Image processing 量化目标检测在图像处理中有多好

我开发了石油和天然气管道检测器，它工作得相当好。探测器输出是一条线，表示管道相对于摄像机的位置

虽然它的假阳性率很低，但我想量化我的检测结果的可靠性。因此，我可以将其提供给接收行信息的其他组件

最初我开始计算最后10个样本的标准偏差，这给了我一个很好的起点，因为当检测到假阳性时，std偏差会增加。但是，由于相机随时间移动，此指标不可靠，因为移动本身会增加该值

我有摄像机的速度信息，所以我想我可以把“预测的”测量值和检测到的融合在一起，比如用卡尔曼滤波器。滤波器协方差将给出我想要的估计

编辑以添加更多相关信息：

• 具有已知参数和固定局部长度的单摄像机
• 摄像机安装在机器人的身体上
• 摄像机以低速移动（最大：0.5 m/s最大和0.3 rad/s）
• 探测器输出为线角和较短距离摄像机测线仪

---

然而，我不确定卡尔曼滤波是否是适用于此的正确/最佳技术。有人对我如何处理这件事有什么建议吗

我认为需要更多的信息来确定最好的方法。例如，系统是否使用具有已知参数的单个摄像头？固定焦距？摄像机是手持式的还是连接到机器上的？相机移动了多少？如何显示输出（数字、图形）？我怀疑卡尔曼滤波器可能不适合您的需要。如果摄像机的相对位置已知，我倾向于将每幅图像的投影关联起来，并计算两者之间的变化。单摄像机参数已知，局部长度固定。它连接到机器人身体上。摄像机以低速移动（最大0.3 rad/s最大0.5 m/s）。输出为数字（线角度和到线的距离）。我将编辑问题以添加这些信息。Thx！–德布塞萨尔6分钟前