示例轨迹数据展示
自定义轨迹数据处理
上传轨迹数据
请上传CSV文件，支持带表头或不带表头格式
拖放文件到此处或点击上传
卡尔曼滤波参数
建议值: 0.001-0.1，值越大越跟踪快速变化
建议值: 0.01-0.5，值越大滤波效果越强
建议值: 0.1-5，初始不确定性估计
请上传轨迹数据并点击"执行卡尔曼滤波"按钮
数据点数量
-
平均变化率降低
-
处理时间
-
关于卡尔曼滤波
卡尔曼滤波是一种递归估计算法，能够从一系列包含统计噪声的测量数据中， 估计出系统的状态。它广泛应用于导航、控制、信号处理等领域。
在轨迹平滑中，卡尔曼滤波能够有效去除测量噪声，同时保留轨迹的整体趋势和关键特征， 使轨迹更加平滑和易于分析。
本工具使用的是简化的一维和二维卡尔曼滤波模型，适用于大多数轨迹数据的平滑处理。 您可以通过调整滤波参数来获得最佳的平滑效果。
数据格式说明
上传的CSV文件应包含以下列（支持带表头或不带表头）：
- 第一列：时间戳（可选）
- 第二列：X坐标
- 第三列：Y坐标
示例（不带表头）：
0,10.2,20.5
1,11.3,21.1
2,12.1,22.4
...
示例（带表头）：
time,x,y
0,10.2,20.5
1,11.3,21.1
...