我在OpenCV中跟踪摄像机流中检测到的两条线的位置。现在，我为每条线使用单独的卡尔曼滤波器，但它们的位置高度相关 - 它们可能非常缓慢地分开，而另一方面测量（线路检测）非常嘈杂。
由于相关性，我希望将两条线组合在同一个过滤器上进行跟踪。如果做得好，这应该会显着降低误报边缘检测的影响，因为它们会相对跳到另一条线;另一方面，两条线路的位置合理地预计会产生很大影响。
我的问题是定期检测线条，而不是每一帧，通常不会同时检测。通常的情况是只检测左线，或者检测右线（或没有）;很少会同时检测到两条线。
现在，我为每行的过滤器在每一帧上调用predict()，如果检测到一行，也执行correct()。但是，如果我想对两条线使用相同的滤波器，我怎样才能对该线进行部分校正？我想的一步可能是将measurementMatrix中其他线路的组件归零用于该特定测量，但是measurementNoiseCov呢？
在this document中，我看到以下内容：
顺序测量处理
如果测量噪声矢量分量不相关，则可以一次一次测量进行状态更新 因此，矩阵求逆由标量反转代替 程序：如前所述的状态预测
- 标量测量按顺序处理（按任意顺序）
- 使用标量测量方程。
这是等效的（如果我假设不相关的测量噪声是一个足够好的近似值）？否则，我如何修改OpenCV中的correct()？