排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
提出了一种在末敏弹稳态下落过程中利用Hough变换将机场跑道线目标转化为对点目标的跟踪方法。考虑在各个参数解耦的情况下,对Hough平面内的直线参数利用卡尔曼滤波方法进行了状态估计与预测。在确定子弹与跑道目标的相对位置关系时,考虑到弹上探测器旋转运动的影响,结合当前帧图像的数据信息对预测方程进行修正处理,并给出了跟踪方法的详细步骤。跟踪数据分析表明,此方法实时性强,降低了参与运算的数据量,试验结果误差较小,满足目标总体设计要求。 相似文献
2.
3.
4.
由于多目标优化算法得到的Pareto最优解集通常是离散分布的点,并非连续曲线(曲面),大多数情况下无法为决策者提供较多完全符合决策要求的Pareto解。根据多目标优化与决策的关系,定义了偏好模型以量度对优化目标的满意程度,并通过灵敏度分析提出了一种Pareto改进解的计算方法,旨在确定是否存在更符合偏好要求的改进解。结果证明,此方法能有效地对Pareto最优解集中的元素进行改进,提供给决策者更多符合偏好要求的候选解,辅助决策人员选择最终方案。 相似文献
5.
6.
7.
基于角度坐标的多目标粒子群优化算法 总被引:1,自引:0,他引:1
为了在保证多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法所求解集分布性的前提下提高算法的收敛性,依据辅助适应度赋值策略,提出了基于角度坐标的多目标粒子群优化(intelligent MOPSO, IMOPSO)算法。通过建立角度坐标系,确定了不同维优化目标下目标向量的角度坐标及角度参数,给出了求取目标函数空间中参考线角度参数的方法,并定义了目标向量的辅助适应度值,以对处于非劣支配关系的个体进行综合比较。结果表明,IMOPSO算法较好地维护了Pareto解的分布性与收敛性,且在求解小规模的最优个体时仍能在整个Pareto前沿均匀分布,未出现“聚集”现象,运行时间小于NSGA2、SPEA2、MOEA/D,充分验证了IMOPSO算法的有效性。 相似文献
8.
系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理,并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取,并在此基础上进行目标初始定位与实时跟踪,以保证驾驶员在行驶中及时有效地做出判断,提高自主安全行驶的可靠性。 相似文献
1