Opencv 卡尔曼滤波和粒子滤波在视频稳定中的应用

我有个问题。我读过很多关于视频稳定的论文。几乎所有的文章都提到了使用卡尔曼滤波平滑运动，所以它很强大，并且可以在实时应用中运行。 但也有另一个强大的过滤器，那就是粒子过滤器。 但是为什么我们不在平滑运动中使用partlce过滤器来创建稳定的视频呢？ 一些论文仅使用粒子滤波估计帧间全局运动（运动估计部分）。 很难理解它们。 谁能给我解释一下吗？ 非常感谢。

卡尔曼滤波器是单峰的。这意味着它有一个信念和一个误差协方差矩阵，以正态分布表示该信念的置信度。如果要平滑某个过程，则需要得到一个平滑的结果。这与KF一致。这就像使用最小二乘回归来拟合数据线。您正在将输入简化为一个结果

粒子过滤器本质上是多模态的。在卡尔曼滤波器将信念表示为中心值和围绕该中心值的方差的情况下，粒子滤波器仅包含许多粒子，这些粒子的值聚集在更可能的区域周围。粒子过滤器可以表示与KF基本相同的状态（想象粒子的直方图，它看起来像正态分布的经典钟形曲线）。但是粒子过滤器也可以有多个凸起，或者实际上是任何形状。这种同时具有多个模式的能力非常适合处理诸如估计运动之类的问题，因为一个模式（粒子簇）可以表示一个移动，而另一个模式表示不同的移动。当出现这种模糊性时，KF必须完全放弃其中一种可能性，但粒子滤波器可以同时相信这两种情况，直到模糊性被更多数据解决