原文链接
粒子滤波器方法通常用于视觉跟踪。从统计角度来看，它是一种顺序蒙特卡罗重要抽样方法，用于根据观测序列估计动态系统的潜状态变量。
粒子滤波步骤：
- 初始状态：用大量粒子模拟X（t），粒子在空间内均匀分布；
- 预测阶段：根据状态转移方程，每一个粒子得到一个预测粒子；
- 校正阶段：对预测粒子进行评价，越接近于真实状态的粒子，其权重越大；
- 重采样：根据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子；
- 滤波：将重采样后的粒子带入状态转移方程得到新的预测粒子，即步骤2。
学习更多编程知识，请关注我的公众号：
代码的路
【粒子滤波 PF（Particle filter）算法】
文章图片
推荐阅读
- Python入门系列（一）安装环境
- 认识Vue扩展插件
- Python解析参数的三种方法
- Android开发|被面试官逼问的“Android系统启动流程”，该如何回答（（从原理分析到面试实战））
- MySQL|深入浅出MySQL灵魂十连问，你真的有把握吗（）
- MySQL|来自大厂面试官的MySQL灵魂十连问，你真的有把握全部回答出来吗（）
- Client-Go 视频教程持续更新中
- 精益+敏捷，两大管理思路让研发效能「飞」起来｜直播回顾
- 39个 Python Datetime 小例子，拯救因时间抓狂的你