[发明专利]基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质

权利要求书

1.一种基于卡尔曼滤波的视觉目标处理方法，其特征在于，包括：

将视觉目标的状态向量分解为两个分向量；

根据所述两个分向量各自所对应的状态误差协方差矩阵，并行地对所述两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，所述状态误差协方差矩阵为块对角矩阵；

合并两个所述滤波后分向量得到所述视觉目标的滤波后状态向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述两个分向量各自所对应的状态误差协方差矩阵，并行地对所述两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，包括：

利用状态转移矩阵获取第一分向量的更新后状态分向量；

利用所述状态转移矩阵、状态噪声协方差矩阵以及所述第一分向量的状态误差协方差矩阵，计算更新后状态误差协方差矩阵；

利用所述更新后状态误差协方差矩阵、状态观测矩阵和观测噪声协方差矩阵计算卡尔曼增益矩阵；

利用所述更新后状态分向量、所述卡尔曼增益矩阵、所述状态观测矩阵以及预先获取的状态观测值，计算滤波后分向量；

利用所述更新后状态误差协方差矩阵、所述卡尔曼增益矩阵和所述状态观测矩阵，计算滤波后状态误差协方差矩阵；

其中，所述第一分向量为所述两个分向量中的任一分向量；所述状态转移矩阵、所述观测噪声协方差矩阵、所述状态噪声协方差矩阵和所述状态观测矩阵均为预先设置的。

3.根据权利要求2所述的方法，其特征在于，所述利用状态转移矩阵获取第一分向量的更新后状态分向量，包括：

利用所述状态转移矩阵乘以所述第一分向量，得到更新后状态分向量。

4.根据权利要求2所述的方法，其特征在于，所述利用所述状态转移矩阵、状态噪声协方差矩阵以及所述第一分向量的状态误差协方差矩阵，计算更新后状态误差协方差矩阵，计算公式为：

更新后状态误差协方差矩阵＝状态转移矩阵×状态误差协方差矩阵×状态转移矩阵转置矩阵+状态噪声协方差矩阵。

5.根据权利要求2所述的方法，其特征在于，所述利用所述更新后状态误差协方差矩阵、状态观测矩阵和观测噪声协方差矩阵计算卡尔曼增益矩阵，计算公式为：

卡尔曼增益矩阵＝更新后状态误差协方差矩阵×状态观测矩阵转置矩阵×(状态观测矩阵×更新后状态误差协方差矩阵×状态观测矩阵转置矩阵+观测噪声协方差矩阵)^-1。

6.根据权利要求2所述的方法，其特征在于，所述利用所述更新后状态分向量、所述卡尔曼增益矩阵、所述状态观测矩阵以及预先获取的状态观测值，计算滤波后分向量，计算公式为：

滤波后分向量＝更新后状态分向量+卡尔曼增益矩阵×(状态观测值-状态观测矩阵×更新后状态分向量)。

7.根据权利要求2所述的方法，其特征在于，所述利用所述更新后状态误差协方差矩阵、所述卡尔曼增益矩阵和所述状态观测矩阵，计算滤波后状态误差协方差矩阵，包括：

滤波后状态误差协方差矩阵＝更新后状态误差协方差矩阵-卡尔曼增益矩阵×状态观测矩阵×更新后状态误差协方差矩阵。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用所述滤波后状态向量和所述滤波后状态误差协方差矩阵分别更新所述状态向量和所述状态误差协方差矩阵，转向所述将视觉目标的状态向量分解为两个分向量，直至达到预设结束条件时停止。

9.一种基于卡尔曼滤波的视觉目标处理装置，其特征在于，包括：

分解模块，用于将视觉目标的状态向量分解为两个分向量；

并行处理模块，用于根据所述两个分向量各自所对应的状态误差协方差矩阵，并行地对所述两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，所述状态误差协方差矩阵为块对角矩阵；

合并模块，用于合并两个所述滤波后分向量得到所述视觉目标的滤波后状态向量。