即使该点不仅仅是噪声，也会波动。对于满足我需要的位置，但当点静止时速度会发生变化，这会导致我的物体速度计算出现问题。有没有解决这个问题的方法？如果切换到恒定加速模型改进呢？我正在通过相机跟踪机器人。

我正在使用opencv实现，我的kalman模型与[1]

相同

[1] http://www.morethantechnical.com/2011/06/17/simple-kalman-filter-for-tracking-using-opencv-2-2-w-code/

Answer 1

设计卡尔曼滤波器最重要的不是数据，它是误差估计。该示例中的矩阵似乎是任意选择的，但您应该使用系统的特定知识来选择它们。特别是：

• 错误协方差有单位。它的标准偏差是平方的。所以你的位置误差在＆＃34;长度平方＆＃34;和速度＆＃34;每时间平方的长度＆＃34;。这些矩阵中的值将根据您是以m还是mm工作而不同。
• 您正在实施＆＃34;恒定速度＆＃34;模型，但＆＃34; processNoiseCov＆＃34;从示例中为位置和速度过程噪声设置相同的值。这意味着由于你的速度错误，你的位置可能会出错，你可能错了，因为物体以一种独立于速度的方式传送到周围。在CV模型中，您可能会认为位置过程噪声非常低（仅基于数值原因而非基于非零并且涵盖建模误差），并且系统的真实未知运动将归因于未知速度。这个问题也会干扰KF从位置输入推断速度的能力，因为传送错误＆＃34;位置不归因于速度变化。
• 如果你输入+/- 20mm的误差（如果你想模拟理想行为，你应该加入高斯噪声），​​你的标准偏差大约是11.5mm，方差是（11.5mm） ^ 2。不知道你的单位是多少（mm或m）我不能说出＆＃34; measurementNoiseCov＆＃34;的数值。应该是，但它不是0.1（如例子中所示）。

最后，即使所有这些都正确，请记住KF最终是一个线性过滤器。无论你输入什么噪音都会出现在输出中，只是按某种因素（卡尔曼增益）进行缩放。