Filtro de Kalman frente a la transformada de Hough

Question

Estas preguntas se refieren al filtro de Kalman y a la transformada de Hough.

¿Cuáles son los pros y los contras de utilizar cada método?

¿En qué situaciones es mejor preferir uno que otro?

Answer 1

No estoy seguro de que sean comparables, ya que sirven para fines ligeramente diferentes. En robótica (concretamente en visión), la transformada de Hough se utiliza para la detección de objetos (o formas). Posteriormente puede utilizarse para el seguimiento de objetos, pero la transformada de Hough no tiene fase de predicción. Por otro lado, el filtro de Kalman es un algoritmo de dos fases: medir y predecir. En los sistemas dinámicos puede utilizarse para encontrar/predecir parámetros "ocultos" como la velocidad y, respectivamente, predecir el siguiente movimiento que posteriormente puede ajustarse con la fase de medición. Sin embargo, el filtro de Kalman asume que la dinámica del sistema es lineal, aunque con algo de ruido gaussiano.

¿Qué más? Eficiencia del algoritmo con respecto al espacio de estado: exponencial para la transformada de Hough y cuadrática para el filtro de Kalman. Y el filtro de Kalman (hasta donde yo sé) no es aplicable a los casos de distribución multimodal.

Algunos enlaces útiles http://www.ptgrey.com/newsletters/images/GreShaJas04.pdf un trabajo basado en la Transformada de Hough con pocas quejas: "Actualmente, la BHT no incluye ninguna técnica de predicción. Aunque las técnicas predictivas, como el ltering de Kalman, no responden bien a los movimientos arbitrarios, pueden mejorar la precisión" y "También se investigarán las ventajas de las técnicas predictivas, como el ltering de Kalman y de partículas".

Y más cerca de las finanzas uno http://www.r-bloggers.com/the-kalman-filter-for-financial-time-series/ describiendo los pros y los contras de los Filtros Kalman.