圖形跟蹤與卡爾曼濾波(參考版)
2025-05-02 05:36本頁面
【正文】 ????????????????????????????????????RHPHHRRHPRHHPIHPRHIRHPIRHHPRHHPRHIPIRHHPRHPPPRHHPRRHPPPRHHPHPKTkTTkTkkTTkTkTkTkTkTkkkTkTkkkTkTkk三、卡爾曼濾波器 3. 替代卡爾曼方程 參考文獻 1. Chenyang Xu, and Jerry L. Prince, “Snakes, Shapes, and Gradient Vector Flow,” IEEE Trans. on Imag. Proc., Vol. 7, No. 3, pp. 359369, Mar. 1998. 2. N. A. Thacker, and A. J. Lacey, “Tutorial: The Kalman Filter,” Tina Memo: 19951998, Internal, Dec. 1st, 1998. 3. Mikkel B. Stegmann, “Object Tracking Using Statistical Models of Appearance”. 參考文獻 4. Gregory D. Hager, and Peter N. Belhumeur, “Efficient Region Tracking With Parametric Models of Geometry and Illumination,” IEEE Trans. on Pat. Analys. and Mach. Intellig., Vol. 20, No. 10, pp. 10251039, Oct. 1998. 謝謝觀看！ 。)39。)39。()39。()39。[)39。)(39。(39。39。)(39。 三、卡爾曼濾波器 2. Kalman Filter公式推導(dǎo) ? 下面先介紹一下均方差和最大似然函數(shù) 其中 的特定形狀是依賴于應(yīng)用程序，但很明確的是這個函數(shù)是正的而且單調(diào)增加，一個具有這些特點的誤差函數(shù)是平方差函數(shù)。過濾器的構(gòu)造為最小平方差，其目的是從信號中提取所需的信息，忽略其他一切，執(zhí)行這項任務(wù)的效果有多
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1