filter_kalman — MV `tracking` op

• 資料種類:無 → table(僅由參數決定的運算子 —— 不接受影像或資料輸入)

• 呼叫: import fullseye as fs; fs.ledger.filter_kalman(x, P, z, F, H, Q, R)(要直接呼叫實作,import mvtrack; mvtrack.filter_kalman(x, P, z, F, H, Q, R);從台帳取用則 opsmv.get("filter_kalman"))

• HALCON 對應:filter_kalman(其含義與參數可參考 HALCON 手冊)

• GPU:無(僅 CPU 參考實作)

用法

執行線性卡爾曼濾波的一次預測與更新。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

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。

詳細使用指南

• machine_vision_classics 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型別可銜接的下一個運算子(可接受 `table` 作為輸入)

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

同類別(`tracking`)

create_bg_esti · run_bg_esti · give_bg_esti · update_bg_esti

*Provenance: mvtrack.py — MV 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

filter_kalman — MV tracking op

用法