码迷，mamicode.com
首页 > 其他好文 > 详细

学习OpenCV——粒子滤波（网上两篇文章总结）

时间：2016-04-17 20:27:03      阅读：247      评论：0      收藏：0      [点我收藏+]

标签：

粒子滤波的理论实在是太美妙了，用一组不同权重的随机状态来逼近复杂的概率密度函数。其再非线性、非高斯系统中具有优良的特性。opencv给出了一个实现，但是没有给出范例，学习过程中发现网络上也找不到。learning opencv一书中有介绍，但距离直接使用还是有些距离。在经过一番坎坷后，终于可以用了，希望对你有帮助。

 本文中给出的例子跟 我的另一篇博文是同一个应用例子，都是对二维坐标进行平滑、预测

使用方法：


1.创建并初始化

const int stateNum=4;//状态数
 const int measureNum=2;//测量变量数
 const int sampleNum=2000;//粒子数

 CvConDensation* condens = cvCreateConDensation(stateNum,measureNum,sampleNum);

在不影响性能的情况下，粒子数量越大，系统表现的越稳定

其他初始化内容请参考learning opencv


2.预测
3.更新例子可信度，也就是权重。本例中更新方法与learning opencv中有所不同，想看代码 
4.更新CvConDensation

 

代码：

 

[cpp] view plain copy
 
 print?
  1. #include <cv.h>  
  2. #include <cxcore.h>  
  3. #include <highgui.h>  
  4. #include <cvaux.h>  
  5.   
  6. #include <cmath>  
  7. #include <vector>  
  8. #include <iostream>  
  9. using namespace std;  
  10.   
  11. const int winHeight=600;  
  12. const int winWidth=800;  
  13.   
  14.   
  15. CvPoint mousePosition=cvPoint(winWidth>>1,winHeight>>1);  
  16.   
  17. //mouse event callback  
  18. void mouseEvent(int event,int x,int y,int flags,void *param )  
  19. {  
  20.     if (event==CV_EVENT_MOUSEMOVE) {  
  21.         mousePosition=cvPoint(x,y);  
  22.     }  
  23. }  
  24.   
  25. int main (void)  
  26. {  
  27.     //1.condensation setup  
  28.     const int stateNum=4;  
  29.     const int measureNum=2;  
  30.     const int sampleNum=2000;  
  31.   
  32.     CvConDensation* condens = cvCreateConDensation(stateNum,measureNum,sampleNum);  
  33.     CvMat* lowerBound;  
  34.     CvMat* upperBound;  
  35.     lowerBound = cvCreateMat(stateNum, 1, CV_32F);  
  36.     upperBound = cvCreateMat(stateNum, 1, CV_32F);  
  37.     cvmSet(lowerBound,0,0,0.0 );   
  38.     cvmSet(upperBound,0,0,winWidth );  
  39.     cvmSet(lowerBound,1,0,0.0 );   
  40.     cvmSet(upperBound,1,0,winHeight );  
  41.     cvmSet(lowerBound,2,0,0.0 );   
  42.     cvmSet(upperBound,2,0,0.0 );  
  43.     cvmSet(lowerBound,3,0,0.0 );   
  44.     cvmSet(upperBound,3,0,0.0 );  
  45.     float A[stateNum][stateNum] ={  
  46.         1,0,1,0,  
  47.         0,1,0,1,  
  48.         0,0,1,0,  
  49.         0,0,0,1  
  50.     };  
  51.     memcpy(condens->DynamMatr,A,sizeof(A));  
  52.     cvConDensInitSampleSet(condens, lowerBound, upperBound);  
  53.   
  54.     CvRNG rng_state = cvRNG(0xffffffff);  
  55.     for(int i=0; i < sampleNum; i++){  
  56.         condens->flSamples[i][0] = float(cvRandInt( &rng_state ) % winWidth); //width  
  57.         condens->flSamples[i][1] = float(cvRandInt( &rng_state ) % winHeight);//height  
  58.     }  
  59.   
  60.     CvFont font;  
  61.     cvInitFont(&font,CV_FONT_HERSHEY_SCRIPT_COMPLEX,1,1);  
  62.   
  63.     char* winName="condensation";  
  64.     cvNamedWindow(winName);  
  65.     cvSetMouseCallback(winName,mouseEvent);  
  66.     IplImage* img=cvCreateImage(cvSize(winWidth,winHeight),8,3);  
  67.     bool isPredictOnly=false;//trigger for prediction only,press SPACEBAR  
  68.     while (1){  
  69.         //2.condensation prediction  
  70.         CvPoint predict_pt=cvPoint((int)condens->State[0],(int)condens->State[1]);  
  71.   
  72.         float variance[measureNum]={0};       
  73.         //get variance/standard deviation of each state  
  74.         for (int i=0;i<measureNum;i++) {  
  75.             //sum  
  76.             float sumState=0;  
  77.             for (int j=0;j<condens->SamplesNum;j++) {  
  78.                 sumState+=condens->flSamples[i][j];  
  79.             }  
  80.             //average  
  81.             sumState/=sampleNum;  
  82.             //variance  
  83.             for (int j=0;j<condens->SamplesNum;j++) {  
  84.                 variance[i]+=(condens->flSamples[i][j]-sumState)*  
  85.                     (condens->flSamples[i][j]-sumState);  
  86.             }  
  87.             variance[i]/=sampleNum-1;  
  88.         }  
  89.         //3.update particals confidence  
  90.         CvPoint pt;  
  91.         if (isPredictOnly) {  
  92.             pt=predict_pt;  
  93.         }else{  
  94.             pt=mousePosition;  
  95.         }  
  96.         for (int i=0;i<condens->SamplesNum;i++) {  
  97.             float probX=(float)exp(-1*(pt.x-condens->flSamples[i][0])  
  98.                 *(pt.x-condens->flSamples[i][0])/(2*variance[0]));  
  99.             float probY=(float)exp(-1*(pt.y-condens->flSamples[i][1])  
  100.                 *(pt.y-condens->flSamples[i][1])/(2*variance[1]));  
  101.             condens->flConfidence[i]=probX*probY;  
  102.         }  
  103.         //4.update condensation  
  104.         cvConDensUpdateByTime(condens);  
  105.           
  106.         //draw   
  107.         cvSet(img,cvScalar(255,255,255,0));  
  108.         cvCircle(img,predict_pt,5,CV_RGB(0,255,0),3);//predicted point with green  
  109.         char buf[256];  
  110.         sprintf_s(buf,256,"predicted position:(%3d,%3d)",predict_pt.x,predict_pt.y);  
  111.         cvPutText(img,buf,cvPoint(10,30),&font,CV_RGB(0,0,0));  
  112.         if (!isPredictOnly) {  
  113.             cvCircle(img,mousePosition,5,CV_RGB(255,0,0),3);//current position with red  
  114.             sprintf_s(buf,256,"real position :(%3d,%3d)",mousePosition.x,mousePosition.y);  
  115.             cvPutText(img,buf,cvPoint(10,60),&font,CV_RGB(0,0,0));  
  116.         }  
  117.           
  118.         cvShowImage(winName, img);  
  119.         int key=cvWaitKey(30);  
  120.         if (key==27){//esc     
  121.             break;  
  122.         }else if (key==‘ ‘) {//trigger for prediction  
  123.             //isPredict=!isPredict;  
  124.             if (isPredictOnly) {  
  125.                 isPredictOnly=false;  
  126.             }else{  
  127.                 isPredictOnly=true;  
  128.             }  
  129.         }  
  130.     }        
  131.   
  132.     cvReleaseImage(&img);  
  133.     cvReleaseConDensation(&condens);  
  134.     return 0;  
  135. }  

 

 

 

 

kalman filter 视频演示：

演示中粒子数分别为100,200,2000

请仔细观测效果

http://v.youku.com/v_show/id_XMjU4MzE0ODgw.html

demo snapshot：

技术分享

 

//上面这一篇是演示点跟踪，原文http://blog.csdn.net/onezeros/article/details/6319180

//这一篇是上交的一哥们演示的窗口跟踪！（有code）
http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html
 
from: http://blog.csdn.net/yangtrees/article/details/7616483

学习OpenCV——粒子滤波（网上两篇文章总结）

标签：

原文地址：http://www.cnblogs.com/GarfieldEr007/p/5401886.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！