搜索资源列表
Moving-Object-Detection-and-Tracking
- 研究了目前运动对象检测与跟踪的一些常用方法,包括时域差分法、背景差分法、基于光流场的检测方法和卡尔曼滤波、特征光流法的跟踪方法,并对各种方法进行了比较,指出其优缺点及适用范围,并给出了时域差分及背景差分方法的实验结果-Currently some of the commonly used methods to study the detection and tracking of moving objects, including difference time domain method, b
algorithm-of-Calman-filter
- 介绍了卡尔曼滤波的原理及其算法，并有C++实现代码和matlab实验代码-Introduces the principle and algorithm of Calman filter, and the C++ code and matlab code
balance_car_base_on_arduino
- 基于arduino的自主两轮平衡小车，这是自己自主学习实验过程的结晶，采用mpu6050姿态测量，同时利用卡尔曼滤波，pid算法等，小车完全可以达到静止不动的状态，希望能够对有同样兴趣的朋友们有些帮助(自己写的)-The independent two wheel balancing car based on Arduino, this is a crystallization of their autonomous learning experiment process, using mpu6
kalman-filter
- 卡尔曼滤波matlab程序，静态及动态实验，北航仪器专业大作业-kalman filter
KM_LINE
- 卡尔曼滤波在目标跟踪中的应用研究，统计信号处理中的实验-Application of Kalman Filter in Target Tracking
filter-in-video-sequences
- 粒子滤波理论是近年来跟踪领域的热门研究课题。在该领域，传统的卡尔曼（Kalman）滤波器是非常经典的运动目标跟踪工具。然而经典亦有其弊端，卡尔曼滤波对于非线性及非高斯环境下的工作能力相当无力。为解决这一问题，本文提出了一种基于粒子滤波的目标跟踪方法。其核心为以粒子(一种随机样本，携带权值)来表示后验概率密度，从而得到基于物理模型的近似最优数值解，其优点在于能在追踪的过程中实现更高的精度和更快的收敛速度等。粒子滤波通过加权计算这些带有权重的随机样本来得到目标的近似的运动状态，因此对于非高斯和非线性
kalmen-GPS-Kinematical-and-static
- 卡尔曼滤波GPS静动态滤波实验的实验程序和数据-The kalman filter for GPS static and dynamic experimental program and data filtering experiment
kalman-emulation
- 用卡尔曼滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。(Use Kalman filter method to predict a single target track, and with the aid of Matlab simulation tool, to evaluate the effect of the experimental.)