opencv 卡尔曼滤波预测 c++

OpenCV 中的 Kalman Filter 模块可以用于卡尔曼滤波预测。以下是一个简单的 C++ 示例代码：

#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char** argv)
{
    // 初始化卡尔曼滤波器
    KalmanFilter kf(2, 1, 0);
    kf.transitionMatrix = (Mat_<float>(2, 2) << 1, 1, 0, 1);
    kf.measurementMatrix = Mat_<float>::ones(1, 2);
    kf.processNoiseCov = (Mat_<float>(2, 2) << 1, 0, 0, 1) * 0.0001;
    kf.measurementNoiseCov = Mat_<float>::ones(1, 1) * 0.001;
    kf.errorCovPost = (Mat_<float>(2, 2) << 1, 0, 0, 1);

    // 初始化预测值和测量值
    float predict = 0;
    float measure = 0;

    // 循环预测和更新
    for (int i = 0; i < 100; i++)
    {
        // 预测下一个状态
        Mat prediction = kf.predict();
        predict = prediction.at<float>(0);

        // 生成测量值
        measure = sin(i * CV_PI / 50) * 10 + randn(0.0, 0.1);

        // 更新预测值
        Mat measurement(1, 1, CV_32FC1);
        measurement.at<float>(0) = measure;
        kf.correct(measurement);
    }

    return 0;
}

在这个示例中，我们初始化了一个 2x1 的卡尔曼滤波器（因为我们只有一个测量值），并设置了转移矩阵、测量矩阵、过程噪声协方差矩阵和测量噪声协方差矩阵。然后，我们循环预测下一个状态和更新预测值，直到达到指定的迭代次数。在每次循环中，我们使用 `predict()` 函数预测下一个状态，生成一个测量值，然后使用 `correct()` 函数更新预测值。最后，我们返回预测值和测量值。