OpenCV中的卡尔曼滤波器，用于平面跟踪

Question

我正在使用 C ++ 和 OpenCV 开发基于自然特征的实时平面物体跟踪应用程序。 算法是这样的：

1. 使用 ORB 功能描述符和 FLANN 识别跟踪图像 匹配器。
2. 估计单应性矩阵并计算对象的角（4个角）。
3. 找到 GoodFeaturesToTrack 。
4. 计算 OpticalFlow 并从跟踪角中删除异常值。
5. 估计单应性和对象的角点。
6. 如果跟踪误差不高，则转到第4步，否则停止跟踪并转到第1步。

---

这给我带来不错的结果，尤其是如果去除异常值对他的工作有好处。但是，当我开始移动时，对象的角开始倾斜，它们不再位于平面对象的实际角上。请观看：Good tracking，Bad tracking

我认为我应该使用卡尔曼滤波器来预测和校正离群单应性估计。我尝试在估计的拐角处应用卡尔曼滤波器，但没有成功，也尝试在追踪点上应用卡尔曼滤波器，但也没有成功。 有人可以告诉我哪种方法是平面跟踪的最佳方法，也可以告诉我如何正确使用卡尔曼滤波器。