OpenCV卡尔曼滤波介绍与代码演示

点击上方“小白学视觉”&＃xff0c;选择加"星标"或“置顶”

重磅干货&＃xff0c;第一时间送达

卡尔曼滤波原理

卡尔曼滤波最早可以追溯到Wiener滤波&＃xff0c;不同的是卡尔曼采用状态空间来描述它的滤波器&＃xff0c;卡尔曼滤波器同时具有模糊/平滑与预测功能&＃xff0c;特别是后者在视频分析与对象跟踪应用场景中被发扬光大&＃xff0c;在离散空间(图像或者视频帧)使用卡尔曼滤波器相对简单。假设我们根据一个处理想知道一个变量值如下&＃xff1a;

最终卡尔曼滤波完整的评估与空间预测模型工作流程如下&＃xff1a;

OpenCV API

cv::KalmanFilter::KalmanFilter(int dynamParams, int measureParams,int controlParams &＃61; 0,int type &＃61; CV_32F 
)
# dynamParams表示state的维度
# measureParams表示测量维度
# controlParams表示控制向量
# type表示创建的matrices

代码演示

import cv2
from math import cos, sin, sqrt
import numpy as npif __name__ &＃61;&＃61; "__main__":img_height &＃61; 500img_width &＃61; 500kalman &＃61; cv2.KalmanFilter(2, 1, 0)cv2.namedWindow("Kalman", cv2.WINDOW_AUTOSIZE)while True:state &＃61; 0.1 * np.random.randn(2, 1)# 初始化kalman.transitionMatrix &＃61; np.array([[1., 1.], [0., 1.]])kalman.measurementMatrix &＃61; 1. * np.ones((1, 2))kalman.processNoiseCov &＃61; 1e-5 * np.eye(2)kalman.measurementNoiseCov &＃61; 1e-1 * np.ones((1, 1))kalman.errorCovPost &＃61; 1. * np.ones((2, 2))kalman.statePost &＃61; 0.1 * np.random.randn(2, 1)while True:def calc_point(angle):return (np.around(img_width/2 &＃43; img_width/3*cos(angle), 0).astype(int),np.around(img_height/2 - img_width/3*sin(angle), 1).astype(int))state_angle &＃61; state[0, 0]state_pt &＃61; calc_point(state_angle)# 预测prediction &＃61; kalman.predict()predict_angle &＃61; prediction[0, 0]predict_pt &＃61; calc_point(predict_angle)measurement &＃61; kalman.measurementNoiseCov * np.random.randn(1, 1)# 生成测量measurement &＃61; np.dot(kalman.measurementMatrix, state) &＃43; measurementmeasurement_angle &＃61; measurement[0, 0]measurement_pt &＃61; calc_point(measurement_angle)# plot pointsdef draw_cross(center, color, d):cv2.line(img,(center[0] - d, center[1] - d), (center[0] &＃43; d, center[1] &＃43; d),color, 1, cv2.LINE_AA, 0)cv2.line(img,(center[0] &＃43; d, center[1] - d), (center[0] - d, center[1] &＃43; d),color, 1, cv2.LINE_AA, 0)img &＃61; np.zeros((img_height, img_width, 3), np.uint8)cv2.line(img, state_pt, measurement_pt, (0, 0, 255), 3, cv2.LINE_AA, 0)cv2.line(img, state_pt, predict_pt, (255, 0, 0), 3, cv2.LINE_AA, 0)# 校正预测与测量值差异kalman.correct(measurement)# 更新noise矩阵与状态process_noise &＃61; sqrt(kalman.processNoiseCov[0,0]) * np.random.randn(2, 1)state &＃61; np.dot(kalman.transitionMatrix, state) &＃43; process_noisecv2.imshow("Kalman", img)code &＃61; cv2.waitKey(100)if code !&＃61; -1:breakif code in [27, ord(&＃39;q&＃39;), ord(&＃39;Q&＃39;)]:breakcv2.destroyWindow("Kalman")

下载1&＃xff1a;OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复&＃xff1a;扩展模块中文教程&＃xff0c;即可下载全网第一份OpenCV扩展模块教程中文版&＃xff0c;涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2&＃xff1a;Python视觉实战项目52讲

在「小白学视觉」公众号后台回复&＃xff1a;Python视觉实战项目&＃xff0c;即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目&＃xff0c;助力快速学校计算机视觉。

下载3&＃xff1a;OpenCV实战项目20讲

在「小白学视觉」公众号后台回复&＃xff1a;OpenCV实战项目20讲&＃xff0c;即可下载含有20个基于OpenCV实现20个实战项目&＃xff0c;实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流&＃xff0c;目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群&＃xff08;以后会逐渐细分&＃xff09;&＃xff0c;请扫描下面微信号加群&＃xff0c;备注&＃xff1a;”昵称&＃43;学校/公司&＃43;研究方向“&＃xff0c;例如&＃xff1a;”张三 &＃43; 上海交大 &＃43; 视觉SLAM“。请按照格式备注&＃xff0c;否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告&＃xff0c;否则会请出群&＃xff0c;谢谢理解~