cv::KalmanFilter クラス

カルマンフィルタクラス。 続きを読む...

#include <opencv2/video/tracking.hpp>

Collaboration diagram for cv::KalmanFilter:

公開メンバ関数
	KalmanFilter ()
	KalmanFilter (int dynamParams, int measureParams, int controlParams=0, int type=CV_32F)
const Mat &	correct (const Mat &measurement)
	観測値から予測状態を更新する。
void	init (int dynamParams, int measureParams, int controlParams=0, int type=CV_32F)
	カルマンフィルタを再初期化する。以前の内容は破棄される。
const Mat &	predict (const Mat &control=Mat())
	予測状態を計算する。

公開変数類
Mat	controlMatrix
	制御行列 (B)（制御がない場合は使用されない）
Mat	errorCovPost
	事後誤差推定共分散行列 (P(k)): P(k)=(I-K(k)*H)*P'(k)
Mat	errorCovPre
	事前誤差推定共分散行列 (P'(k)): P'(k)=A*P(k-1)*At + Q)*‍/
Mat	gain
	カルマンゲイン行列 (K(k)): K(k)=P'(k)*Ht*inv(H*P'(k)*Ht+R)
Mat	measurementMatrix
	観測行列 (H)
Mat	measurementNoiseCov
	観測ノイズ共分散行列 (R)
Mat	processNoiseCov
	プロセスノイズ共分散行列 (Q)
Mat	statePost
	補正後の状態 (x(k)): x(k)=x'(k)+K(k)*(z(k)-H*x'(k))
Mat	statePre
	予測状態 (x'(k)): x(k)=A*x(k-1)+B*u(k)
Mat	temp1
Mat	temp2
Mat	temp3
Mat	temp4
Mat	temp5
Mat	transitionMatrix
	状態遷移行列 (A)

詳細説明

カルマンフィルタクラス。

このクラスは標準的なカルマンフィルタ http://en.wikipedia.org/wiki/Kalman_filter, [302] を実装している。ただし、transitionMatrix、controlMatrix、measurementMatrix を変更することで、拡張カルマンフィルタの機能を得ることができる。

覚え書き

C APIでは、CvKalman* kalmanFilter 構造体が不要になったら、cvReleaseKalman(&kalmanFilter) で解放する必要がある

例

samples/cpp/kalman.cpp.

構築子と解体子の詳解

KalmanFilter() [1/2]

cv::KalmanFilter::KalmanFilter

(

)

Python:
	cv.KalmanFilter(		) ->	<KalmanFilter object>
	cv.KalmanFilter(	dynamParams, measureParams[, controlParams[, type]]	) ->	<KalmanFilter object>

KalmanFilter() [2/2]

cv::KalmanFilter::KalmanFilter	(	int	dynamParams,
		int	measureParams,
		int	controlParams = 0,
		int	type = CV_32F )

Python:
	cv.KalmanFilter(		) ->	<KalmanFilter object>
	cv.KalmanFilter(	dynamParams, measureParams[, controlParams[, type]]	) ->	<KalmanFilter object>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

引数

dynamParams	状態ベクトルの次元数。
measureParams	観測ベクトルの次元数。
controlParams	制御ベクトルの次元数。
type	生成される行列の型。CV_32F または CV_64F のいずれかである必要がある。

メンバ関数詳解

correct()

const Mat & cv::KalmanFilter::correct

(

const Mat &

measurement

)

Python:
	cv.KalmanFilter.correct(	measurement	) ->	retval

観測値から予測状態を更新する。

引数

measurement

観測されたシステムの引数

init()

void cv::KalmanFilter::init	(	int	dynamParams,
		int	measureParams,
		int	controlParams = 0,
		int	type = CV_32F )

カルマンフィルタを再初期化する。以前の内容は破棄される。

引数

dynamParams	状態ベクトルの次元数。
measureParams	観測ベクトルの次元数。
controlParams	制御ベクトルの次元数。
type	生成される行列の型。CV_32F または CV_64F のいずれかである必要がある。

predict()

const Mat & cv::KalmanFilter::predict

(

const Mat &

control = Mat()

)

Python:
	cv.KalmanFilter.predict(	[, control]	) ->	retval

予測状態を計算する。

引数

control

省略可能な入力制御

メンバ変数詳解

controlMatrix

Mat cv::KalmanFilter::controlMatrix

制御行列 (B)（制御がない場合は使用されない）

errorCovPost

Mat cv::KalmanFilter::errorCovPost

事後誤差推定の共分散行列 (P(k)): P(k)=(I-K(k)*H)*P'(k)

errorCovPre

Mat cv::KalmanFilter::errorCovPre

事前誤差推定共分散行列 (P'(k)): P'(k)=A*P(k-1)*At + Q)*‍/

gain

Mat cv::KalmanFilter::gain

カルマンゲイン行列 (K(k)): K(k)=P'(k)*Ht*inv(H*P'(k)*Ht+R)

measurementMatrix

Mat cv::KalmanFilter::measurementMatrix

観測行列 (H)

measurementNoiseCov

Mat cv::KalmanFilter::measurementNoiseCov

観測ノイズの共分散行列 (R)

processNoiseCov

Mat cv::KalmanFilter::processNoiseCov

プロセスノイズの共分散行列 (Q)

statePost

Mat cv::KalmanFilter::statePost

補正された状態 (x(k)): x(k)=x'(k)+K(k)*(z(k)-H*x'(k))

statePre

Mat cv::KalmanFilter::statePre

予測状態 (x'(k)): x(k)=A*x(k-1)+B*u(k)

temp1

Mat cv::KalmanFilter::temp1

temp2

Mat cv::KalmanFilter::temp2

temp3

Mat cv::KalmanFilter::temp3

temp4

Mat cv::KalmanFilter::temp4

temp5

Mat cv::KalmanFilter::temp5

transitionMatrix

Mat cv::KalmanFilter::transitionMatrix

状態遷移行列 (A)

---

このクラス詳解は次のファイルから抽出されました:

• opencv2/video/tracking.hpp