我正在使用安装在天花板上的向下摄像头跟踪移动物体。我已经到了可以检测每帧中所需对象位置的位置。
我正在研究使用卡尔曼滤波器来跟踪物体在场景中的位置和速度，然后我遇到了绊脚石。我已经设置了我的系统并且除了测量方差之外还有卡尔曼滤波器的所有必需部分。
我希望能够为每个测量分配有意义的方差，以允许校正阶段以合理的方式使用新信息。我为检测到的物体分配了几个测量值，理论上这些测量值可用于确定位置的准确度，尝试将它们组合起来以得出合适的方差似乎是合乎逻辑的。
我是否以正确的方式接近这一点，如果是这样，有人能指出我正确的方向继续吗？
非常感谢任何帮助。
答案 0 :(得分：1)
我认为你是对的。根据这篇文章：
Sensor fusioning with Kalman filter
确定方差是100％实验。在我看来，你拥有获得良好估计方差所需的一切。
答案 1 :(得分：1)
总结：
（1）测量噪声的SNR和过程噪声决定了滤波器的行为。高过程噪声/测量噪声比使您的滤波器更慢（低通滤波器），这通常允许更平滑的跟踪，反之亦然如果您将测量噪声设置得低，您基本上有一个高通滤波器，往往有更多抖动。
（2）文献中有很多论文讨论如何正确设置这些噪声模型。但是，通常需要进行大量“调整”，具体取决于您的应用程序。通常，测量噪声是我们可以根据硬件规范测量/表征的。因此，建议修复“R”（测量噪声协方差）并调整Q（过程模型噪声协方差）。