この質問が間違ったstackexchangeサイトに投稿されている場合は、どこに移行できるかを提案してください。
私は、壁や他のオブジェクトで複数の条件を経験するオブジェクトの速度を研究しています。オブジェクトの位置の生データは、2つの理由により、わずかにノイズが多くなります。1つは、ビデオの解像度が制限されていること、もう1つは、追跡ソフトウェアでオブジェクトの追跡にエラーが発生することです（オブジェクトの画像がわずかに変化するため）。時間とともに）。
オブジェクトの位置の生データを使用してオブジェクトの速度を単純に計算する場合、オブジェクトは高フレームレートで追跡されているため、重大なエラー（速度のエラーよりも大きい）があります。
衝突の直前と直後の物体の速度に最も興味があり、これは重大な問題です。
私が検討/試みた可能なオプション。
- 位置データに個別のカルマンフィルターを適用する：これは、関連する質問に関する投稿でかなり頻繁に出てくる解決策です。ただし、データの平滑化を開始するときにすべてのデータがあることを考えると、カルマンフィルターは、利用可能なデータを利用するための最良の方法ですか？私の理解では、フィルターは時間の経過とともに入ってくるデータ用に設計されています（たとえば、位置データの完全なセットではなく、リアルタイムで受信されている位置データ）。
- 位置データにSavitsky-Golay平滑化を適用する：データでこれを試したところ、各衝突後に±10データポイントの領域に重大なアーティファクトが導入されていることがわかりました。これは衝突時の大幅な加速と関係があると思いますが、SGスムージングのさまざまなパラメーターを試した後、アーティファクトを排除することはできません。
- 衝突時にデータを分離し、移動平均を使用して速度を平滑化する：各衝突での加速度によって生じる問題を克服するために、各衝突点でデータを複数の系列に分離しました。たとえば、衝突が3回発生した場合、データは4つのシリーズに分けられます。次に、各データ系列の速度が計算され、移動平均を使用して平滑化されました。
さらに、私の同僚の何人かは、速度情報をローパスフィルターに通すことを提案しましたが、これは私が試みたことはありません。
以下の2つの質問は私のものに関連しており、参照として提供されています。
さらに、以下の論文は、リアルタイムデータではありますが、カルマンフィルターを実装する方法についての良い提案を提供しているようです。