OPENCV 卡尔曼滤波跟踪鼠标位置

z13228604287

  

窗口程序集名	保 留	保 留	备 注
程序集1
变量名	类 型	数组	备 注
宽	整数型
高	整数型
鼠标位置	坐标二维整型结构

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
卡尔曼	卡尔曼滤波器类
状态向量	整数型
测量向量	整数型
状态	小数型		16
步长	小数型			时间步长，假设加速度对位置和速度的影响是恒定的
随机	随机数类
测量值	数据矩阵类
图	数据矩阵类
预测坐标	坐标二维整型结构

高 ＝ 600
宽 ＝ 800
鼠标位置.初始化 (右移 (宽, 1), 右移 (高, 1))
状态向量 ＝ 4  ' 态向量为4x1: (x, y, △x, △y)
测量向量 ＝ 2  ' 测量向量为2x1: (x, y)
' Kalman滤波器设置
卡尔曼.初始化 (状态向量, 测量向量, 0, #矩阵_小数型 )
' 1 表示当前状态的该元素在下一个时刻将保持不变
' 0 表示当前状态的该元素不受状态向量中其他元素的影响，即它们之间没有直接的转移关系。
状态 ＝ { 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1 }
步长 ＝ 1
如果真 (步长 ≠ 1)
状态 [3] ＝ 步长
状态 [8] ＝ 步长

' 转移矩阵A
卡尔曼.转移.初始化指针 (4, 4, #矩阵_小数型, 取变量数据地址 (状态))
视觉_设置为单位矩阵 (卡尔曼.测量, )  ' 测量矩阵H
视觉_设置为单位矩阵 (卡尔曼.过程协方差, 标量 (1e-005))  ' 系统噪声方差矩阵Q
视觉_设置为单位矩阵 (卡尔曼.测量协方差, 标量 (0.1))  ' 测量噪声方差矩阵R
视觉_设置为单位矩阵 (卡尔曼.后验误差, 标量 (10))  ' 后验错误估计协方差矩阵P
随机.填充 (卡尔曼.校正, #随机_均匀分布, 0, 视觉_取最小值 (宽, 高), 假)  ' 初始状态值x(0)
测量值.初始化零 (测量向量, 1, #矩阵_小数型 )  ' 初始测量值x'(0)
视觉_创建窗口 (“小白鼠 卡尔曼演示”, 1)
视觉_设置鼠标事件 (“小白鼠 卡尔曼演示”, &鼠标事件, 0)
图.初始化零 (高, 宽, #矩阵_三通道字节型U )
循环判断首 ()
' 卡尔曼预测
卡尔曼.预测 ()
预测坐标.初始化 (到整数 (卡尔曼.预测.取元素 (0, 0)), 到整数 (卡尔曼.预测.取元素 (0, 1)))  ' 预测值 (x', y')
' 更新测量值
测量值.置元素 (0, 0, 鼠标位置.横坐标)
测量值.置元素 (0, 1, 鼠标位置.纵坐标)
' 更新
卡尔曼.更新 (测量值)
' 背景刷新
图.设置 (标量 (255, 255, 255, 0), )
' 绘制
视觉_圆 (图, 预测坐标, 5, 标量 (0, 255, 0), 3, 8, 0)  ' 预测点用绿色表示
视觉_圆 (图, 鼠标位置, 5, 标量 (255, 0, 0), 3, 8, 0)  ' 当前位置用红色表示
视觉_放置文本 (图, “predicted position:(” ＋ 到文本 (预测坐标.横坐标) ＋ “,” ＋ 到文本 (预测坐标.纵坐标) ＋ “)”, 坐标二维整型 (10, 30), #字体_更复杂的手写风格, 1, 标量 (0, 0, 0), 1, 8, 假)
视觉_放置文本 (图, “current location:(” ＋ 到文本 (鼠标位置.横坐标) ＋ “,” ＋ 到文本 (鼠标位置.纵坐标) ＋ “)”, 坐标二维整型 (10, 60), #字体_更复杂的手写风格, 1, 标量 (0, 0, 0), 1, 8, 假)
视觉_显示图像 (“小白鼠 卡尔曼演示”, 图)
循环判断尾 (视觉_等待按键 (3) ≠ #Esc键 )
返回 (0)  ' 可以根据您的需要返回任意数值

子程序名	返回值类型	公开	备 注
鼠标事件
参数名	类 型	参考	可空	数组	备 注
event	整数型				见 常量 #事件_*
x	整数型				鼠标事件的 x 坐标
y	整数型				鼠标事件的 y 坐标
flags	整数型				见 常量 #事件_标志_*

如果真 (event ＝ #事件_鼠标移动 )
鼠标位置.初始化 (x, y)

i支持库列表	支持库注释
OpenCV	(未知支持库)
spec	特殊功能支持库

.版本 2<br /> .支持库 OpenCV<br /> .支持库 spec<br /> <br /> .程序集 程序集1<br /> .程序集变量 宽, 整数型<br /> .程序集变量 高, 整数型<br /> .程序集变量 鼠标位置, 坐标二维整型结构<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 卡尔曼, 卡尔曼滤波器类<br /> .局部变量 状态向量, 整数型<br /> .局部变量 测量向量, 整数型<br /> .局部变量 状态, 小数型, , "16"<br /> .局部变量 步长, 小数型, , , 时间步长，假设加速度对位置和速度的影响是恒定的<br /> .局部变量 随机, 随机数类<br /> .局部变量 测量值, 数据矩阵类<br /> .局部变量 图, 数据矩阵类<br /> .局部变量 预测坐标, 坐标二维整型结构<br /> <br /> 高 ＝ 600<br /> 宽 ＝ 800<br /> 鼠标位置.初始化 (右移 (宽, 1), 右移 (高, 1))<br /> <br /> 状态向量 ＝ 4  ' 态向量为4x1: (x, y, △x, △y)<br /> 测量向量 ＝ 2  ' 测量向量为2x1: (x, y)<br /> ' Kalman滤波器设置<br /> 卡尔曼.初始化 (状态向量, 测量向量, 0, #矩阵_小数型)<br /> <br /> ' 1 表示当前状态的该元素在下一个时刻将保持不变<br /> ' 0 表示当前状态的该元素不受状态向量中其他元素的影响，即它们之间没有直接的转移关系。<br /> 状态 ＝ { 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1 }<br /> <br /> 步长 ＝ 1<br /> .如果真 (步长 ≠ 1)<br />     状态 [3] ＝ 步长<br />     状态 [8] ＝ 步长<br /> .如果真结束<br /> <br /> ' 转移矩阵A<br /> 卡尔曼.转移.初始化指针 (4, 4, #矩阵_小数型, 取变量数据地址 (状态))<br /> <br /> 视觉_设置为单位矩阵 (卡尔曼.测量, )  ' 测量矩阵H<br /> 视觉_设置为单位矩阵 (卡尔曼.过程协方差, 标量 (1e-005))  ' 系统噪声方差矩阵Q<br /> 视觉_设置为单位矩阵 (卡尔曼.测量协方差, 标量 (0.1))  ' 测量噪声方差矩阵R<br /> 视觉_设置为单位矩阵 (卡尔曼.后验误差, 标量 (10))  ' 后验错误估计协方差矩阵P<br /> 随机.填充 (卡尔曼.校正, #随机_均匀分布, 0, 视觉_取最小值 (宽, 高), 假)  ' 初始状态值x(0)<br /> 测量值.初始化零 (测量向量, 1, #矩阵_小数型)  ' 初始测量值x'(0)<br /> <br /> 视觉_创建窗口 (“小白鼠 卡尔曼演示”, 1)<br /> 视觉_设置鼠标事件 (“小白鼠 卡尔曼演示”, &鼠标事件, 0)<br /> <br /> 图.初始化零 (高, 宽, #矩阵_三通道字节型U)<br /> <br /> <br /> .循环判断首 ()<br />     ' 卡尔曼预测<br />     卡尔曼.预测 ()<br />     预测坐标.初始化 (到整数 (卡尔曼.预测.取元素 (0, 0)), 到整数 (卡尔曼.预测.取元素 (0, 1)))  ' 预测值 (x', y')<br />     ' 更新测量值<br />     测量值.置元素 (0, 0, 鼠标位置.横坐标)<br />     测量值.置元素 (0, 1, 鼠标位置.纵坐标)<br />     ' 更新<br />     卡尔曼.更新 (测量值)<br />     ' 背景刷新<br />     图.设置 (标量 (255, 255, 255, 0), )<br />     ' 绘制<br />     视觉_圆 (图, 预测坐标, 5, 标量 (0, 255, 0), 3, 8, 0)  ' 预测点用绿色表示<br />     视觉_圆 (图, 鼠标位置, 5, 标量 (255, 0, 0), 3, 8, 0)  ' 当前位置用红色表示<br /> <br />     视觉_放置文本 (图, “predicted position:(” ＋ 到文本 (预测坐标.横坐标) ＋ “,” ＋ 到文本 (预测坐标.纵坐标) ＋ “)”, 坐标二维整型 (10, 30), #字体_更复杂的手写风格, 1, 标量 (0, 0, 0), 1, 8, 假)<br />     视觉_放置文本 (图, “current location:(” ＋ 到文本 (鼠标位置.横坐标) ＋ “,” ＋ 到文本 (鼠标位置.纵坐标) ＋ “)”, 坐标二维整型 (10, 60), #字体_更复杂的手写风格, 1, 标量 (0, 0, 0), 1, 8, 假)<br />     视觉_显示图像 (“小白鼠 卡尔曼演示”, 图)<br /> .循环判断尾 (视觉_等待按键 (3) ≠ #Esc键)<br /> 返回 (0)  ' 可以根据您的需要返回任意数值<br /> <br /> .子程序 鼠标事件<br /> .参数 event, 整数型, , 见 常量 #事件_*<br /> .参数 x, 整数型, , 鼠标事件的 x 坐标<br /> .参数 y, 整数型, , 鼠标事件的 y 坐标<br /> .参数 flags, 整数型, , 见 常量 #事件_标志_*<br /> <br /> .如果真 (event ＝ #事件_鼠标移动)<br />     鼠标位置.初始化 (x, y)<br /> .如果真结束

a1997426zz

支持开源~！感谢分享

sad123123

卡尔曼滤波牛逼

a759077146

卡尔曼滤波器类  这个能发下吗 缺这个运行不了啊

陆白途旅

支持支持支持支持支持支持支持支持支持支持支持

qq977352880

学习了，希望自己的技术能更上一层楼。

Angel57124

学习一下

paneldemo

感谢分享，学到了

汉族

支持支持  不知道楼主的免费 动态库 还在更新没

nunu0530

666666666666666666666