Коли ви робите візуальне відстеження, вам потрібна модель , яка є математичним зображенням реального процесу. Ця модель матиме сенс для будь-яких даних, отриманих в результаті вимірювань, з'єднає числа, які ми вводимо, і ми вийдемо з системи.
Але модель - це спрощення реальності, оскільки ви будете використовувати зменшену кількість параметрів. Те, що ви не знаєте про систему, називається шумом або невизначеністю. Це так само важливо, як і те, що ви знаєте. Оскільки ми не можемо докладно описати систему, нам потрібні вимірювання з реального світу, щоб сказати нам, що відбувається з системою, яку ми моделюємо.
Калман - це інструмент для поєднання того, що ми оцінюємо, з нашою моделлю та того, що ми вимірюємо у світі, поєднуючи обидва у зваженому сенсі.
Ви будете обчислювати стан на кожному кроці. Це те, що ви зараз знаєте про систему. На стан впливають рівняння процесу та рівняння вимірювання . Обидва рівняння мають різні коваріації шуму. Калман вирішить, хто з обох має більший вплив на кожен крок, регулюючи приріст кальмана.
Саме так я думаю про це, коли я не хочу заглиблюватися у формули.