基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位

为解决无线传感器网络中单一跟踪算法和测量技术不能获得运动目标高精度定位的问题,提出了一种将跟踪算法同时与不同测量技术相结合的混合式跟踪定位技术.通过对基于扩展卡尔曼滤波跟踪算法的分析,将基于UWB测量技术得到的距离测量值和基于ZigBee测量技术得到的接收信号强度测量值相融合,结合扩展卡尔曼滤波跟踪算法,得到一种对室内运动目标的混合式跟踪定位方法.实验表明,该混合定位方法能有效提高运动目标的定位精度.     

基于正六边形线阵CCD探测器的周视场目标探测系统

提出了一种基于正六边形线阵CCD探测器的运动目标探测系统.系统不仅可以实现360°范围内环形视场探测,还可以实时显示运动目标的位置及角速度信息,达到搜索跟踪的目的.在硬件设计方面,提出并实现了基于CPLD和AVR的电路方案.在算法设计方面,设计了适于周视场运动目标探测算法.     

强跟踪滤波在车辆组合定位系统中的应用

介绍了强跟踪滤波理论,研究了强跟踪滤波在车辆GPS/DR组合定位系统中的应用,通过仿真实验,比较和分析了强跟踪滤波和扩展Kalman滤波在车辆GPS/DR组合定位系统中的定位误差,从定位误差可以看出强跟踪滤波比扩展Kalman滤波有更好的滤波性能.     

基于Kim与Camshift结合的运动目标跟踪算法

为了能够准确和快速的跟踪部分遮挡的运动目标,提出了Kim与Camshift相结合的运动目标跟踪算法。首先通过Kim算法(即帧差法与背景相减法结合)自动的提取目标,通过提取目标确定运动区域及运动区域的质心,然后通过此运动区域提取目标特征,用Camshift方法进行跟踪。此法克服了传统Camshift算法需要人为定位,对部分遮挡目标出现目标丢失和跟踪区域偏移的情况,最后通过实验验证了本算法对部分遮挡运动目标跟踪有较好的鲁棒性。     

基于内三角形质心修正—Taylor的UWB室内定位算法

针对室内定位环境复杂,定位空间小,定位精度要求较高的问题,通过对基于到达时间差(time difference of arrival,TDOA)的Taylor级数展开超宽带(ultra wideband,UWB)定位方法的分析,提出了一种基于内三角形质心修正—Taylor的混合定位算法.考虑Taylor级数迭代算法对迭代初始值要求高的问题,首先采用内三角形质心算法对目标进行粗定位,然后采用质心修正算法对粗定位节点进行误差修正,优化后的目标坐标作为Taylor级数展开的初始值,再进行迭代求解,进行第二次精确定位.实验结果表明:所提出的算法定位性能优越,尤其在复杂室内测距误差较大的环境下有效地提高定位精度.     

面向增强现实协同式车间布局的三维注册算法

提出了一种基于磁跟踪装置的自适应区域基准的三维注册算法并应用于增强现实车间布局中.该算法的基本思路是把磁跟踪发射器的半球空间划分为N个区域,每个区域都有相应的基准,当磁接受器到达每个区域时,自动地利用该区域的基准来注册定位.为验证所提出的算法,开发了一种网络环境下支持多用户协同设计的车间布局原型系统.系统运行及误差分析结果表明,此方法相对于直接使用跟踪装置的注册算法而言,精度及鲁棒性均有所提高,能较好的满足大环境下车间布局的精度和广度的要求.     

一种比赛运动目标自适应跟踪算法的GPU实现

运动目标跟踪是计算机视觉领域核心技术之一,其软、硬件的实现方法对于促进视频和图像处理具有重要意义.以足球比赛为例,针对移动目标的大量、实时、高精度跟踪任务,提出一种基于特征融合与粒子滤波的新型自适应目标跟踪算法,并设计基于图像处理单元(graphics processing unit,GPU)的算法硬件平台.实验结果表明,所提算法及硬件平台的高效整合可以实现运动目标的可靠、快速、高精度跟踪.     

基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法

在贝叶斯框架下,基于增量正交投影非负矩阵分解目标跟踪算法能够适应各种复杂的场景,准确处理跟踪目标外观变化,取得了较好的跟踪效果,但是该算法计算量大,难以满足实时性要求。针对这一缺点,提出了一种基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法,建立基于L2范数最小化和增量正交投影非负矩阵分解的目标表示模型,在贝叶斯框架下得出跟踪结果。实验结果表明,新算法能够较好地处理视频场景中的光照变化、尺度变化、局部遮挡、角度变化等干扰,有较低的中心位置误差平均值和较高的重叠率平均值,平均处理视频达4.08帧·s-1,能够满足实时性的要求。     

基于DV-Distance的无线传感器网络定位算法研究

无线传感器网络是一种全新的信息获取和处理技术,而节点自定位技术是无线传感器网络的主要支撑技术之一.由于无线传感器的节点数量非常大,致使利用GPS定位装置收集节点位置信息的代价将会很大.因此,研究能够适应无线传感器网络节点位置信息的算法是极其重要的.本文重点对距离无关的定位算法中的DV-Distance算法进行了研究,通过MATLAB软件平台对DV-Distance算法进行了仿真实现,结果表明不同信标节点密度时,定位算法的定位误差不同,而当存在障碍物及GPS误差也会影响定位误差.     

快速跟踪移动目标的递归恒模算法

提出了一种快速跟踪移动目标的盲波束形成新算法,算法摒弃了传统的自适应波束形成算法在跟踪移动目标时,独立地进行每一次波束形成的观念,充分利用前续波束形成所提供的用户的方向信息,较大程度地加快了后续波束形成的进程,从而提高了算法跟踪移动目标的实时性.计算机模拟跟踪实验证实了它的可行性.     

拟蒙特卡罗粒子滤波改进算法及其在雷达目标跟踪中的应用

拟蒙特卡罗粒子滤波算法（quasi-Monte-Carlo particle filter, QMC-PF）精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求. 为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法. 该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有
效性和多样性;同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度;最后在不同的模型中进行仿真. 实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.     

多模块稀疏投影在密集场景目标跟踪中的应用

提出了一种包含随机运动的复杂密集场景下的目标跟踪方法. 在跟踪算法中,将稀疏模型与多模块彩色特征相结合,并通过将其转化为l1正则化最小二乘问题实现对特征的稀疏投影. 跟踪过程中利用粒子滤波得到预测跟踪点,并将对应于最小投影差的预测点模块作为最优跟踪. 为适应特征变化,在跟踪完成后根据新的跟踪结果自动更新目标模板. 大量包含遮挡和光照变化的不同类型密集场景测试验证了该方法的有效性,与其他算法的比较说明了其优良性能.     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

基于Mask-YOLO的复杂场景口罩佩戴检测

针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法.首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over...     

基于BP网络的三值动态矩阵控制算法的实现

通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性.     

基于神经网络误差修正的灰色广义预测控制

提出一种基于神经网络误差修正的多步灰色广义预测控制算法,采用神经网络对灰色系统的建模误差进行预测,同时根据新信息优先的原则,用最新预测误差不断更新神经网络建模数据,对新出现的误差具有动态补偿动力,最终预测值为模型预测值与预测误差之和,有效地抑制模型误差的影响,增强灰色广义预测的鲁棒性.仿真结果验证了该算法的有效性.     

基于干扰观测器的移动机器人轨迹跟踪控制

针对移动机器人的轨迹跟踪问题,设计了基于干扰观测器的积分滑模控制器.考虑侧滑与干扰的影响,建立了移动机器人的运动学和动力学模型.基于终端滑模理论设计了自适应滑模干扰观测器,实现了对复合干扰的有限时间逼近.在此基础上设计了基于运动学模型的轨迹跟踪控制器,保证了位置跟踪误差的渐近收敛和角度误差的有界收敛.结合干扰观测器和积分滑模方法,设计了基于动力学模型的速度跟踪控制器.通过仿真验证了所设计控制算法的有效性.     

目标跟踪算法在光照突变条件下的应用

摘要： 为了保证光照突变条件下运动人体跟踪的正确性与持续性,提出可用于光照突变条件的目标跟踪算法.首先自动检测光照突变状态,当发生光照突变时,摄像机通过曝光补偿使光照突变前后的图像亮度保持一致. 然后基于可持续跟踪Mean-Shift算法对光照突变前后的运动人体进行跟踪. 实验结果表明,该算法在光照突变条件下可以对运动人体实现准确而持续的跟踪.