卡爾曼濾波追蹤
5個基本的公式,這裡直接給出公式:
公式1:X(k|k-1) = FX(k-1 | k-1) + BU(k) + W(k)
公式2:P(k|k-1) = FP(k-1|k-1)F’ + Q(k)
公式3:X(k|k) = X(k|k-1) + Kg(k)[Z(k) - AX(k|k-1)
公式4:Kg(k) = P(k|k-1)A’/{AP(k|k-1)A’ + R} //卡爾曼增益
公式5:P(k|k) = (1- Kg(k) H) P(k|k-1)
另外,Z(k) = HX(k) + V,Z是測量值,X是系統值,W是過程噪聲,V是測量噪聲,H是測量矩陣,A是轉移矩陣,Q是W的協方差,R是V的協方差,X(k|k-1)是估計值;X(k|k)是X(k|k-1)的最優估計值,即濾波估計值;P(k|k-1)是估計值誤差方差矩陣,P(k|k)是濾波誤差方差矩陣。
2.卡爾曼濾波器:
卡爾曼濾波被廣泛應用於無人機、自動駕駛、衛星導航等領域,簡單來說,其作用就是基於感測器的測量值來更新預測值,以達到更精確的估計。
在目標跟蹤中,需要估計track的以下兩個狀態:
均值(Mean):表示目標的位置資訊,由bbox的中心座標 (cx, cy),寬高比r,高h,以及各自的速度變化值組成,由8維向量表示為 x = [cx, cy, r, h, vx, vy, vr, vh],各個速度值初始化為0。
協方差(Covariance ):表示目標位置資訊的不確定性,由8x8的對角矩陣表示,矩陣中數字越大則表明不確定性越大,可以以任意值初始化。
卡爾曼濾波分為兩個階段:(1) 預測track在下一時刻的位置,(2) 基於detection來更新預測的位置。
卡爾曼濾波追蹤
5個基本的公式,這裡直接給出公式:
公式1:X(k|k-1) = FX(k-1 | k-1) + BU(k) + W(k)
公式2:P(k|k-1) = FP(k-1|k-1)F’ + Q(k)
公式3:X(k|k) = X(k|k-1) + Kg(k)[Z(k) - AX(k|k-1)
公式4:Kg(k) = P(k|k-1)A’/{AP(k|k-1)A’ + R} //卡爾曼增益
公式5:P(k|k) = (1- Kg(k) H) P(k|k-1)
另外,Z(k) = HX(k) + V,Z是測量值,X是系統值,W是過程噪聲,V是測量噪聲,H是測量矩陣,A是轉移矩陣,Q是W的協方差,R是V的協方差,X(k|k-1)是估計值;X(k|k)是X(k|k-1)的最優估計值,即濾波估計值;P(k|k-1)是估計值誤差方差矩陣,P(k|k)是濾波誤差方差矩陣。
2.卡爾曼濾波器:
卡爾曼濾波被廣泛應用於無人機、自動駕駛、衛星導航等領域,簡單來說,其作用就是基於感測器的測量值來更新預測值,以達到更精確的估計。
在目標跟蹤中,需要估計track的以下兩個狀態:
均值(Mean):表示目標的位置資訊,由bbox的中心座標 (cx, cy),寬高比r,高h,以及各自的速度變化值組成,由8維向量表示為 x = [cx, cy, r, h, vx, vy, vr, vh],各個速度值初始化為0。
協方差(Covariance ):表示目標位置資訊的不確定性,由8x8的對角矩陣表示,矩陣中數字越大則表明不確定性越大,可以以任意值初始化。
卡爾曼濾波分為兩個階段:(1) 預測track在下一時刻的位置,(2) 基於detection來更新預測的位置。