filtrage de kalman application au suivi des paramètres de problèmes de vision 1/90
TRANSCRIPT
Filtrage de Kalman
Application au suivi des paramètres de problèmes de
vision
1/90
Cadre de l’étude
• Un système physique.
• Distinction entre paramètres:– qui modélisent le système– que l’on peut mesurer.
• Estimer les premiers à partir des seconds.
Cadre de l’étude
Les paramètres mesurables observation xi
Les paramètres internes (décrivant le modèle) vecteur d’état si
Prise en compte des incertitudes
• Les mesures sont imprécises/incertaines
• Le modèle est simpliste
• On veut savoir la fiabilité d’une estimation si de l’état courant si.
ce que le filtre de Kalman permet.
Formalisation: mesure et vecteur d’état
• On a accès a: • bruit blanc additif et:
• Evolution du modèle:
• Modèle « lâche »:
iiii xx ˆ
].[ tiii ER
].[ tiii nnEQ
iiii nshs )(1
• Filtrage de Kalman: processus itératif d’estimation du vecteur
• Estimation à l’instant i:
• traduit la confiance que l’on a en l’estimation• Si on connaît , la meilleure estimation possible de
est:
Formalisation: mesure et vecteur d’état
is
])ˆ)(ˆ[(ˆ tiiiiii ssssEPs
isiP
1ˆ is is
)ˆ(ˆ 11/ iiii shs
Formalisation: les équations de mesures
• Liens entre les observations et le vecteur d’état:
• Cas linéaire:
ii pnmi
iii
f
sxf
:
0),(
iiii sFx .ˆ
Formalisation: les équations de mesures
• Dans le cas non-linéaire, on s’y ramène: développement de Taylor à l’ordre 1 de
• on a bien:
if
...)ˆ.()ˆ.()ˆ,(),ˆ( 1/1/
iiii
iii
i
iiiiiiii ss
s
fxx
x
fsxfsxf
iiiii
iiiiii
i
ii
iiii
ii
iiiiii
iiiiii
iiii
sxx
fxxsx
x
fw
sxs
fM
ssxs
fsxfy
wsMy
).ˆ,()ˆ).(ˆ,(
)ˆ,(
ˆ).ˆ,()ˆ,(
avec
.
1/1/
1/
1/1/1/
1/
1/1/
)..()ˆ..(ˆˆ
iiiii
iiiiiiii
PMKIPsMyKss
• 3 étapes, propagation des incertitudes.
• Initialisation:• Prédiction:
• Calcul du gain de Kalman:
• Mise à jour:
• Un pas du filtre.
L’algorithme
),ˆ( 00 Ps
11111/
11/
)ˆ(.).ˆ(
)ˆ(ˆ
it
ii
iii
i
iii
iiii
Qss
hPs
s
hP
shs
11/1/ )...(.
ti
tiiii
tiiii WMPMMPK
Algorithme: interprétation
• Compromis entre la contribution de la prédiction et de la mesure:
• On peut réécrire:
• Grande incertitude sur le vecteur d’état « grande » « grand » innovation favorisée.
• Grande incertitude sur la mesure « grande » « petit » prédiction privilégiée.
1.. itiii WMPK
iPiK
1iW
iK
innovation
)ˆ.(.ˆˆ 1/1/ iiiiiiii sMyKss
Algorithme: améliorations possibles
• Filtres de Kalman itérés– Globalement– Localement
• Objectif: limiter l’influence des linéarisations
Utilisation pour l’estimation robuste
• Réjection des mesures aberrantes:
v.a. gaussienne de moyenne nul, de covariance
• Distance de Mahalanobis associée:
• Seuil de réjection tel que:
)ˆ,ˆ( 1/ iiii sxf
i
21/
11/1/ ~)ˆ,ˆ(..)ˆ,ˆ()ˆ,ˆ(
iiiii
tiiiiiii sxfsxfsx
95.0])ˆ,ˆ([ 1/ iii sxP
Applications
• Suivi de la trajectoire d’une particule dans le plan
• Estimation des paramètres d’une ellipse à partir d’un nuage de points
• Suivi des paramètres externes d’une caméra en trou d’épingle.
Suivi de la trajectoire d’une particule dans le plan
• Le système: mouvement à accélération constante
• Equation de mesures:
• Incertitude: Meyer a montré que
iit
iiiiiii X
t
tt
t
tt
XyyyxxxX .
110
21
101
21
][ 1
iit
iii XYyxY .001000000001 ][
ttt
ttt
ttt
Qi
26
236
6820
23
233
345
Suivi de la trajectoire d’une particule dans le plan
• Résultats:
• influence des incertitudes
• influence des incertitudes
• Réjection des valeurs aberrantes
Estimation des paramètres d’une ellipse à partir d’un nuage de points
• Vecteur d’état:• Mesures:
(points du nuage)
• Equations de mesures:
tiii
tiiiii
t
yxYbayxsbayxs
][],,0,0[ˆ],,0,0[
1)0()0(
),( 2
2
2
2
i
ii
i
iiii
b
yy
a
xxYsf
Estimation des paramètres d’une ellipse à partir d’un nuage de points• résultats• comparaison filtre cla
ssique / itéré localement 1
• comparaison filtre classique / itéré localement 2
• Mais des fois…
Suivi des paramètres externes d’une caméra en trou d’épingle.
• Rappel - modèle de caméra:
• Calibrage…
1
.~1 z
yx
Pvu
esextrinsèqu paramètres
esintrinsèqu paramètres
0
0
..100
0 tRRvfuf
P v
u
Suivi des paramètres externes d’une caméra en trou d’épingle.
• Une caméra en mouvement autour d’un cube.exemple
• 2 possibilités:– suivi sur les points 2D, puis estimation de P (svd)
grâce aux 8 correspondances 2D 3D» Résultats 1 | 2
– Suivi sur les paramètres (R,t):• rotation 3 angles • translation 3 composantes
» Résultats 1 | 2
Suivi des paramètres externes d’une caméra en trou d’épingle.
• La suite …