Кальман Отслеживание - Измерение дисперсии

Question

Я делаю некоторую работу по отслеживанию движущихся объектов с помощью потолочной камеры, обращенной вниз. Я дошел до того, что могу определить положение нужного объекта в каждом кадре.

Я изучаю использование фильтра Калмана для отслеживания положения и скорости объекта в сцене, и я наткнулся на камень преткновения. Я настроил свою систему и у меня есть все необходимые части фильтра Калмана, кроме дисперсии измерения.

Я хочу иметь возможность назначать значимые отклонения каждому измерению, чтобы позволить фазе коррекции разумно использовать новую информацию. Моим обнаруженным объектам назначено несколько мер, которые теоретически могут быть полезны для определения точности положения, и кажется логичным попытаться объединить их для получения подходящей дисперсии.

Правильно ли я подхожу к этому, и если да, может ли кто-нибудь указать мне правильное направление, чтобы продолжить?

Любая помощь с благодарностью.

Answer 1

извините за поздний ответ.Я лично столкнулся с той же проблемой в моем предыдущем проекте.Я нашел совет, данный Густавом Хендеби в его слайдах лекций Sensor Fusion ( Страница 10 слайдов ), чрезвычайно ценным.

Подводя итог:

(1) Отношение сигнал-шум вашего измерительного шума и вашего технологического шума определяет поведение вашего фильтра.Высокий коэффициент шума процесса / шума измерения замедляет работу вашего фильтра (фильтр нижних частот), что обычно обеспечивает более плавное отслеживание, и наоборот, если вы установите низкий уровень шума при измерении, вы, по сути, имеете фильтр верхних частот, который имеет тенденцию иметь большеджиттер.

(2) В литературе обсуждается, как правильно настроить модель шума.Однако, как правило, требуется много «настройки» в зависимости от вашего приложения.Обычно шум измерения - это то, что мы можем измерить / охарактеризовать на основе спецификации оборудования.Поэтому рекомендуется установить «R» (ковариация шума измерения) и настроить Q (ковариацию шума модели процесса).

Answer 2

Я думаю, что вы правы.Согласно этому посту: Датчик слияния с фильтром Калмана Определение дисперсии является 100% экспериментальным.Мне кажется, у вас есть все, что вам нужно, чтобы получить хорошие оценки дисперсии.