Documentos de Académico
Documentos de Profesional
Documentos de Cultura
σ R 2 0
Rk =
2
0 σR
donde σR2 es un parámetro
Tenemos un punto que se mueve y se realizan observaciones
ruidosas de su posición en cada instante. Notemos que en casos
reales dichas observaciones ruidosas tienen que ser localizadas
utilizando, por ejemplo un detector de rasgos
Pk ' = φ k −1 Pk −1φ k −1 + Q k −1
t
después la ganancia
(
K k = Pk ' H k H k Pk ' H k + R k
t t
)
−1
(
Pk = Pk '− Pk ' H k H k Pk ' H k + R k
t t
)
−1
H k Pk ' = Pk '− K k H k Pk '
= (I − K k )Pk ' (I − K k ) − K k R k K k = (I − K k H k )Pk '
t t
Tenemos un objeto que deseamos seguir.
ruido_x=fix(((rand(1)*(pmr+1))*2)-(pmr+1))
ruido_y=fix(((rand(1)*(pmr+1))*2)-(pmr+1))
Implementación
! % Implementacion del FILTRO DE KALMAN ***************************
! %
! % Parametros:
! % vx0
! % vy0
! % varR
! % varQ
! % pixMaxRuido
! % rutaSec -> directorio en el que esta contenida la secuencia (sin \ al final) [ruta absoluta]
! % nombreSec -> nombre que tienen los ficheros de la secuencia (hasta justo antes del numero y sin .bmp)
! % nFrames
! %
! function [ ] = FiltroKalman(vx_0,vy_0,varR,varQ,pixMaxRuido,rutaSec,nombreSec,nFrames)
!
!
% 2ª ecuacion del filtro
K_k = P_pk * H_k' * inv( (H_k * P_pk * H_k') + R_k ); (
K k = Pk ' H k H k Pk ' H k + Rk
t t
)−1
!
!
% 4ª ecuacion del filtro
P_k = (I - (K_k * H_k)) * P_pk;
Pk = (I − K k H k )Pk '
! end % while(i<nFrames)
Secuencia: obstáculos
Frames: 58
vx≈5 pix/frame
vy≈5 pix/frame
Varianza
dirección de las
y
Un ejemplo bidimensional
Varianza
Punto en
dirección de las
seguimiento
x
I.2 Parámetros a estimar