基于ICONDENSATION算法的人手跟踪与手势识别算法

为实现基于手势的智能人机交互,提出了一种基于视觉的人手跟踪与手势识别算法.该方法以ICONDENSATION算法为基础,融合颜色与深度信息进行重要采样,结合轮廓信息并通过ASM模型的能量函数进行观测,根据最大后验概率对几种预定义的手势进行识别.实验结果表明,该算法能够有效地实现复杂背景下的人手跟踪与手势识别,为进一步实现智能人机交互奠定了基础.     

基于车辆动力学的轨迹跟踪器设计

轨迹跟踪是移动机器人导航中的核心问题之一。针对非完整运动约束车辆,利用反馈线性化方法设计了轨迹跟踪器,仿真研究了跟踪算法的鲁棒性。最后,介绍了工程实现中参数观测器设计等相关问题。     

高校工程建设项目全过程跟踪审计研究

根据高等教育的发展形势,从高校工程建设项目审计的现状出发,针对工程项目管理的动态过程呈连续性和阶段性的特点,对全过程跟踪审计的内涵、工程建设项目跟踪审计的重点以及应注意把握的几个问题进行研究,从而实现对工程建设项目全过程的审计监督与控制,提高投资效益.     

红外/毫米波复合制导信息处理方法及MPSoC实现

针对共口径红外/毫米波复合制导应用需求,提出一种基于自回归(AR)谱估计和扩展卡尔曼滤波的信息融合处理新方法,基于此方法构建了实现红外/毫米波复合制导信息处理的多处理器片上系统(multiprocessor SoC,MPSoC),该系统采用主/从流水线结构,解决了基于此系统框架的多核通信、系统同步等问题.所提多处理器片上系统在单片FPGA上实现,FPGA实测结果表明,目标融合预测轨迹和真实轨迹基本重合,误差不超过10-2 rad,航向角融合精度远高于毫米波雷达和红外的精度,取得了比较好的融合效果;在100MHz的时钟下,整个红外/毫米波复合制导的信号处理的处理时间不超过2ms,满足复合制导对系统的实时性要求.     

一种间断观测下的无人机地面目标跟踪方法

提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),解决间断观测下的无人机地面目标跟踪问题.采用基于中心线和梯度图的快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力.采用贝叶斯滤波器分两步在线更新目标状态的后验概率分布,即在预测阶段考虑适航地图对目标运动的约束,以及在估计阶段充分利用目标的所有观测信息.仿真结果表明,在间断观测下该算法对地面机动目标有着良好的跟踪效果.     

基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.     

多摄像头目标跟踪动态单应投影方法研究

动态单应投影变换算法利用各个摄像头之间的相对位置参数,并基于文中所给出的光轴辅助坐标变换方法,可以快速地计算出各个视角间单应变换矩阵的参数,通过该变换可以实现各视角图像间的快速投影.这种快速投影变换方法不需要通过匹配视角间图像的像素点对来计算单应矩阵参数,而是直接利用摄像头内部固定参数和外部相对位置参数快速计算视角间图...     

联合摄影及斜点样方法的单株植物冠层结构参数测量(Ⅰ):冠层三维重建

联合摄影、三维立体体元模型及光线跟踪法开展了面向高精度总面积指数(plant area index,PAI)测量的冠层精细三维模型重建研究.研究发现,冠层背景及天气条件对冠层影像分类影响显著;相机外方位元素解算精度受控制点精度影响较大,但受控制点数目影响相对较小.合理的单位体元大小及分区大小组合对于冠层三维重建至关重要,任意单位体元大小及分区大小组合可引起冠层三维重建异常.与立体体元大小相比,分区大小对冠层三维重建影响更为显著.     

适用于无线传感器网络太阳能系统的MPPT算法

结合无线传感器网络节点的工作特点及光伏供电系统特性,设计了一种新型光伏电池最大功率点跟踪算法。利用光伏电池物理特性中最大功率点随工作环境温度变化的事实,在无线传感器网络节点工作周期内将环境温度测量值引入跟踪算法中,实现系统最大功率点跟踪高可靠性、低复杂性、低成本及较高精度的目标。数学模型仿真及小型光伏电池实际测试结果均...     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.