- 我的项目中的传感器模块包含一个 旋转摄像头，它收集周围环境中 移动物体 的 嘈杂 信息。
- 这些信息包括移动物体的 距离、角度 和 相对变化。
- 由于摄像头的 有限视野范围，必须定期旋转摄像头以更新环境信息……
我一直在寻找 算法/方法 来建模这些信息，以便能够 猜测/预测/学习 这些物体的运动属性……
我目前的想法是将每个对象的最后 n 个快照存储在一个队列中。我对移动物体的位置和速度进行加权平均，但我认为这是一种糟糕的方法……
您能给出一些适合这种情况的标题吗？
谢谢
回答：
卡尔曼{扩展、无迹，…}滤波器 和 粒子滤波器，仅在 阅读卡尔曼滤波器之后阅读。
卡尔曼滤波器可以在高斯假设下，从嘈杂的数据中学习和预测正确的数据，因此可能对您有用。如果您需要非高斯方法，请考虑粒子滤波器。
