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。