基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

最小二乘配置的QR分解解法

为了解决最小二乘配置解算问题,采用QR分解解法建立了直接解算算法.分析了目前采用的最小二乘配置法解算方法,在讨论了矩阵的QR分解方法的基础上,推导得出了矩阵QR分解与广义逆矩阵的关系,得出了可以直接利用QR分解求解矩阵的最小二乘逆,并推导了应用QR分解求解最小二乘配置的估值计算公式和精度估算公式,最后通过重力异常实例进行了计算,得出矩阵的QR分解用于最小二乘配置解算的正确性和可行性.该成果为最小二乘配置法提供了一种新的解算方法.     

四元数量子理论中最小二乘问题的代数方法

借助四元数矩阵的复表示, 引进四元数矩阵范数, 研究四元数最小二乘 问题并得到了在四元数量子理论中解决四元数最小二乘问题的一种代数方法. 数值算例说明了算法的有效性.     

矩阵方程AXB=C的中心对称最小二乘解的迭代解法

给出了求矩阵方程AXB=C的中心对称最小二乘解的一种迭代解法,即利用法方程变换,将求解最小二乘解转化为相容矩阵方程的求解问题,再利用迭代法求出新方程的直接解.使用该方法,对任意给定的初始中心对称矩阵都可在有限步内迭代求出它的中心对称最小二乘解.并且将求最佳逼近的问题转化为求一个新方程的极小范数解的问题,同样可用迭代法求解.     

基于特征分组的在线目标跟踪算法

在线目标跟踪是计算机视觉领域的一个具有挑战性的问题.提出了一种基于特征分组的在线目标跟踪算法.首先,利用像素点在多帧的方差对模板库中的目标模板进行特征分组.然后,利用主要特征图像和次要特征图像学习投影矩阵P,对样本进行投影.最后,利用最小误差法得出当前帧的跟踪结果.与其他典型算法相比,该算法对目标的异常变化具有很强的鲁棒性.     

反对称正交反对称矩阵反问题的最小二乘解

主要讨论反对称正交反对称矩阵的反问题的最小二乘解.首先,在反对称正交反对称矩阵的集合范围内求出了矩阵方程AX=B的最小二乘解;其次,求出其中与给定矩阵的最佳逼近解;最后给出了求解此类问题的算法和例子.     

解线性最小二乘问题的正交化方法及应用

文章讲述在求解线性最小二乘问题时系数矩阵出现病态时,应用Househo lder变换把系数矩阵正交三角化,从而求出最小二乘解,以及在实际中的应用.     

WGS-84坐标系下改进的广义最小二乘配准算法

针对广义最小二乘算法在WGS-84坐标系中存在收敛速度慢及收敛性能不稳定的问题,提出了一种改进的广义最小二乘算法.该算法以收敛步数作为最小二乘算法中的量测精度加权因子,使得量测精度随着步数的变化而变化,从而实现了收敛步数的减少和收敛之后稳定性的改善,提高了目标跟踪定位的性能.仿真结果表明,改进的广义最小二乘算法优于广义最小二乘算法,进一步验证了该算法的有效性.     

传感器位置浮动情况下的水下TDOA定位算法

针对水下声源定位中传感器位置存在不确定性的问题,提出了一种基于两阶段加权最小二乘算法的水下目标定位算法.首先,当传感器位置浮动时,利用获取的到达时间差数据,将测量值噪声和传感器位置误差构造加权系数矩阵,通过加权最小二乘算法估计目标位置;然后,通过引入目标定位误差构造定位方程;最后,用求解的目标定位误差调节上个阶段估计的目标位置.仿真结果表明:在传感器位置噪声较小情况下,本文算法具有较好的定位精度.     

基于内积矩阵Euv的最小二乘形式矩阵Padé-型逼近

为提高求矩阵Padé-型逼近解的精确度,给出一种求解矩阵Padé-型逼近解的改进算法,即基于矩阵Euv的正交多项式Padé-型逼近算法.另外,当矩阵值幂级数展开式的系数产生微小摄动时,矩阵幂级数的Padé-型逼近解变化往往很大,借助误差公式、内积单位矩阵和最小二乘法构造一种稳定性和精确度均有所提高的最小二乘形式矩阵Padé-型逼近算法.最后,对这两种算法分别给出完整的分子和分母行列式表达式.     

基于Hopfield神经网络的图象处理

本文应用Ｈｏｐｆｉｅｌｄ网络模型解决计算机视觉中图象匹配与识别问题,对于单幅幅物体的３条边与模型中３条对应力,通过求解一元人方程同三维物姿态,进一步应用Ｈｏｐｆｉｅｌｄ网络求出最佳匹配点,从而识别三维物体,本论文的方法将为计算机视觉中高怪次匹配问题提供一种新的并行处理的途径。     

3D Object Visual Tracking for the 220kV/330kV High-Voltage Live-Line Insulator Cleaning Robot

The 3D object visual tracking problem is studied for the robot vision system of the 220kV/330kV high-voltage live-line insulator cleaning robot. The SUSAN Edge based Scale Invariant Feature (SESIF) algorithm based 3D objects visual tracking is achieved in three stages: the first frame stage,tracking stage,and recovering stage. An SESIF based objects recognition algorithm is proposed to find initial location at both the first frame stage and recovering stage. An SESIF and Lie group based visual tracking algo...     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

虚拟现实开发工具中几何对象的表示及存储

提出并设计一种可描述多部件复合物体的3D几何模型及存储结构,供虚拟现实开发工具（SVRT）使用。用具有层次结构和多级坐标系统的边界表示法描述几何对象,用二叉树数据结构进行存储,并用VC＋＋和OpenGL实现。这种几何模型和存储结构能较精确地描述物体的几何形状及表面属性,易于存取和绘制。解决了单部件模型无法实现复杂行为的问题,满足SVRT系统的要求。也可供其他虚拟现实系统使用。     

基于稀疏表示和粒子滤波的在线目标跟踪算法

针对目标跟踪过程中由于外形变化或者遮挡所造成的跟踪效果下降或导致漂移的问题,提出一种粒子滤波框架下基于稀疏表示的在线目标跟踪算法.采用分层梯度方向直方图(PHOG)特征对目标模板进行描述,并且每一个候选模板都可以通过PHOG基向量和琐碎模板进行稀疏表示,进而利用L1范数最小化方法进行最优求解.为保证在遮挡的情况下目标跟踪的精度,对目标遮挡部分和非遮挡部分进行拆分建模,并利用PCA子空间增量学习的方式不断更新目标跟踪模型.通过对具有挑战性的跟踪视频进行定性和定量分析,实验证明该方法在跟踪精度上要优于传统的跟踪方法.      

三维场景的运动分析及图像分割方法研究

提出一种利用三维场景模型对视频图像进行分析并实现图像分割的方法,利用图像序列的前两帧获得图像的深度映像,实现场景的三维网络描述,采用简单的线线算法获得运动参数,并对场景模型不断修正,实验结果表明,这种方法有交地实现了视频分割,目标跟踪以及VOP（视频对象平面）的构造。     

海岸带多源数据三维无缝拼接技术

为解决多源海陆数据中基准不一致、数据模型及格式不统一、同一地物表达上的差异等问题,设计了海陆数据的无缝拼接方案.利用坐标转换和垂直基准差拟合解决空间基准的不一致性,建立统一海部水深离散点和陆部等高线的多源数据无缝数字高程模型(DEM),基于点删除的不规则三角网(TIN)简化算法可实现海岸带模型的多尺度表达.实例分析表明,该方案可实现多源海陆数据的三维无缝拼接和多尺度表达.     

基于多方法集成的目标跟踪算法

在线运动目标跟踪是目前模式识别领域的一个难点问题,目标物体角度、姿态、远近距离变化以及遮挡等给鲁棒在线跟踪算法提出了苛刻的要求,单一算法很难有效处理所有问题.多方法集成是实现鲁棒在线跟踪的一种有效手段,为此提出了一个集成on-line boosting、基于归一化互相关的模板匹配法和粒子群优化算法的自适应目标跟踪算法框架.其中,on-line boosting是基本的跟踪算法;基于归一化互相关的模板匹配法有效避免了on-line boosting过多的错误更新;而基于粒子群优化算法的跟踪策略提高了系统对快速运动、外观变化的适应能力,同时也为模板的更新提供了保障,三种算法形成了有效互补,在稳定性和可塑性之间达到了一种平衡.在不同视频测试序列上的实验结果表明,该算法有效地缓解了自适应性和漂移之间的矛盾,能够实时地完成复杂的跟踪任务.     

基于距离角度图的三维物体表达方法

利用三角形格网提出一种新的三维物体表达方法——距离角度图法 ,它将由激光相机获取的深度图像场景数据和物体模型描述成一种易于匹配和识别的表达 .这种表达方法能够描述任意形状的物体 ,通过对参数的控制 ,能做到既可以表达物体的局部特征又可以表达物体的全局特征 ,且能够适应不均匀格网的情况     

3D Object Detection Incorporating Instance Segmentation and Image Restoration

Nowadays, 3 D object detection, which uses the color and depth information to find object localization in the 3 D world and estimate their physical size and pose, is one of the most important 3 D perception tasks in the field of computer vision. In order to solve the problem of mixed segmentation results when multiple instances appear in one frustum in the F-PointNet method and in the occlusion that leads to the loss of depth information, a 3 D object detection approach based on instance segmentation and image restoration is proposed in this paper. Firstly, instance segmentation with Mask R-CNN on an RGB image is used to avoid mixed segmentation results. Secondly, for the detected occluded objects, we remove the occluding object first in the depth map and then restore the empty pixel region by utilizing the Criminisi Algorithm to recover the missing depth information of the object. The experimental results show that the proposed method improves the average precision score compared with the F-PointNet method.