LIMITI_SUMMER_CAMP_CV
github：GitHub - Zzzingzzz/LIMITI_SUMMER_CAMP_CV: 2023电子科技大学LIMITI机器人队夏令营视觉组线上学习内容
2023电子科技大学LIMITI机器人队夏令营视觉组线上学习内容，基于2022年视觉组经验编写
夏令营培训4——滤波
在处理完图像数据后，得到的数据往往会有极大的噪声或抖动，如果直接将原数据发送至电控并使用则极不方便电控调节参数，故在此片介绍学习部分滤波算法。
任务1——常用滤波算法
在此介绍一些常用的滤波算法，请大家自行查阅学习，这些滤波算法都不难理解
- 中值滤波
- 均值滤波
- 滑窗滤波
- 低通滤波
- 互补滤波
- ……
在简单的数据滤波处理中，我最常用的两种为互补滤波和滑窗滤波
*任务2——卡尔曼滤波
参考学习OpenCV2——卡尔曼滤波(KalmanFilter)详解
卡尔曼滤波不作强制要求，这是一个相较任务1中的滤波更为高级的滤波方式
其原理可以尝试去理解（较难）
如果想学习使用，可使用opencv中集成的卡尔曼滤波器，使用时仅需要重点关注以下几个重要参量：
- 转移矩阵A的构造方法——与构造的系统参量有关
- 测量噪声方差矩阵R的调参——R越大，滤波器响应越慢，滤波后数据越平稳
- 系统噪声方差矩阵Q的调参——Q越大，滤波器响应越快，滤波后数据越抖
- 后验错误估计协方差矩阵P的调参——P主要影响初始时的收敛速度，越往后P越受R和Q的影响
- 构造卡尔曼滤波器的状态量（位移、速度、加速度等）
- 构造卡尔曼滤波器的测量量（位移、速度、加速度等）
- 构造卡尔曼滤波的初始状态量
注意：
- 卡尔曼滤波器的使用时，一定要先预测预测，再更新（修正）；如果没有预测直接更新，会发生错误
- 大家在初步学习时往往会看到一个跟踪鼠标位置的卡尔曼滤波器代码，可以在此代码基础上修改上述几个参量感受不同参量的意义
网上还能看见许多其他滤波算法，大家可以根据需要自行学习。在此仅介绍我常使用的几种滤波方法。
