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。