利用卡尔曼滤波跟踪位置和速度

Question

我使用卡尔曼滤波(恒速模型)来跟踪物体的位置和速度。我测量物体的x，y和跟踪x，y，vx，vy。这是可行的，但如果传感器读数为+- 20毫米，即使点不只是移动噪声，x，y，vx，vy也会波动。对于位置，这足以满足我的需要，但速度变化时，点是静止的，这是造成问题，我的对象速度计算。有办法解决这个问题吗？另外，如果切换到恒加速度模型改进了这一点？我正在通过摄像机跟踪一个机器人。

我正在使用opencv实现，我的kalman模型与1相同。

1

Answer 1

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

• 误差协方差有单位。这是标准差平方。所以你的位置误差是“长度平方”，速度是“每次长度平方”。这些矩阵中的值将是不同的，取决于您是在m还是mm中工作。
• 您正在实现一个“恒定速度”模型，但是示例中的"processNoiseCov“为位置和速度过程噪声设置了相同的值。这意味着你可能因为你的速度错误而误解了你的位置，你也可能是错的，因为物体以一种独立于速度的方式传送。在CV模型中，你会期望位置过程噪声很低(基本上非零只是因为数值原因和建模误差)，系统的真实未知运动将归因于未知的速度。这个问题也干扰了KF从位置输入推断速度的能力，因为位置的“隐形传态误差”不是速度变化造成的。
• 如果你输入+/-20毫米的误差(如果你想要模拟理想行为，你真的应该加高斯噪声)，那么你的近似标准差是11.5mm，或者方差是(11.5mm)^2。不知道你的单位是什么(mm或m)，我不能说"measurementNoiseCov“的数值应该是多少，但它不是0.1 (如例所示)。

最后，即使所有这些都是正确的，记住KF最终是一个线性滤波器。无论你输入什么噪声，都会出现在输出中，只是按某个因素(卡尔曼增益)进行缩放。