第27章 卡尔曼滤波算法(1/2)
在校园里从一个教学楼到另一个教学楼,走路不过十五分锺的路程,恐怕连打车的起步公里数都不到吧。方舟心里感慨,不愧是富婆。
看到对方从门口进来稳健的步伐,周天星的眼神有些发直。
明明昨天还是略微有些晃悠的脚步,今天居然就好的差不多了。
校医院来神医了吗?
没理会陷入怀疑人生的周天星,魏莱径直走到了自己的座位上,看了一眼旁边的方舟。
wink~
略微俏皮又带些感激的眼神似乎在感谢这位老中医,同时在说我会帮你保守秘密。
周天星回过神来,不管怎么说,对方脚好了,这也是一件好事不是吗?
既然是好事,那么自己就更有理由为其庆祝。
将另一杯奶茶稳稳的放在了魏莱的电脑旁,笑着说道:“用这杯奶茶庆祝你身体康复,怎么样?”
“不怎么样。”魏莱看着包装精美的奶茶,脸色一下由晴转阴,将奶茶随手就挪到了方舟的身边。
“给你喝吧。”
这五月的第一杯奶茶刚喝了一半,马上第二杯奶茶就来了。
方舟看了一眼左边脸黑的魏莱,又和右边有些错愕的周天星大眼瞪小眼。
这是啥情况?
我也不知道啊。
眉目之间,方舟真诚的眼神还是获得了周天星的信任。
周天星觉得可能就是对方不喜欢喝奶茶吧,下次换别的,比如雪顶咖啡,冰淇淋这些试试,对了还有德芙新款的奶油巧克力,女生不是都喜欢吃这些东西。
在周天星对着电脑发呆的同时,方舟用余光看到,魏莱从卫衣的口袋里拿出了一块菠萝味的糖果,撕开包装塞进了嘴里。
方舟承认,自己的心脏在某一瞬间可能多跳动了一下。
接下来便正式开始了第三天的讨论。
经过前一天的思考,众人对第四问的解题思路是明确了的,从视频里提取影长,用影长代入问题三和问题四的模型,从而得到影子所在的经纬度和时间。
问题的难点在於,一是如何使从视频提取的数据更为精准,二是如何保证在数据代入前两问的模型后,得到的结果精度是否足够低。
事实上,每一个曾经当过国赛的题目都没有字面看上去那么简单。
每一道题目的四个小问,之间都有密不可分的联系。
前几问的模型做的不够精巧,便会影响后续代入时得到的结果。
方舟正在脑海里不断搜索自己看过的哪种算法,适合这道题目。
魏莱对数学算法的了解程度不够,所以暂时也没有想到好办法。
周天星见二人一个沉思,一个没辙,便再次将讨论的主导权抢了过来。
“既然现在没辙,不如我们试试最简单的办法,用软件提取的灰度得到最直接的杆长数据,然后用最简单的图像比例对应关系,得到影长数据。”
图像的比例对应,即在每章图像中旗杆和影子的两端做点,根据长度关系得到杆长和影长的比例关系。
这种方法最直接也是最笨的办法,但带来的最大麻烦便是选点时可能因像素点的偏差带来精度的缺失。
不过使用起来也最为迅速。
在灰度行列式中遍历寻找最低点和最高点,记录所在行列式的位置,得到旗杆长度的像素点数量,再通过比例尺算得影长。
将这组数据代入二三问的模型,
瞬间得到数十个可能