本程序功能是由运动（估计）恢复仿射结构，具体使用的是factorization分解法。这个方法的本质就是一个矩阵分解的过程：对于给定n个点的m幅图像，我们可以写成一个2m*n的矩阵D=（q1，q2，…，qn），而这个像点矩阵可以表示成一个2m*3矩阵和一个3*n矩阵的乘积，即D=AP，其中A、P分别表示实际（仿射）摄像机位移和场景状态，也就是我们需要求得的矩阵。而如何根据D来得到A、P，正是factorization分解法的工作。-This program features the recove

Kal man 滤波是一种应用非常广泛的状态估计算法 基于信息融合的 Kal man 滤波包 括状态向量融合和测量融合两种方法 传统的 Kal man 方法 TTF 具有较低的估计误差和很长的计算时间 提出的状态向量和测量向量的融合模型 MTF 利用局部融合信息给出一种更好的状态估计 计算时间短 性能也比 TTF 高-Conventi onal Kal man filt er TTF based on i nf or mati on f usi on i ncl udes t Wo

使用kalman滤波进行目标跟踪，kalman可以通过观测到的结果进行更新从而估计下一时刻的目标状态-Using kalman filter for target tracking, kalman can be updated by the observed results to estimate the target state of the next moment

卡尔曼滤波，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态(Calman filtering, which can estimate the state of a dynamic system from a series of incomplete and noisy measurements)