排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下. 相似文献
2.
该文提出一种IntegralImaging和模拟退火相结合的深度测量方法.针对传统立体视深度测量的复杂性,采用全真三维显示技术Integral Imaging成像技术记录空间三维信息.利用带约束的特征匹配算法并综合多种信息分析Integralimaging视图对之间的视差.将寻找匹配的问题设计为全局能量函数模型,并用模拟退火算法使该能量函数最小化,从而实现所有视图对中所有特征点的匹配.最后结合IntegralImaging深度估算公式获得空间深度信息.仿真结果表明该方法的有效性. 相似文献
1