基于CAD模型的立体视觉目标运动估计

提出了一种基于CAD模型的目标运动估计和目标轨迹实时生成方法,分为两步：首先采用立体视觉系统由图像特征点求出目标特征点的每个采样周期的空间位置;然后由其匹配模型的特征点集,通过扩展卡尔曼滤波方法估计目标运动参数,有了上述参数,就可以设计与伺服系统事宽匹配、消除图像处理延时影响的目标轨迹生成器,文中对目标的运动估计算法进行了仿真研究,结果表明该算法是可行的,文章创新之处在于推导了双目立体视觉系统的运动估计算法。     

基于H.264运动估计算法的研究与优化

在相同的重建图像质量下,H.264比H.263节约50%左右的码率.但是H.264获得优越性能的代价是计算复杂度增加.运动估计是视频压缩中的关键技术,占视频编码计算总量的50%以上.然而一般的运动估计算法在获得较高准确度的同时,常常伴随着较大的计算量,所以,本文的算法就是在清华大学推出的经典运动估计算法UMHexagons的基础上进行的改进,使其在图像准确性与计算复杂度之间达到较好的平衡.     

基于快速运动估计算法UMHexagonS的研究

UMHexagonS算法已经被视频编码标准H．264正式采纳作为整像素的快速运动估计算法。该算法的运算量相对于快速全搜索算法可节约90%以上,同时能够保持较好的率失真性能。本文结合JM10．2的源代码对UMHexagonS算法进行了分析,并对该算法进行了改进。通过利用运动矢量间性,采用一种新的自适应的非对称十字形模板来代替原算法中的非对称十字形模板,并将改进的算法在JM10．2测试模型上进行了验证,,实验结果表明,本文建议的方法在保证编码性能的同时,可以有效减少运动估计所需要的时问。     

判断运动复杂度的快速运动估计算法

为了提高视频压缩编码中运动估计算法的效率,提出了一种判断运动复杂度的快速运动估计算法(MC-FME算法).首先利用单帧图像的纹理信息与宏块匹配残差自适应地判断帧级运动复杂度,再利用当前宏块运动向量预测集中预测值的差异性自适应地判断宏块级运动复杂度,最后根据运动复杂度进行相应的运动估计.实验结果表明,与菱形搜索算法和分级运动估计算法相比,MC-FME算法可以在保证图像质量的前提下,匹配点数降低5%～21%,运动估计时间缩短3%～5%,从而达到加快运动估计的目的.     

运动估计算法研究与实现

本文介绍了运动估计的原理和算法,并在VC平台上分别对基于全搜索算法和菱形搜索算法进行仿真,通过处理前、后视频图像PSNR值和处理时间的比较和分析,得知基于全搜索算法的运动估计质量最好,在时间要求比较高的情况下,基于菱形搜索算法的运动估计效率更高。     

基于AVS编码的运动估计算法优化设计

AVS是我国自主制定,拥有自主知识产权的音视频编码技术标准.该文通过对AVS参考软件rm52c中快速运动估计算法进行分析,对整像素、1/2像素和1/4像素搜索提出了改进策略.采用自适应阈值搜索停止算法,在保证运动估计精度的同时,减少了运动估计的搜索次数.实验结果表明,该策略在重建图像质量屡有下降的情况下明显提高了编码速度.     

基于CUDA的运动估计算法研究

运动估计是H.264视频编码器中复杂度最高、耗时最长的模块.本文介绍了运动估计的基本原理以及全搜索算法FS(Full Search)和钻石搜索法DS(Diamond Search)等经典的运动估计算法,并引入了基于CUDA的运动估计算法:全域消除GEA算法和基于CUDA的并行FS算法,有效地提高了H.264视频编解码速度.     

相关块匹配运动估计算法

对ＭＡＤ准则的块匹配算法在运动矢量一致性和抗噪声方面性能欠佳提出了相关块匹配运动估计算法。模拟实验表明，新算法在传统算法的基础上具有更好的运动矢量一致性。     

基于块匹配的运动估计的改进算法

运动估计是视频压缩中帧间预测编码的关键技术之一,在各个压缩标准中都广泛使用了基于块的运动估计技术。本文分析了影响运动估计时间和准确度的因素,提出结合各类算法优点的新型的算法,并由实验表明其优越性。     

基于H.264标准的运动估计算法研究

目的 通过分析经典运动估计算法,并归纳其技术要点比较总结其优缺点,提出一种快速运动估计算法.方法 利用小菱形(SDSP)模板和六边形(HSP和VSP)组合模板自适应地进行模板匹配搜索.结果 充分利用序列图像的时间、空间相关性进行运动类型的划分,并进行了起点预测,实现了快速运动算法.结论 仿真卖验证明该改进算法在保证重构图像质量基本不变的情况下,减少了运动搜索点数,提高了运动搜索速度,缩短了运动搜索的时间.     

基于神经网络的室内外场景识别方法

针对目前室内外场景识别方法所面临的低精度、低可靠性和低稳定性的问题,提出了一种基于神经网络算法的高精度室内外场景识别的方法.该方法利用智能手机内置的光传感器、磁传感器和全球导航卫星系统(global navigation satellite system,GNSS)模块采集训练数据,根据卫星数量、高度角、信噪比数据在室...     

跟踪系统卡尔曼滤波器的仿真对比分析

比较了跟踪系统中扩展卡尔曼滤波、无迹滤波在二阶常速(CV)统计模型下实现的性能。比较结果显示,无迹滤波(UKF)的性能要明显优于扩展卡尔曼滤波。     

UKF在车辆组合定位技术中的应用

用一种新型的无迹卡尔曼滤波算法(UKF)代替传统的扩展卡尔曼滤波算法(EKF),对GPS/DR组合定位系统进行信息融合滤波。通过计算机仿真和分析后,结果表明无迹卡尔曼滤波算法UKF的滤波定位精度明显高于扩展卡尔曼滤波器EKF,而且UKF对由于系统非线性所引起的滤波误差有很好的抑制作用,因此UKF算法对于要求高精度、低成本和高可靠性的GPS/DR组合定位系统来说是一种值得推广的滤波算法,具有一定的应用价值。     

基于核函数与卡尔曼滤波的室内定位方法

针对室内定位中存在的定位精度不高、定位稳定性较差的问题,提出了一种基于核函数与卡尔曼滤波结合的室内定位算法.首先利用核函数作为匹配算法进行初步定位,高斯核函数可以充分捕获参考点指纹与测试点RSS之间的非线性相关性,取得比K最近邻算法更好的匹配效果,再利用卡尔曼滤波对核函数的定位结果作滤波处理.实验结果表明,在真实无线局域网环境下,对核函数定位的结果作卡尔曼滤波处理后,均方根误差降低了25%,2m以内的定位准确度由75%提高到90%,定位稳定性提高了29%.     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

A planar parallel manipulator based novel MEMS device bonding system

A novel MEMS device boning system is presented. Aiming at the high velocity, high precision and high flexibility requirements, a novel manipulator of planar parallel structure is developed to substitute ordinary X-Y table. In addition, the machine vision is implemented to improve the system＇ s flexibility. The initial angular positions of the joints are estimated by the extended Kalman filter algorithm. As a resuh, the manipulator＇s absolute locating accuracy in its workspace is guaranteed indirectly. For any MEMS device, the bonding system itself can be used as measurement equipment to create the device＇ s geometry model, which is the base to do off-line programming. A quite ideal trade-off between the system＇ s flexibility and efficiency is got. Finally, some verified motion specification of the manipulator, the bonding experimental results and the verified qualities of the bonded devices are provided.     

WiFi与行人航迹推算自适应无迹卡尔曼滤波融合定位算法

针对wifi信号易受环境波动和存在多径效应现象,行人航位推算(PDR)系统中传感器模块精度有限,且存在累计误差问题,因此提出了一种加入自适应调整因子的改进无迹卡尔曼滤波(UKF)融合算法,该算法利用残差rk的理论协方差与实际协方差的差异作为条件,引入调整因子ρ调整状态向量和观测向量的协方差进而调整卡尔曼增益参数,增强系统鲁棒性和提高定位精度。在实验环境中,实验结果表明所提算法的平均误差为1.35m,最大误差为2.23m。定位位置误差在1.5m以内的概率达到了约80%,相比于标准UKF算法在1.5m以内的概率约为22%,提高了约58%。     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

RSSI的室内人员卡尔曼滤波定位算法

RSSI定位技术的室内定位算法中,由于室内环境的复杂性及人员的随机性等因素可能会带有噪声影响,所以需要加以抑制。本次设计的室内定位算法首先根据室内特殊环境设计出定位算法流程图,建立算法模型并用卡尔曼滤波算法来抑制环境中噪声因素所引起的误差,然后结合改进的RSSI算法实现室内移动人员的定位,使得定位的结果更接近于真实值。重点研究将卡尔曼滤波算法与改进的RSSI算法相结合估算出更精确的室内人员位置信息。通过实验表明,结合卡尔曼滤波改进的室内人员定位算法的定位精确度有明显的提升,误差相比于文献9所提出的定位算法有所降低。     

Kalman滤波的发散现象及其克服方法

指出了Kalman滤波可能出现的发散现象，分析了产生的原因，通过实例的讨论，提出了一种克服发散的方法。