AR系统中并行技术的应用研究

AR(Augmented Reality增强现实)系统运行时包含很多图形、图像的相关计算任务，要求系统实时完成，这个问题在基于PC的AR系统中更为突出。为了提高IP(1mage Processing图像处理)计算的实时性，提出了一种可行的并行解决方案。硬件上采用基于SMP(Symmetric Multiple Processor对称多处理器)的Cluster结构，算法上运用并行图像算法。在Windows操作系统下用多线程和MPI(Message Passing Interface消息传递接口)技术，设计了并行图像算例实验，并对这两种方法进行了综合比较。     

基于消息传递接口的并行图像处理算法研究

对于大数据量图像和复杂图像处理算法,并行处理是一种有效的解决方法.基于消息传递接口,设计了一种并行图像边缘检测算法,并在曙光4000L并行机上予以实现.数值实验结果表明,并行图像处理能显著减少计算时间,更多的计算节点能得到更大的加速比,该并行图像处理算法对于大数据量图像更加有效.     

卡尔曼滤波在空间多点光通信跟踪系统中的应用研究

目前,空间激光通信的研究仍然是一点对一点的通信模式,无法完成星地间、星星间不间断信息高速传输的任务。要完成完整的激光链路信息传输,必须采用星上多点激光通信技术。本文介绍了多点激光通信中的光学天线,并利用卡尔曼滤波预测实现对光斑的预测跟踪,实现了光学镜片的协同控制,为多点通信的实现提供了研究价值。     

基于特征点光流和卡尔曼滤波的运动车辆跟踪

提出一种基于特征点光流的运动目标跟踪方法,将卡尔曼滤波跟踪技术和多边形跟踪策略应用于智能交通系统的运动车辆实时跟踪,使跟踪变得简单和稳定,计算机仿真结果表明,采用所提出的方法,能够以较高精度实现运动目标跟踪的目标模型选择、目标特征点选取、特征点光流计算、特征点光流聚类和目标识别,且计算量小、易于实现。     

卡尔曼滤波在空间多点光通信跟踪系统中的应用研究简

目前,空间激光通信的研究仍然是一点对一点的通信模式,无法完成星地间、星星间不间断信息高速传输的任务.要完成完整的激光链路信息传输,必须采用星上多点激光通信技术.本文介绍了多点激光通信中的光学天线,并利用卡尔曼滤波预测实现对光斑的预测跟踪,实现了光学镜片的协同控制,为多点通信的实现提供了研究价值.     

基于MPI的并行PC集群搭建的实现

本文阐述了在Linux和Windows系统下,搭建基于MPI的并行PC集群的过程,实现了各个节点的互通和基于MPI的并行计算.     

基于距离和信息的单目标精确跟踪

对仅有“距离和”测量信息的多传感器系统提出了一种对量测方程预处理的快速卡尔曼跟踪算法．该卡尔曼跟踪算法通过对量测方程预处理得到目标位置与“距离和”测量量成线性关系的观测方程；状态变量只选目标的空间坐标，而速度矢量仅作为确定性输入量加入状态方程，速度矢量通过引入速度“伪测量值”滤波得到．并同以前的跟踪算法仿真比较表明，该方法计算量小，收敛速度快，精度高，具有一定的实用价值．     

基于HOG-SVM的改进跟踪-学习-检测算法目标跟踪方法

对于经典TLD(跟踪-学习-检测)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,本文提出了一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bitBP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

基于卡尔曼滤波的车辆跟踪技术

为了满足高速行驶下系统对目标的快速定位,介绍了如何运用卡尔曼滤波技术建立一个通用的物体运动模型,从而达到快速跟踪一个或多个运动目标的目的.着重介绍了动态噪声为有色噪声的卡尔曼滤波算法,针对具体对象构造了状态方程和测量方程,并给出了具体计算方法和实验结果.该跟踪技术在四川省高速公路上进行了反复实验,本车时速达到120 km/h时,仍然可以实时跟踪定位前方车辆.     

基于激光雷达的车辆跟踪与识别方法

提出了一种基于激光雷达的车辆跟踪与识别方法.该方法采用Kalman滤波实现目标跟踪,运用坐标变换法消除不同数据帧中物体形状差异对跟踪中心的影响,结合车辆矩形投影及速度特征识别车辆.针对由于遮挡或某部分反射率低而引起的目标分割现象,提出了一种结合车辆外形与轮廓特征的聚类合并算法.仿真实验表明,该算法精度高、实时性好且鲁棒性强.     

PC机上并行计算线性方程组

作者从微机内存有限这一实际情况出发,采取内存与硬盘交换数据的方法,利用网络技术及可移植消息传递界面MPI,给出了在微机簇上实现求解较大规模线性方程组的并行算法。同时,此算法也适用于在单个微机上串行求解线性方程组。并编制程序在微机簇上进行了数值试验,得出了正确的计算结果。     

基于PC机群并行环境的构建方法

介绍一种用于高性能计算的并行环境－PC机群，从硬件平台和软件环境两个方面讲述了它的构建方法，并简单介绍了MPICH并行环境的使用方法。     

消息传递接口在偏微分方程中的并行计算

针对四冲程内燃机活塞在气缸套中的二阶运动轨迹的求解问题，提出基于消息传递接口（MPI）并行化求解非线性二阶偏微分方程，计算时用消息传递的并行编程模型对不存在数据相关的部分实施并行化。对各个模块的划分以及颗粒度的大小进行了论述。对求解问题中不同的求解精度要求和通信方式，分别在SUN工作站和上海超级计算中心神威机上进行计算，对各自的总计算时间和并行时间做了对比分析，并给出了加速比和适宜的进程数。研究表明，改进后的并行算法可以在较短的时间内得到高精度的结果，且具有很好的加速比。     

基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法

针对复杂环境下雷达目标跟踪系统易受外界干扰引入噪声污染分布问题,为了保证系统实时可靠,提出了一种基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法(innovation-based adaptive extended Kalman filter, IAEKF)。通过建立系统新息统计特性,构造系统与量测噪声函数,将新息协方差直接引入滤波器增益矩阵计算,在不增加计算代价的同时,改善算法的自适应性。仿真实验表明,在雷达测量系统受时变噪声污染分布影响下,IAEKF算法相比EKF算法跟踪精度高,算法可行且有效,具有一定的工程研究价值。     

基于区域分解和MPI的线性带状方程组归并迭代解法器

线性带状方程组并行解法器往往基于两层迭代的区域分解方法,采用M P I(m essage pass ing in terface)实现,因此导致的总迭代次数太多或者进程通信开销太大都会使解法器效率低下。该文通过研究减少迭代次数和降低进程通信开销的方法,设计了一种适合区域分解和M P I系统的高效的归并迭代并行解法器。这种解法器通过引入全局加速收敛算法,把两层迭代归并为一层迭代,有效减少了迭代求解的总次数,并且采用分块并行技术降低M P I系统上加速收敛算法的进程通信开销。实验证明归并迭代并行解法器能够保证和串行解法器大致相当的总迭代次数,分块并行加速收敛技术能够降低接近1/2的全局进程通信时间。     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.     

纳米流体流动与传热过程的LBM并行计算

建立了描述纳米流体流动与传热过程的格子-Boltzmann模型,针对格子-Boltzmann方法（LBM）高度并行性的特点,用消息传递机制实现了平板间纳米流体流动与传热过程的LBM并行计算,分析了处理器数目与区域分解模式对计算效率的影响。结果表明,纳米粒子的微运动强化了流体与壁面以及流体内部的换热过程,LBM并行计算方法应用于纳米流体流动传热计算能够提高计算效率。     

对匀速直线运动目标跟踪的转换坐标卡尔曼滤波算法

文章根据某型雷达对空间匀速直线运动目标的跟踪要求，采用了转换坐标卡尔曼滤波跟踪算法．在转换坐标卡尔曼滤波跟踪算法中，球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声，在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪，仿真结果显示，该算法收敛迅速，精度可以满足雷达对空间机动目标的跟踪要求．