卡爾曼濾波器與霍夫變換

這些問題與卡爾曼濾波器和霍夫變換有關。

使用每種方法的優點和缺點是什麼？

在什麼情況下更喜歡一種而不是另一種？

我不確定它們是否具有可比性，因為它們的用途略有不同。在機器人技術（特別是視覺）中，霍夫變換用於物體（或形狀）檢測。這可以隨後用於對象跟踪，但霍夫變換沒有預測階段。另一方面，卡爾曼濾波器是一種兩相算法；測量和預測。借助動態系統，它可用於查找/預測“隱藏”參數，如速度，並分別預測隨後可通過測量階段調整的下一步移動。然而，卡爾曼濾波器假設系統的動態是線性的，儘管有一些高斯雜訊。

還有什麼？關於狀態空間的算法效率：霍夫變換的指數和卡爾曼濾波器的二次。並且卡爾曼濾波器（據我所知）不適用於多模態分佈情況。

一些有用的連結http://www.ptgrey.com/newsletters/images/GreShaJas04.pdf基於 Hough 變換的作品，幾乎沒有抱怨：“目前，BHT 不包括任何預測技術。而預測技術，如卡爾曼濾波對任意運動反應不佳，它們可能會提高精度”和“還將研究預測技術的好處，例如卡爾曼和粒子濾波”。

更接近於財務一個http://www.r-bloggers.com/the-kalman-filter-for-financial-time-series/描述卡爾曼濾波器的優缺點。

引用自：https://quant.stackexchange.com/questions/3032