粒子滤波在图像跟踪领域的实践

前言

原文首发于微信公众号「3D视觉工坊」。
    前两天在GitChat上总结了自己当初研究粒子滤波跟踪时的一些经验与总结:传送门。 此处对部分章节略有删改,整理如下。

粒子滤波与卡尔曼滤波的介绍

卡尔曼滤波

    卡尔曼滤波可以根据一些已知的量来预测未知的量,这些量受到干扰必须得近似高斯噪声。这个东西可以用来干什么呢?例如我们可以用来预测明天,后天,未来好几天的温度。我们可以在前几天用温度计记录下一系列的温度数据作为我们未来预测的参考数据之一,然后我们根据一年四季的温度变化作为参考数据之二,我们给这两个参考数据各加一个权重综合起来预测未来的温度。如果前几天记录下来的数据与真实温度很切合(毕竟温度计也是有误差),我们就把它的权重加大。用这个方法卡尔曼先生对近期未来的数据预测还是很精确

3D视觉工坊 CSDN认证博客专家 算法 3D视觉
个人公众号:3D视觉工坊。公众号特邀嘉宾及合伙人,先后就职于国内知名研究机构、自动驾驶公司、海康研究院,主要研究方向为深度学习、目标检测、语义分割、图像处理、自动驾驶感知算法等,CSDN博客专家。博主先后任职于国内知名研究院、知名大厂,致力于3D视觉算法、VLAM算法开发,涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究,同时也是CSDN博客专家。3D视觉工坊坚持原创,近一年来输出了非常多的高质量文章,获得了粉丝的一致好评,我们将始终坚持走原创路线,打造一个铁杆粉丝的聚集区。
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页
实付 49.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值