无需测量的Kalman-OpenCV估计

嘿：）我现在开始在OpenCv中使用Kalmanfilter。 我遇到了两个问题

第一个是，我使用的例子。 在视频中，Kalman过滤器似乎减少了噪音，但如果我运行代码，噪音不会减少，因此如果我移动鼠标，预测行为几乎与鼠标移动完全相同，但没有减少噪音。是由于我的高采样率，还是measurementMatrix、processNoiseCov、measurementNoiseCov和errorCovPost的值设置错误？我希望你能理解我的意思

我的另一个问题是，如果我按下“n”，我想禁用新的测量，我想Kalmanfilter仍然猜测鼠标的新位置。在米尔恰，波帕说：

但是在kalman.correct（）调用之前，将测量矩阵设置为0（这是程序员的职责）。这样做，校正系数（增益）变为0，并且根据预测更新滤波器的状态

所以我试着这样做：measurement=Mat:：zeros（2,1，CV_32F），但是预测的位置一直在位置（0,0），所以不是我所期望的。有什么我理解错了吗？测量不是Mircea Popa所说的“测量矩阵”吗？或者有没有其他方法可以让KalmanFilter预测新位置而无需测量

为了明确我期望Kalmanfilter做什么：如果没有测量，估计位置的移动应该是均匀的，移动方向应该在由最后两个位置确定的直线上

这是我的密码：

#include <iostream>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/video/tracking.hpp" 

using namespace cv;
using namespace std;



int m_X = 0;
int m_Y = 0;
bool cursorSet = false;
bool noDetection = false;
Mat_<float> lastPosition(2,1);


void drawCross(Mat &img, Point &center, Scalar color, int d) {
    line( img, Point( center.x - d, center.y - d ), Point( center.x + d, center.y + d ), color, 2, CV_AA, 0); 
    line( img, Point( center.x + d, center.y - d ), Point( center.x - d, center.y + d ), color, 2, CV_AA, 0);
};  

void CallBackFunc(int event, int x, int y, int flags, void* userdata) {
    m_X = x;
    m_Y = y;
    cursorSet = true;
    cout << "Mouse move over the window - position (" << x << ", " << y << ")" << endl;
};

void GetCursorPos(Point &mousepos){
    mousepos = Point(m_X, m_Y);
};

int main( ) {

    //create window and set callback for mouse movement
    namedWindow("window", 1);
    setMouseCallback("window", CallBackFunc, NULL);

    // Image to show mouse tracking
    Mat img(600, 800, CV_8UC3);
    vector<Point> mousev,kalmanv;
    mousev.clear();
    kalmanv.clear();

    //wait until mouse has an initial position inside the window
    while(!cursorSet) {
        imshow("window", img); 
        waitKey(10);
    };



    //create kalman Filter
    KalmanFilter KF(6, 2, 0);

    //position of the mouse will be observed
    Point mousePos;
    GetCursorPos(mousePos);

    // intialization of KF...
    KF.transitionMatrix = *(Mat_<float>(6, 6) << 1,0,1,0,.5,0,      // x  + v_x + 1/2  a_x 
                                                 0,1,0,1,0,0.5,     // y  + v_Y + 1/2  a_y
                                                 0,0,1,0,1,0,       //      v_x +      a_x 
                                                 0,0,0,1,0,1,       //      v_y +      a_y    
                                                 0,0,0,0,1,0,       //                 a_x
                                                 0,0,0,0,0,1);      //                 a_y
    Mat_<float> measurement(2,1); measurement.setTo(Scalar(0));

    //initialize the pre state 
    KF.statePost.at<float>(0) = mousePos.x;
    KF.statePost.at<float>(1) = mousePos.y;
    KF.statePost.at<float>(2) = 0;
    KF.statePost.at<float>(3) = 0;
    KF.statePost.at<float>(4) = 0;
    KF.statePost.at<float>(5) = 0;


    setIdentity(KF.measurementMatrix);
    setIdentity(KF.processNoiseCov, Scalar::all(1e-1));
    setIdentity(KF.measurementNoiseCov, Scalar::all(1e-5));
    setIdentity(KF.errorCovPost, Scalar::all(1e-3));


    while(1) {
        img = Scalar::all(0);
        // First predict, to update the internal statePre variable
        Mat prediction = KF.predict();
        Point predictPt(prediction.at<float>(0),prediction.at<float>(1));

        // Get mouse point
        if (!noDetection) {
            GetCursorPos(mousePos);
            measurement(0) = mousePos.x;
            measurement(1) = mousePos.y;
        }else { 
            measurement(0) = prediction.at<float>(0);
            measurement(1) = prediction.at<float>(1);
        }

        // The update phase3
        Mat estimated = KF.correct(measurement);

        Point statePt(estimated.at<float>(0),estimated.at<float>(1));
        Point measPt(measurement(0),measurement(1));


        // draw cross for actual mouse position and kalman guess
        mousev.push_back(measPt);
        kalmanv.push_back(statePt);
        drawCross(img, statePt, Scalar(255,255,255), 5);
        drawCross(img, measPt, Scalar(0,0,255), 5 );

        // draw lines of movement
        for (int i = 0; i < mousev.size()-1; i++)
            line(img, mousev[i], mousev[i+1], Scalar(0,0,255), 1);

        for (int i = 0; i < kalmanv.size()-1; i++)
            line(img, kalmanv[i], kalmanv[i+1], Scalar(255,255,255), 1);

        imshow("window", img);     
        char key = waitKey(10);
        if (key == 'c') {
            mousev.clear();
            kalmanv.clear();    // press c to clear screen
        }if (key == 'n') {
            noDetection = true; //press n to simulate that no measurement is made
        }if (key == 'd') {
            noDetection = false;//press d to allow measurements again   
        }else if(key == 'x') {  
            break;              // press x to exit program
        }; 
     }

     return 0;
 }

#包括
#包括“opencv2/highgui/highgui.hpp”
#包括“opencv2/video/tracking.hpp”
使用名称空间cv；
使用名称空间std；
int m_X=0；
int m_Y=0；
bool-cursorSet=false；
bool noDetection=false；
最后位置（2,1）；
虚线十字（垫和img、点和中心、标量颜色、int d）{
线（img，点（center.x-d，center.y-d），点（center.x+d，center.y+d），颜色，2，CV_AA，0）；
线（img，点（center.x+d，center.y-d），点（center.x-d，center.y+d），颜色，2，CV_AA，0）；
};  
void CallBackFunc（int事件、int x、int y、int标志、void*userdata）{
m_X=X；
m_Y=Y；
cursorSet=true；
cout从更广义的角度讲……如果你希望有一个卡尔曼滤波器来软化测量噪声，你必须更多地依赖过程模型，更少地依赖测量更新。因此，在你的例子中，调整“measurementMatrix，processNoiseCov，measurementNoiseCov”可能会使您的输出更柔和。
谢谢您快速回答梅斯堡。我理解正确了吗：这些矩阵在初始化时设置了一次？还是每次都需要更改？在初始化时设置一次…是的。