PDF 8.939kB - Hochschule Ulm
PDF 8.939kB - Hochschule Ulm
PDF 8.939kB - Hochschule Ulm
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel 4. Objektverfolgung<br />
bezieht sich in dieser Arbeit auf die zeitliche Veränderung der Position eines Objektes in<br />
einer Bildsequenz.<br />
Auf die angerissenen Teilaufgaben wird in den nächsten Abschnitten genauer eingegangen.<br />
4.2 Kalman Filter<br />
Der Kalman Filter (KF), von R.E. Kalman in [21] vorgestellt, ist ein rekursiver Zustandsschätzer<br />
der unter Verwendung von [25] und [38] im Folgenden vorgestellt wird. Die Hauptaufgabe<br />
des KF liegt darin, den Zustand x ∈ R n eines dynamischen Systems aus dem Systemverhalten<br />
und verrauschten Messwerten y ∈ R m so zu schätzen, dass der mittlere quadratische<br />
Fehler minimiert wird. Der Ablauf des KF lässt sich in zwei Schritte unterteilen:<br />
ˆ Die Prädiktion des Systemzustand und der<br />
ˆ Aktualisierung anhand von Messwerten.<br />
Dieser Ablauf wird in jedem Zeitschritt k unter Verwendung des Zustands des vorherigen<br />
Zeitschrittes k − 1 wiederholt. Daher wird das KF auch als rekursives Filter bezeichnet.<br />
Dem KF liegen zwei zeitdiskrete, lineare Differenzengleichungen zu Grunde. Die Systemgleichung<br />
x k = A · x k−1 + B · u k−1 + w k−1 (4.1)<br />
und das Messmodell<br />
z k = C · x k + v k . (4.2)<br />
A, B und C bezeichnet man als Systemmatrizen. Die Matrix A der Größe n × n beschreibt<br />
das dynamische Verhalten des Systems. Die Messmatrix C der Größe m × n beschreibt die<br />
Messung von Zustandsgrößen durch Sensoren. Die Eingangsmatrix B modelliert den Einfluss<br />
von Eingangsgrößen auf den aktuellen Zustand. Das Systemrauschen w k und das Messrauschen<br />
v k werden als unkorreliertes, mittelwertfreies und weißes Rauschen angenommen. Q<br />
bezeichnet in diesem Zusammenhang die Kovarianz des Systemrauschens<br />
E [ w (k) · w T (l) ] = Q(k) · δ kl (4.3)<br />
und R die Kovarianz des Messrauschens<br />
E [ v (k) · v T (l) ] = R (k) · δ kl . (4.4)<br />
4.2.1 Prädiktion<br />
Die Prädiktion ergibt sich direkt aus der Systemgleichung zu<br />
ˆx − k = A · ˆx k−1 + B · u k−1 , (4.5)<br />
Masterarbeit Julian Paar 35