Matlab OpenCV卡尔曼序贯测量

我正在跟踪OpenCV中摄影机流中检测到的两条线的位置。现在，我对每条测线使用一个单独的卡尔曼滤波器，但它们的位置高度相关，它们可能漂移得非常缓慢，而另一方面，测量（测线检测）非常嘈杂

由于相关性，我想将两条线合并，以便由同一个过滤器跟踪。如果操作正确，则应显著降低假阳性边缘检测的影响，因为它们会相对于另一条线跳跃；另一方面，两条同时移动位置的线路将有很高的影响

我的问题是，线是周期性检测的，而不是每一帧，而且通常不是同时检测的。通常情况下，只检测左行，或检测右行（或不检测）；很少同时检测到两条线路

现在，对于每一行的过滤器，我在每一帧上调用

predict（）

，如果检测到一行，也执行

correct（）

。但是，如果我想对这两行使用相同的过滤器，我怎么能只对该行执行部分更正？我在想，一个步骤可能是在

measurementMatrix

中为该特定测量设置另一行的零组件，但是

measurementNoiseCov

呢

在这方面，我看到以下情况：

顺序测量处理
如果测量噪声矢量分量不相关，则可以一次执行一次状态更新。
因此，矩阵求逆被标量求逆所取代。
程序：与之前一样进行状态预测
-标量测量按顺序（以任何顺序）处理
-使用标量测量方程

这是否等效（如果我假设不相关的测量噪声是一个足够好的近似值）？否则，我需要如何在OpenCV中修改

correct（）