卡尔曼滤波器 - 零预测点

Kalman filter - Null predicted point(s)

本文关键字：滤波器      更新时间：2023-10-16

我正在尝试在与OpenCV C++中应用卡尔曼滤波器，以过滤一些曲目。让它为我工作的第一步是用过滤器从 Points2f 的向量预测点。

我的代码如下：

cv::KalmanFilter kalmanFilter(4,2,0, CV_32F); 
kalmanFilter.transitionMatrix = transitionMat;
for(int i = 0 ; i < oldTrackeables.size() ; i++)
for(int j = 0 ; j < oldTrackeables[i].getTrack().size() ; j++)
{
cv::Size msmtSize(2,1);
cv::Mat measurementMat(msmtSize, CV_32F);
measurementMat.setTo(cv::Scalar(0));
measurementMat.at<float>(0) = oldTrackeables[i].getTrack()[j].x;
measurementMat.at<float>(1) = oldTrackeables[i].getTrack()[j].y;
//Initialisation of the Kalman filter
kalmanFilter.statePre.at<float>(0) = (float) oldTrackeables[i].getTrack()[j].x;
kalmanFilter.statePre.at<float>(1) = (float) oldTrackeables[i].getTrack()[j].y;
kalmanFilter.statePre.at<float>(2) = (float) 2;
kalmanFilter.statePre.at<float>(3) = (float) 3;

cv::setIdentity(kalmanFilter.measurementMatrix);
cv::setIdentity(kalmanFilter.processNoiseCov, cv::Scalar::all(1e-4));
cv::setIdentity(kalmanFilter.measurementNoiseCov, cv::Scalar::all(.1));
cv::setIdentity(kalmanFilter.errorCovPost, cv::Scalar::all(.1));
//Prediction
cv::Mat prediction = kalmanFilter.predict();
kalmanFilter.statePre.copyTo(kalmanFilter.statePost);
kalmanFilter.errorCovPre.copyTo(kalmanFilter.errorCovPost);
cv::Point predictPt(prediction.at<float>(0), prediction.at<float>(1));
cv::Point Mc = oldTrackeables[i].getMassCenter();          
cv::circle(kalmat, predictPt, 16, cv::Scalar(0,255,0), 3, 2, 1);

std::cout<<"prediction : x = " << predictPt.x << " - y = " << predictPt.y <<std::endl;
std::cout<<"position captée : x = " << oldTrackeables[i].getTrack()[j].x << " - y = " << oldTrackeables[i].getTrack()[j].y << std::endl;
std::cout<<"size of frame : rows = " << frame.rows << " - width = " << frame.cols <<std::endl;
std::cout<<"size of kalmat : rows = " << kalmat.rows << " - width = " << kalmat.cols <<std::endl;
cv::imshow("kalmat", kalmat);

其中 oldTrackeables[i].getTrack()[j] 只是来自向量的一些 Points2f。

跟踪是正确的，但卡尔曼滤波器没有为预测提供"正确"的值 - 例如，程序显示： 预测 ： x = 0 - y = 0 - 位置 captée ： x = 138.29 - y = 161.078 (原点的位置)。

我真的一直在寻找答案并尝试许多不同的方法来做到这一点，但我找不到任何真正帮助我的东西......我发现最接近的是这个：http://answers.opencv.org/question/24865/why-kalman-filter-keeps-returning-the-same-prediction/但它并没有帮助我解决我的问题......

如果你们中的任何人有可以帮助我理解问题的答案，我将不胜感激。 谢谢。

首先，我会将所有 init 内容移到循环之外，否则您将覆盖过滤器中的内部状态。同时将statePre更改为statPost

//Initialisation of the Kalman filter
kalmanFilter.statePost.at<float>(0) = (float) 0;   
kalmanFilter.statePost.at<float>(1) = (float) 0;
kalmanFilter.statePost.at<float>(2) = (float) 2;
kalmanFilter.statePost.at<float>(3) = (float) 3;
cv::setIdentity(kalmanFilter.measurementMatrix);
cv::setIdentity(kalmanFilter.processNoiseCov, cv::Scalar::all(1e-4));
cv::setIdentity(kalmanFilter.measurementNoiseCov,cv::Scalar::all(.1));
cv::setIdentity(kalmanFilter.errorCovPost, cv::Scalar::all(.1));

部分：

kalmanFilter.statePre.copyTo(kalmanFilter.statePost);                     
kalmanFilter.errorCovPre.copyTo(kalmanFilter.errorCovPost);

应该删除，因为这是在predict阶段内部完成的。

最后，正如@Mozfox所说，您提供的循环代码中不存在correct阶段。加：

kalmanFilter.predict(measurementMat);

我认为您缺少测量计算的校正阶段。

相关文章：