问题标签 [pykalman]

我可以运行pykalman 文档中给出的简单 pykalman Kalman Filter 示例：

这会正确返回状态估计（每个观察一个）：

但是，如果我只提供一个观察结果，则代码将失败：

出现以下错误：

如何使用 pykalman 仅使用一次观察来更新初始状态和初始协方差？

我正在测试卡尔曼库，但不确定如何调整平滑滤波器：跟踪正弦运动我得到状态测量，包括由于噪声测量而导致的错误。请查看跟踪图像。Track In Blue，原始曲目。在格林，赛道包括。红色的位置计算错误（使用最小二乘拟合找到最小错误），我正在测试 pykalman 过滤以平滑轨道。

当前状态

运行 kf.filter 我在没有平滑的情况下得到了非常接近的跟踪。为什么过滤器越来越接近状态？如何更改窗口时间？

F (9,9) 矩阵包括 3 个轴的位置、速度和加速度

H 是 np.eye，Q 是 np.eye(9)*4，状态 x,y,z 的方差

如果我对 100 个 x 和 y 样本进行一系列观察。这足以预测与 ax 值对应的第 101 个 y 吗？我可以使用 100 个样本的部分数据来更新一些值（考虑到存在噪声并且某些数据可能已损坏）吗？

拥有一维测量数据，我想知道使用卡尔曼滤波器在每个点的状态标准偏差。我的程序如下：

这导致了以下奇怪的结果：

我预计最后一个数据点的方差会增加。我究竟做错了什么？

我试图了解传感器融合的过程以及卡尔曼滤波。

我的目标是使用加速度计和陀螺仪检测设备的跌落。

在这篇文章等大多数论文中，它都提到了如何克服陀螺仪引起的漂移和加速度计引起的噪声。最终，传感器融合为我们提供了更好的 Roll、Pitch 和 Yaw 测量结果，而不是更好的加速度。

是否有可能通过传感器融合获得更好的“加速结果”，然后将其用于“跌倒检测”？由于只有更好的 Roll、Yaw 和 Pitch 不足以检测到 Fall。

然而，该来源建议使用卡尔曼滤波器单独平滑加速度计（Ax，Ay，Az）和陀螺仪（Gx，Gy，Gz），并使用一些分类算法（如 k-NN 算法或聚类）使用监督学习来检测跌倒。

分类部分不是我的问题，如果我应该融合传感器（3D 加速度计和 3D 陀螺仪）或单独平滑传感器，我的目标是检测跌倒。

谁能给我一个示例代码或某种在 python 2.7 和 openCV 2.4.13 中实现卡尔曼滤波器的示例

我想在视频中实现它来跟踪一个人，但是我没有任何参考资料可以学习，也找不到任何 python 示例。

我知道卡尔曼滤波器作为 cv2.KalmanFilter 存在于 openCV 中，但我不知道如何使用它。任何指导将不胜感激

如何使用卡尔曼滤波器实时跟踪视频中人的动作？我是卡尔曼的新手，我正在试验它。我已经能够运行卡尔曼并预测视频中球的路径。

这是背景减法的代码：

这是恒速卡尔曼滤波器的代码：

我使用的视频链接：https ://www.hdm-stuttgart.de/~maucher/Python/ComputerVision/html/files/singleball.mov

现在，问题在于我将轨迹存储在一个文件中，然后我将该文件用作卡尔曼的输入。我如何扩展它以使其实时？以及如何跟踪可能有多人在场和移动的组中的一个人？

Python版本：2.7

OpenCV 版本：2.4.13

[编辑]@Claudio 的回答给了我一个关于如何过滤异常值的非常好的提示。不过，我确实想开始对我的数据使用卡尔曼滤波器。因此，我更改了下面的示例数据，使其具有不那么极端的细微变化噪声（我也经常看到）。如果其他人能给我一些关于如何在我的数据上使用 PyKalman 的指导，那就太好了。[/编辑]

对于一个机器人项目，我正在尝试用相机跟踪空中的风筝。我正在用 Python 编程，并在下面粘贴了一些嘈杂的位置结果（每个项目还包含一个 datetime 对象，但为了清楚起见，我将它们省略了）。

我首先想到的是手动计算异常值，然后简单地从数据中实时删除它们。然后我阅读了卡尔曼滤波器以及它们如何专门用于平滑噪声数据。因此，经过一番搜索，我发现了PyKalman 库，它似乎非常适合。由于我有点迷失在整个卡尔曼滤波器术语中，我阅读了 wiki 和其他一些关于卡尔曼滤波器的页面。我得到了卡尔曼滤波器的一般概念，但我真的迷失了如何将它应用到我的代码中。

在PyKalman 文档中，我找到了以下示例：

我只是将观察结果替换为我自己的观察结果，如下所示：

但这并没有给我任何有意义的数据。例如，smoothed_state_means变成如下：

比我更聪明的灵魂能给我一些正确方向的提示或例子吗？欢迎所有提示！

我有从智能手机应用程序获得的 GPS 数据。每当智能手机静止时，gps 点就会跳跃。我了解信号不准确，因为在建筑物之间的城市接收信号并且无论何时在内部信号丢失。

从这篇文章中，我想试一试卡尔曼滤波器。多亏了这篇文章，我能够在纬度和经度上尝试 Ramer-Douglas-Peucker 算法，并尝试使用pykalman 包来获取高程数据。我还尝试了pykalman 示例来使用过滤器。

根据这些读数，我假设输入参数错误：

下图来自 matplotlib。左上角是迭代 km.em(n_iter=2)，右上角是迭代 10，左下角是迭代 50，右下角是迭代 100。每当我尝试更高时，我都会超时。在这种情况下，我的过滤器似乎没有多大作用。确实输出了相同的形状（由于比例轴，起初它可能看起来不同）。

我错过了什么吗？如何改进我的固定 gps 跳跃数据？

谢谢

温湿度传感器不时出现80度等异常值。

如何过滤异常的温湿度传感器值？卡尔曼滤波是过滤掉异常值的解决方案吗？