OpenCV学习笔记（三十六）——Kalman滤波做运动目标跟踪 OpenCV学习笔记（三十七）——实用函数、系统函数、宏core OpenCV学习笔记（三十八）—

OpenCV学习笔记（三十六）——Kalman滤波做运动目标跟踪

kalman滤波大家都很熟悉，其基本思想就是先不考虑输入信号和观测噪声的影响，得到状态变量和输出信号的估计值，再用输出信号的估计误差加权后校正状态变量的估计值，使状态变量估计误差的均方差最小。具体它的原理和实现，我想也不用我在这里费口舌，但这个理论基础必须的有，必须得知道想用kalman滤波做跟踪，必须得先建立运动模型和观察模型，不是想用就能用的。如果不能建立运动模型，也就意味着你所要面对的问题不能用kalman滤波解决。

我结合一下OpenCV自带的kalman.cpp这个例程来介绍一下如何在OpenCV中使用kalman滤波吧，OpenCV已经把Kalman滤波封装到一个类KalmanFilter中了。使用起来非常方便，但那繁多的各种矩阵还是容易让人摸不着头脑。这里要知道的一点是，想要用kalman滤波，要知道前一时刻的状态估计值x，当前的观测值y，还得建立状态方程和量测方程。有了这些就可以运用kalman滤波了。

OpenCV自带了例程里面是对一个1维点的运动跟踪，虽然这个点是在2维平面中运动，但由于它是在一个圆弧上运动，只有一个自由度，角度，所以还是1维的。还是一个匀速运动，建立匀速运动模型，设定状态变量x = [ x1, x2 ] = [ 角度，角速度 ]，则运动模型为

x1（k+1） = x1（k）+x2（k）*T

x2（k+1）= x2（k）

则状态转移方程为

x* = Ax + w

这里设计的噪声是高斯随机噪声，则量测方程为：

z = Cx + v

看了代码，对应上以上各项：

状态估计值x --> state

当前观测值z --> measurement

KalmanFilter类内成员变量transitionMatrix就是状态转移方程中的矩阵A

KalmanFilter类内成员变量measurementMatrix就是量测方程中矩阵C

[cpp] view plain copy

Mat statePre; //!< predicted state (x'(k)): x(k)=A*x(k-1)+B*u(k)
Mat statePost; //!< corrected state (x(k)): x(k)=x'(k)+K(k)*(z(k)-H*x'(k))
Mat transitionMatrix; //!< state transition matrix (A)
Mat controlMatrix; //!< control matrix (B) (not used if there is no control)
Mat measurementMatrix; //!< measurement matrix (H)
Mat processNoiseCov; //!< process noise covariance matrix (Q)
Mat measurementNoiseCov;//!< measurement noise covariance matrix (R)
Mat errorCovPre; //!< priori error estimate covariance matrix (P'(k)): P'(k)=A*P(k-1)*At + Q)*/
Mat gain; //!< Kalman gain matrix (K(k)): K(k)=P'(k)*Ht*inv(H*P'(k)*Ht+R)
Mat errorCovPost; //!< posteriori error estimate covariance matrix (P(k)): P(k)=(I-K(k)*H)*P'(k)

我想就不用我再翻译了吧。相信有了以上的注释，大家都能找到它们的对应项。

使用的时候，除了初始化我刚刚初始化过的transitionMatrix和measurementMatrix外，还需要初始化processNoiseCov，measurementNoiseCov和errorCovPost。

把它们初始化好之后，接下来的动作就很简单了，分两步走，第一步调用成员函数predict得到当前状态变量的估计值，第二步调用成员函数correct用观测值校正状态变量。再更新状态变量做下一次估计。听着好简单啊，代码就不上传坑爹了，在opencv2.3.1\samples\cpp\kalman.cpp中其义自见。

OpenCV学习笔记（三十七）——实用函数、系统函数、宏core

如果你想在OpenCV的基础上自己开发一些算法，我觉得core这部分内容不得不精啊，能熟练使用OpenCV的数据结构是开发的基础，又是重中之重。最近就又拌在这上头了，所以再重温一下。这次分析一下Utility and System Functions and Macros这部分，就是实用函数、系统函数和宏。

OpenCV在这部分里包含一些类似标准c++、c里面的一些东西。

系统函数有很多。有些是内存方面的操作，类似new delete之类的操作，很多都是为了防止内存溢出的函数有alignPtr、alignSize、allocate、deallocate、fastMalloc、fastFree。格式输出的函数啦format（是不是太熟悉了）。还有一些和系统相关的东西checkHardwareSupport、getNumThreads、getThreadNum、getTickCount、getTickFrequency、getCPUTickCount、setNumThreads。还有一些比较有意思的东西，比如功能类似#ifdef #endf这样的开关，也有函数setUseOptimized实现，相关的还有useOptimized函数。还有一个不懂的函数saturate_cast（求指点）等待各位补充。

实用函数很接近<math.h>里的一些函数，很有意思，可以方便大家开发，有计算向量角度的函数fastAtan2、计算立方根的函数cubeRoot、向上取整函数cvCeil、向下取整函数cvFloor、四舍五入函数cvRound。注意cvCeil、cvFloor、cvRound和大家常用的ceil、floor、round函数略有不同，标准库函数返回值并不是int型的变量，必要时需强制转换，而OpenCV里面的取整函数返回值为int型。还有一些类似matlab里面的函数，比如cvIsInf判断自变量是否无穷大，cvIsNaN判断自变量是否Not a Number。

宏也很多，这些宏在标准c++、c里也有出现，CV_Assert是个断言，不知道和assert（）有什么区别。error也是一种异常，还有Exception类这个异常类。

有了这些东西，开发起来有没有更顺手一些呢~~随着使用的深入，我会再补充一些上诉东西的使用心得

OpenCV学习笔记（三十八）——显示当前FPS

最近做一个东西，需要实时显示，于是想在屏幕显示FPS。FPS是Frame Per Second的缩写，中文意思是每秒帧数，即帧速。FPS是测量用于保存、显示动态视频的信息数量。通俗来讲就是指动画或视频的画面数。

这就需要我在系统函数一讲里提到的getTickCount、getTickFrequency这两个函数了。前一个函数返回tick次数，后一个函数返回每秒tick次数，它们的比就是时间咯。

如果想得到一段程序的运行时间，可以套用下面的例子：

[cpp] view plain copy

double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t)/getTickFrequency();

以上这段程序在测试算法的时间消耗在哪里是很好的测试程序。我这里只需要稍微改写一下这个例子，得到每帧之间的时间，再用我之前在绘图函数那节讲过的putText把FPS显示到屏幕上咯。

不过有个问题还是让我感觉不舒服，就是用它做的定时不是很准，感觉时间比实际的快一些。测试较少，也不敢乱讲，欢迎大家测试并发表意见

简单的很，源程序下载地址：http://download.csdn.net/detail/yang_xian521/3957523

OpenCV学习笔记（三十九）——再谈OpenCV的数据结构，Mat是如此强大

还是一个实时性要求的程序最近把我弄得有些上火。为了提高代码运行的速度，我也是又新啃东西学了。由于我代码里使用了vector，网上搜来搜去有人说vector慢，又有人说STL里的sort排序速度是我等常人不能企及的，有人说要少resize，这个重新分配内存非常耗时，又有人说要用swap来彻底删除不要的内存空间。带着这么多疑问，我实在不知道我程序慢的原因。于是乎阅读了《Effective STL》，这书挺深的，粗浅读读，先把自己急着弄清楚的以上各问题弄懂。再看程序，做了些优化，速度还是提高不多，头开始大了

我的解决办法是用我上一讲提到的getTickCount、getTickFrequency函数分析我代码的运行时间，遇到的问题是下面这句非常耗时

[cpp] view plain copy

vector<vector<int>>test = vector<vector<int>>(10000, vector<int>(10, 0));

10000*10只是我要开辟的空间，不知道怎么用reserve函数开辟，这句运行了大概100ms。今天再看这段代码，发现我太傻了，何必要用vector<vector<int>>呢，完全可以用OpenCV自带的Mat来解决啊，于是把上面这句改写如下

[cpp] view plain copy

Mat test1 = Mat_<int>::zeros(10000, 10);

结果只需要0.2ms！！！同志们，STL在Mat面前都显得如此无力啊，有木有啊！我决定花费几天的时间再好好读读reference的core的部分，来吃透OpenCV的数据结构。而且感觉Mat跟STL的兼容性很好，也有push_back，pop_back这样的操作，所以啊，同志们，千万别把Mat只当做是显示图片用的，它是很强大的数据结构，用了它，可以事半功倍，谁用谁知道！~~

OpenCV学习笔记（四十）——再谈OpenCV数据结构Mat详解

我记得开始接触OpenCV就是因为一个算法里面需要2维动态数组，那时候看core这部分也算是走马观花吧，随着使用的增多，对Mat这个结构越来越喜爱，也觉得有必要温故而知新，于是这次再看看Mat。

Mat最大的优势跟STL很相似，都是对内存进行动态的管理，不需要之前用户手动的管理内存，对于一些大型的开发，有时候投入的lpImage内存管理的时间甚至比关注算法实现的时间还要多，这显然是不合适的。除了有些嵌入式场合必须使用c语言，我任何时候都强烈像大家推荐Mat。

Mat这个类有两部分数据。一个是matrix header，这部分的大小是固定的，包含矩阵的大小，存储的方式，矩阵存储的地址等等。另一个部分是一个指向矩阵包含像素值的指针。

[cpp] view plain copy

Mat A, C; // creates just the header parts
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we’ll know the method used (allocate matrix)
Mat B(A); // Use the copy constructor
C = A; // Assignment operator

需要注意的是，copy这样的操作只是copy了矩阵的matrix header和那个指针，而不是矩阵的本身，也就意味着两个矩阵的数据指针指向的是同一个地址，需要开发者格外注意。比如上面这段程序，A、B、C指向的是同一块数据，他们的header不同，但对于A的操作同样也影响着B、C的结果。刚刚提高了内存自动释放的问题，那么当我不再使用A的时候就把内存释放了，那时候再操作B和C岂不是很危险。不用担心，OpenCV的大神为我们已经考虑了这个问题，是在最后一个Mat不再使用的时候才会释放内存，咱们就放心用就行了。

如果想建立互不影响的Mat，是真正的复制操作，需要使用函数clone()或者copyTo()。

说到数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F，对应的数据深度如下：

• CV_8U - 8-bit unsigned integers ( 0..255 )

• CV_8S - 8-bit signed integers ( -128..127 )

• CV_16U - 16-bit unsigned integers ( 0..65535 )

• CV_16S - 16-bit signed integers ( -32768..32767 )

• CV_32S - 32-bit signed integers ( -2147483648..2147483647 )

• CV_32F - 32-bit ﬂoating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )

• CV_64F - 64-bit ﬂoating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

这里还需要注意一个问题，很多OpenCV的函数支持的数据深度只有8位和32位的，所以要少使用CV_64F，但是vs的编译器又会把float数据自动变成double型，有些不太爽。

还有个需要注意的问题，就是流操作符<<对于Mat的操作，仅限于Mat是2维的情况。

还有必要说一下Mat的存储是逐行的存储的。

再说说Mat的创建，方式有两种，罗列一下：1.调用create（行，列，类型）2.Mat（行，列，类型（值））。例如：

[cpp] view plain copy

// make a 7x7 complex matrix filled with 1+3j.
Mat M(7,7,CV_32FC2,Scalar(1,3));
// and now turn M to a 100x60 15-channel 8-bit matrix.
// The old content will be deallocated
M.create(100,60,CV_8UC(15));

要是想创建更高维的矩阵，要写成下面的方式

[cpp] view plain copy

// create a 100x100x100 8-bit array
int sz[] = {100, 100, 100};
Mat bigCube(3, sz, CV_8U, Scalar::all(0));

对于矩阵的行操作或者列操作，方式如下：（注意对列操作时要新建一个Mat，我想应该跟列地址不连续有关）

[cpp] view plain copy

// add the 5-th row, multiplied by 3 to the 3rd row
M.row(3) = M.row(3) + M.row(5)*3;
// now copy the 7-th column to the 1-st column
// M.col(1) = M.col(7); // this will not work
Mat M1 = M.col(1);
M.col(7).copyTo(M1);

下面的东西就比较狂暴了，对于外来的数据，比如你从别的地方接受了一幅图片，但可以不是Mat结构的，而只有一个数据的指针，看看接下来的代码是如何应付的，重点哦，亲

[cpp] view plain copy

void process_video_frame(const unsigned char* pixels,
int width, int height, int step)
{
Mat img(height, width, CV_8UC3, pixels, step);
GaussianBlur(img, img, Size(7,7), 1.5, 1.5);
}

亲，有木有很简单！！！

还有一种快速初始化数据的办法，如下：

[cpp] view plain copy

double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
Mat M = Mat(3, 3, CV_64F, m).inv();

也可以把原来的IplImage格式的图片直接用Mat（IplImage）的方式转成Mat结构，也可以像Matlab一样调用zeros()、ones()、eye()这样的函数进行初始化。

如果你需要提前释放数据的指针和内存，可以调用release()。

对于数据的获取，当然还是调用at<float>(3, 3)这样的格式为最佳。其他的方法我甚少尝试，就不敢介绍了。

最后要提的一点是关于Mat的表达式，这个也非常多，加减乘除，转置求逆，我怎么记得我以前介绍过呢。那就不多说啦~

from: http://blog.csdn.net/yang_xian521/article/category/910716

OpenCV学习笔记（三十六）——Kalman滤波做运动目标跟踪 OpenCV学习笔记（三十七）——实用函数、系统函数、宏core OpenCV学习笔记（三十八）——显示当前FPS OpenC相关推荐

鸿蒙系统的平板电脑,亓纪的想法篇三百六十三：骁龙870+鸿蒙2.0！首款鸿蒙系统平板曝光，支持第二代M-Pencil...
亓纪的想法篇三百六十三:骁龙870+鸿蒙2.0!首款鸿蒙系统平板曝光,支持第二代M-Pencil 2021-06-02 00:20:04 1点赞 4收藏 0评论创作立场声明:新品资讯和爆料 6月1 ...
使用MATLAB的Kalman Filter做目标跟踪——来自MathWorks网站的技术文档
目录 1.前言 2.正文 2.1 介绍 2.2 目标跟踪的挑战 2.3 使用卡尔曼滤波器跟踪单个目标 2.4 卡尔曼滤波器参数配置 2.5 多目标跟踪 3. 本例中用到的函数 1.前言本文来自Mat ...
分布式系统架构设计三十六式之服务治理 - 第一式 - 隔板模式
导读日拱一卒,功不唐捐,分享是最好的学习,一个知识领域里的 "道法术器" 这四个境界需要从微观.中观以及宏观三个角度来把握.微观是实践,中观讲套路,宏观靠领悟.本系列文 ...
计算机网络知识（个人笔记）共十六张，希望可以帮到各位。
目录共十六张图片内容包括:计算机五大部件,工作原理,计算机辅助系统,计算机特点,计算机分类,计算机如那件系统,计算机硬件系统,计算机内部单位,病毒的种类及特点,二.八.十.十六进制转换法,进制位权 ...
【二十六】springboot实现多线程事务处理
springboot篇章整体栏目: [一]springboot整合swagger(超详细 [二]springboot整合swagger(自定义)(超详细) [三]springboot整合token ...
占20列用c语言怎么表示,十六万的数字格式怎么写
1.数字十六进制怎么写一.常用数制及其相互转换在我们的日常生活中计数采用了多种记数制,比如:十进制,六十进制(六十秒为一分,六十分为一小时,即基数为60,运算规则是逢六十进一),--. 在计算机中 ...
kalman滤波推导
线性卡尔曼滤波卡尔曼滤波在温度测量中的应用 X(k)=A*X(k-1)+T*W(k-1) Z(k)=H*X(k)+V(k) 房间温度在25摄氏度左右,测量误差为正负0.5摄氏度,方差0.25,R=0 ...
第十六届全国大学生智能车东北赛区线上比赛时间与直播信息
简介: 可惜了,沈阳航空航天大学组委会精心准备了漂亮的线下比赛场地,结果被疫情无情的阻碍了,大部分参加2021年第十六届智能车竞赛东北赛区比赛的队伍都无缘进入这壮观的比赛场地.在这里我们也只能祝愿这 ...
第十六届智能车竞赛总决赛线上比赛赛道设计
简介: 根据2021年第十六届全国大学生智能汽车竞赛组委会商议确定使用线上比赛的方式完成比赛的后半程,全国总决赛.这种方式与以前的线上比赛相比具有相同性,也有其特殊性.需要在线上比赛的赛道设计以及比 ...

OpenCV学习笔记（三十六）——Kalman滤波做运动目标跟踪 OpenCV学习笔记（三十七）——实用函数、系统函数、宏core OpenCV学习笔记（三十八）——显示当前FPS OpenC

OpenCV学习笔记（三十六）——Kalman滤波做运动目标跟踪 OpenCV学习笔记（三十七）——实用函数、系统函数、宏core OpenCV学习笔记（三十八）——显示当前FPS OpenC相关推荐

最新文章

热门文章