Matlab 如何配置卡尔曼滤波器矩阵来跟踪移动输送机上的对象

我正在建立一个视觉传送系统，用于在我的项目工作中计算类似的小物体。 目标检测是平滑的。但我在跟踪部分有问题

背景：

输送机：单向，恒定速度为1.5英尺/秒

摄像机：Logitech c920，分辨率为800x600px，每秒30帧

跟踪对象：矩形20mm x 10mm

对象仅在视野中停留约8帧

代码工作流：

如果我以每秒30帧的速度拍摄连续视频，每个对象（质心）的移动距离精确到每帧52像素。 在离线模式（处理保存的视频）下，我可以简单地通过向每个跟踪对象的

质心.x

添加52个像素来预测

下一个位置

但是，当我上网时，由于处理时间的原因，帧速率下降到15-20 FPS。
因此，对象的
下一个位置
从80到200像素/帧不等。
现在我必须动态预测下一个位置，因此我选择卡尔曼滤波


问题陈述：

我的问题是将卡尔曼矩阵配置到我的“等速单向系统模型”。
（由于振动，y轴的变化非常小，最大为0到5像素）

物体的速度不会有误差，但不规则
帧捕获事件导致预测帧的错误
下一个地点

我读了很多教程，比如，等等。在每一个教程中，我都能清楚地理解卡尔曼滤波器可以做什么，关于它如何通过状态方程进行预测，但矩阵填充部分对我来说似乎超级复杂

在一些实现代码中，比如，或者，我可以看到所有的矩阵都被填充，但是我不知道哪个矩阵的哪个元素需要更改以满足我的需求

明确提供了恒速度和恒加速度运动模型的矩阵，并在脱机模式下适当地预测了我的对象

        stateTransitionModel= [1 1 0 0 ; 0 1 0 0 ; 0 0 1 1 ; 0 0 0 1];
        measurementModel = [1 0 0 0 ; 0 0 1 0];
        state=[centroid(1);0;centroid(2);0];
        stateCovariance=[20 0 0 0; 0 5 0 0; 0 0 20 0; 0 0 0 5];
        processNoise= [100 0 0 0; 0 25 0 0; 0 0 100 0; 0 0 0 25];
        measurementNoise= [100 0; 0 100]

但是，当我在OpenCV-C++中使用相同的6个矩阵时，卡尔曼滤波器甚至没有预测单个<代码> NExtEXLoC < /代码>。它只是指向每个质心的前一个位置

如果有人能解释一下矩阵是如何
矩阵元素对系统建模有什么影响
配置应用于“恒定速度，
我提到的“单向”输送机设置，错误在哪里
是由相机的变化帧速率引起的

我所有问题的列表：

如何在openCV中为等速模型配置状态转换和测量矩阵

帧速率引起的误差应建模为过程噪声还是测量噪声？如何为它们分配适当的矩阵值

我的初始状态协方差应该是多少

抱歉问了太多问题。我真的试图自己找到答案，但我有限的数学知识无法弥合理论和代码之间的鸿沟。
如果你知道图像的时间戳，你可以计算每次的恒定偏移量，不是吗？我想卡尔曼滤波器也需要时间戳。该死的，是的！那也许行得通。我太专注于基于卡尔曼滤波的预测，以至于错过了这个简单但非常有效的替代方案。计算上一帧的时差->基于时差计算偏移。天啊！！迫不及待地要实施您的解决方案。非常感谢。解决方案非常有效。谢谢，米卡，很高兴听到。你可以自己写答案，如果你愿意的话可以接受。我在找类似的东西，你做了吗？