问题描述
比方说,您正在跟踪一组20个长度相同且属于同一3D平面的线段。
为进行可视化,假设您正在一张纸上随机绘制一组长度为10 cm的线段。并让某人将这张纸移动到相机前面。
比方说,这些段由两个点A
和B
表示。
假设我们设法跟踪所有细分市场的A_t
和B_t
。跟踪的点在帧与帧之间不稳定,因此偶尔会出现抖动,这可以通过卡尔曼滤波器来解决。
我的问题与状态向量有关:
- 对于每个分段
A
和B
的Kalman过滤器(具有20个分段,这将导致40 KF)是一个显而易见的解决方案,但它看起来太繁重了(知道它应该实时运行) )。 - 由于所有跟踪点都具有相同的属性(属于相同的3D平面,具有相同的长度),难道不可能用所有这些变量创建一个大的KF吗?
谢谢。
解决方法
- 运行时:请记住,卡尔曼方程涉及矩阵乘法和一次求逆。因此,拥有40个状态意味着拥有40x40的矩阵。这比运行40个单状态滤波器(其中矩阵为1x1(标量))要花费更长的时间。无论如何,仅当您确实知道状态之间的数学关系(=相关性)时,运行大型过滤器才有意义,否则,其明智的输出就像运行40个单状态过滤器一样。
- 有了给出的信息,那真的很难说。例如。如果您的线段始终是多段线,则与完全不了解形状相比,可以用不同的方式描述。