应用无人机跟踪地面目标——最新研究进展

应用无人机跟踪移动目标具有广泛的应用价值,平台移动能力在使目标跟踪性能得到提升的同时,也给目标信息处理增加了难度,并带来了新的问题,即如何控制传感器的运动才能获得更好的目标跟踪性能。分析了无人机目标跟踪问题中存在的技术障碍;从目标定位、目标跟踪、同步定位与跟踪、协作式目标跟踪等方面对国内外的研究现状进行阐述;重点分析了实现移动目标跟踪的两项关键技术:目标状态估计与在线航迹规划;对未来的发展趋势进行了展望。     

风场情形基于视觉的无人机地面目标跟踪控制律设计

分析了风场对无人机航迹角的影响,定义空速、风速、目标运动速度的合向量为参考速度,将风场情形运动目标跟踪问题转化为以参考速度跟踪静止目标的情形。在静止目标跟踪航向控制律基础上,设计了一种风场情形基于参考速度的无人机地面目标跟踪航向控制律,使参考速度与摄像机视线垂直且无人机与目标水平距离为指定值。不同风速条件下的目标跟踪仿真验证了控制律的有效性。     

基于模板匹配的多模式车辆跟踪算法

动态目标识别与跟踪是计算机视觉研究的热点问题,为实现汽车辅助驾驶系统中复杂背景下多目标的稳定跟踪,提出了一种基于灰度图像模板匹配的多模式车辆跟踪算法。根据不同模式下车辆灰度图像的特点,分别采用目标边缘特征更新模板、切割分块模板和逆转模板实现了车辆在正常行驶、遮挡及边界条件下的稳定跟踪。算法应用于道路多个车辆目标跟踪提高了目标形变和遮挡情况下的跟踪鲁棒性,采用改进的金字塔加速算法提高了跟踪速度。     

宽带一维像雷达单脉冲跟踪建模仿真

宽带成像雷达通常采用窄带跟踪和宽带成像分时交替进行,这样势必造成雷达资源浪费.为了有效利用雷达资源,一旦窄带跟踪到目标后,雷达可以转入宽带一维成像与单脉冲跟踪.研究宽带一维像单脉冲跟踪模型,给出了高速运动目标宽带线性调频信号回波模型,根据该信号是同调频率的多分量信号的特点,将Radon模糊图变换法应用于调频率估计和一维像运动补偿,并给出了宽带一维像的测速、测距和测角模型.一维像的目标连续定位跟踪可以增加目标跟踪数据率,提高宽带雷达对机动目标跟踪能力.仿真结果验证了宽带一维像目标单脉冲跟踪技术的可行性和跟踪精度.     

一种稳健的空中目标跟踪方法

提出了一种稳健的空中目标跟踪方法.该方法基于MAD构遣了-种新的梯度特征相似度量算法,在梯度特征空间对目标进行匹配定位.为适应跟踪过程中目标的大小变化,利用自适应调整模板尺寸的方法在跟踪过程中调整目标模板大小,增强了对具有强机动特点的空中目标跟踪的稳定性.仿真结果表明,跟踪算法能够适应飞机在短期跟踪过程中由机动动作产生的快速形变,以及由形变带来的目标自身灰度上的剧烈变化和在长期跟踪过程中的大小变化,实现了对空中目标的稳定跟踪.     

基于MCSM的自适应跟踪算法

针对基于"当前"统计模型的算法跟踪突发强机动目标性能下降的问题,提出了一种通过强机动自适应检测调整模型参数的改进算法。该算法利用残差统计距离的概率分布设置目标强机动的检测门限,根据目标的机动水平联合调整模型的机动频率、最大机动加速度以及滤波器增益,在保持"当前"统计模型跟踪算法对一般机动目标跟踪精度的前提下,增强了系统对突发强机动目标的自适应跟踪能力。仿真结果表明,该算法扩大了跟踪机动目标的动态范围,提高了跟踪性能。     

基于改进MHT的卫星电子信息舰船目标跟踪

针对电子侦察卫星的重访时间较长且随机、舰船目标运动模型难于精确建立、数据杂波干扰强、多辐射源扩展目标跟踪等问题,结合卫星得到的辐射源特征参数提出了基于多假设跟踪(multiple hypothesis tracking,MHT)改进的舰船目标跟踪算法。首先分析了卫星电子信息舰船目标跟踪的特点;在没有辐射源类别与个数等先验知识的情况下,利用辐射源位置和载频等信息进行了两次聚类,实现了数据压缩以及杂波抑制;再在MHT的框架上利用目标运动状态信息结合辐射源的载频特征信息实现了多目标多辐射源的边跟踪边参数估计。仿真对比实验结果表明,结合辐射源特征信息的方法具有更好的跟踪性能,具有较高的跟踪精确性与稳健性。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。     

基于梯度法的对空中目标搜索与跟踪

基于捷联式角位移扰动稳定的抛物面天线步进跟踪广泛应用于运动载体对空中目标搜索与跟踪,但却存在跟踪速度慢和精度低的问题。针对此不足,研究了基于扰动速度稳定和梯度跟踪法的车载空中目标搜索与跟踪技术。抑制扰动速度的保持内环隔离车体摇摆,保持天线在惯性空间的指向。基于梯度法的跟踪外环确定目标方向和速度,快速跟踪目标,校正内环漂移。试验结果表明,该技术对硬件设备要求低,能快速、准确地跟踪空中目标。     

基于扩展量测的球坐标系中水下目标跟踪算法的研究

基于自适应高斯模型，提出了球坐标系中扩展量测的水下目标跟踪，导出了目标模型和目标运动状态的坐标转换公式，推导了基于扩展量测的球坐标系目标跟踪算法，给出了Monte carlo仿真结果。结果表明：本文提出的跟踪算法不但能够提高目标距离的稳态跟踪精度，而且能够提高目标方位角和俯仰角的稳态跟踪精度，改善系统的动态收敛特性。     

改进的均值漂移算法在运动目标跟踪中的研究

以智能交通系统中运动目标跟踪为背景,研究采用均值漂移算法,实现对快速移动的单目标事物准确实时跟踪。首先,分析了均值漂移算法的基本原理。其次,分析了均值漂移算法在目标跟踪中存在的问题及解决方法:针对目标遮挡情况下目标跟踪的准确性问题,采用将均值漂移算法与卡尔曼滤波算法相结合的自适应均值漂移目标跟踪算法;针对大小不变的带宽窗口可能导致跟踪丢失的问题,采用了自动调节带宽窗口的方法。最后进行了仿真实验。     

实时电视跟踪系统中目标跟踪精度的分析

本文提出了由于噪声影响实时电视跟踪系统的目标位置点的误差分析算法。从系统的跟踪算法中导出目标跟踪系统误差分析模型。 本文导出目标质心位置的统计模型。第一种模型,即目标跟踪误差简化模型,通过假设目标的误分类概率等于背景的误分类概率推导出。第二种模型,即目标跟踪误差扩展模型,通过假设目标的误分类概率不等于背景的误分类概率推导出来。本文描述这些模型及其数学含义。     

基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。     

α-β和α-β-γ目标跟踪器的一个广义参数——跟踪指数

本文给出目标跟踪问题的一种一般化的最优滤波解。先定义一个广义参数,即跟踪指数。它正比于由目标机动引起的位置不确定性与由敏感器测量引起的位置不确定性之比。把最优滤波理论用于目标跟踪问题,发现跟踪指数这个广义参数在随机调节跟踪问题的最优稳态解和跟踪初始化过程中都具有重要的作用。对于不同阶数的跟踪模型,跟踪指数解给出一组关于广义跟踪增益、最佳参数关系和跟踪性能的封闭形式的、一致的公式。应用跟踪指数参数和一种递推形式的初始化和跟踪过程,就可以用一种象熟知的α-β滤波器或α-β-γ滤波器(这取决于跟踪的阶数)那样简单的算法达到卡尔曼滤波器的精度。     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。     

多传感器激光跟踪测量精度分析

主要讨论了在二维空间内，利用激光干涉仪对目标进行跟踪滤波时，干涉仪的布局对跟踪精度的影响，通过理论分析得出，跟踪精度主要受目标距离干涉仪的远近以及目标与干涉仪的夹角的大小有关。与所选择的从标系关系。目标距离干涉仪越近，跟踪精度就越高，目标与干涉仪所形成的夹角越大，跟踪精度越高，最后的仿真结果与理论分析结果相一致。     

双基地MIMO雷达目标跟踪性能分析

研究双基地多输入多输出（multiple input multiple output, MIMO）雷达目标跟踪的性能。建立双基地MIMO雷达发射相干脉冲串时的目标跟踪数学模型,给出反映目标跟踪性能的贝叶斯克拉美罗界（Bayesian Cramer-Rao bound, BCRB）递推式。针对目标的线性状态方程和双基地MIMO雷达的量测方程,求解BCRB的递推式。最后仿真分析各参数对跟踪性能的影响,结果表明量测信噪比越大、量测脉冲数越多、阵元间距越大跟踪性能越好,且在总发射功率一定的条件下,发射阵元数越多跟踪性能越好。     

基于分块颜色直方图的MeanShift跟踪算法

针对基于MeanShift的跟踪算法对目标尺度变化适应能力差并且不能对目标的旋转进行跟踪的缺点,提出了一种基于分块颜色直方图的Mean Shift跟踪算法.新算法引入目标旋转和缩放矩阵使得算法能够适应目标的旋转和尺度变化,分块的颜色直方图包含了目标的空间信息,提高了跟踪算法的鲁棒性和适应能力.实验结果表明新算法能够同时对目标的尺度和旋转变化进行稳定的跟踪,改善了原算法的适应能力.     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。