怎样做real time data smoothing
前面博文里提到了自己写的一个natural marker的AR的雏形,那是针对平面物体的,计算homography matrix的时候用上ransac,计算结果还算比较稳定。最近这段时间进一步研究了针对非平面物体的pose estimation问题,基本上完成了雏形,但发现计算结果的噪声特别大。
从视频里可以看出,对于rotation的估计基本还可以,但对于translation的估计误差较大,当然也可能是我现在的scale有问题。
其实写这篇博文的主要目的是向达人请教怎样做real time data smoothing。就像我视频里展示的,虽然对于rotation的估计基本还可以,但仍然存在较大误差,反应在3D里就是3D物体抖动得较厉害。将rotation matrix分解成绕XYZ各轴的转动,下图是绕Y轴转角的数据。
想请教各位,有什么算法可以减小误差,让测量结果更smooth呢?对这块不是很了解,网上查了下,大约算是data smoothing问题吧,但大部分data smoothing算法好像都是针对离线数据集的,就像我上面那样,已经采好了几百几千个数据,然后再data smoothing,这样的算法确实很多了。但我现在是一个实时测量系统,我需要实时地对测量结果smooth,减小噪声,不知道什么算法好?根据我的理解,kalman filter可能不适用,因为它需要
一个运动模型,而我这里摄像机的运动几乎是随机的。