Opencv O';关于二维线性系统的Reilly书籍澄清

Opencv O';关于二维线性系统的Reilly书籍澄清,opencv,matrix,linear-algebra,algebra,kalman-filter,Opencv,Matrix,Linear Algebra,Algebra,Kalman Filter,Oreilly的书“学习OpenCV”在第356页陈述: 引述 在我们完全迷失之前,让我们考虑一个具体的实际测量情况。 在一辆在停车场行驶的汽车上。我们可以想象汽车的状态可以 由两个位置变量x和y以及两个速度vx和vy总结。这些 四个变量将是状态向量xk的元素。这表明F的正确形式为: x = [ x; y; vx; vy; ]k F = [ 1, 0, dt, 0; 0, 1, 0, dt; 0, 0, 1, 0;

Oreilly的书“学习OpenCV”在第356页陈述:

引述

在我们完全迷失之前,让我们考虑一个具体的实际测量情况。 在一辆在停车场行驶的汽车上。我们可以想象汽车的状态可以 由两个位置变量x和y以及两个速度vx和vy总结。这些 四个变量将是状态向量xk的元素。这表明F的正确形式为:

x = [ x; 
      y;
      vx;
      vy; ]k

F = [ 1, 0, dt, 0;  
      0, 1, 0,  dt;
      0, 0, 1,  0;
      0, 0, 0,  1; ]

把‘dt’放在F矩阵中似乎很自然,但我不明白为什么。如果我有一个n态系统,我如何在F矩阵中喷洒一些“dt”?dts是具有相应位置的速度系数。如果您在时间
dt
之后写入状态更新:

x(t+dt) = x(t) + dt * vx(t)
y(t+dt) = y(t) + dt * vy(t)
vx(t+dt) = vx(t)
vy(t+dt) = vy(t)
你可以很容易地从这些方程式中读出
F