filter_kalman — MV `tracking` op

• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import fullseye as fs; fs.ledger.filter_kalman(x, P, z, F, H, Q, R)(구현을 직접 호출하려면 import mvtrack; mvtrack.filter_kalman(x, P, z, F, H, Q, R), 원장에서 가져오려면 opsmv.get("filter_kalman"))

• HALCON 대응: filter_kalman(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

• GPU: 없음(CPU 참조 구현만)

사용법

선형 칼만 필터의 예측과 갱신을 1주기 계산한다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

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。

자세한 사용 가이드

• machine_vision_classics 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

• poc_real_bg_kalman_tracking — py -3.11 examples/poc_real_bg_kalman_tracking.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

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

같은 카테고리(`tracking`)

create_bg_esti · run_bg_esti · give_bg_esti · update_bg_esti

*Provenance: mvtrack.py — MV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

filter_kalman — MV tracking op

사용법