filter_kalman — MV `tracking` op

• データ種: なし → table(引数だけで決まる op —— 画像やデータの入力を取らない)

• 呼び出し: import fullseye as fs; fs.ledger.filter_kalman(x, P, z, F, H, Q, R) (実装を直接呼ぶなら import mvtrack; mvtrack.filter_kalman(x, P, z, F, H, Q, R)、台帳から引くなら opsmv.get("filter_kalman"))

• HALCON 相当: filter_kalman(意味・パラメータは HALCON リファレンスが参考になる)

• GPU: なし(CPU 参照実装のみ)

使い方

線形カルマンフィルタの予測と更新を 1 周期ぶん計算する。

x' = F x、P' = F P F^T + Q で予測し、観測 z で更新する。共分散は対称性の崩れに強い Joseph 形で更新する。z が None なら更新を省く(観測の欠けたコマ)。空の入力(x が 0 要素)は ValueError。

Args:

x: 状態 (n,)。

P: 状態の共分散 (n, n)。

z: 観測 (m,)。None で予測だけ。

F: 遷移行列 (n, n)。

H: 観測行列 (m, n)。

Q: 過程の雑音の共分散 (n, n)(スカラーは対角へ広げる)。

R: 観測の雑音の共分散 (m, m)(スカラーは対角へ広げる)。

Returns:

x、P、gain、innovation、nis(正規化した新息の 2 乗)を持つ dict。

観測が無いコマの gain と innovation は 0、nis は NaN。

詳しい使い方ガイド

• machine_vision_classics ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型が繋がる次の op(`table` を入力に取れる)

map_image · rectify_to_world_plane · change_radial_distortion_image · find_ncc_models · run_bg_esti · give_bg_esti · update_bg_esti · classify_class_gmm

同カテゴリ(`tracking`)

create_bg_esti · run_bg_esti · give_bg_esti · update_bg_esti

*Provenance: mvtrack.py — MV operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

filter_kalman — MV tracking op

使い方