基于Sage-Husa算法的自适应平方根CKF目标跟踪方法

在目标跟踪中,噪声的统计特性未知可能会引起滤波精度下降甚至发散,针对该问题,提出了一种新的自适应平方根容积卡尔曼滤波算法。所提方法在常规Sage-Husa算法的基础上采用容积规则,推导出了一种适用于非线性系统的自适应噪声统计估计器。仿真结果显示,相对于标准的平方根容积卡尔曼,所提方法在噪声统计特性未知或时变的情况下滤波精度有显著提高。     

一种基于谐波数估计的距离扩展目标检测算法

宽带雷达的目标回波信号分布在多个距离分辨单元内,被称为距离扩展目标。距离扩展目标信号傅里叶变换后在距离频率域可表示为由散射点强度和相对位置决定的不同幅度、频率和相位谐波叠加的谐波过程。将高斯白噪声中距离扩展目标检测问题转换为谐波过程的谐波数估计问题来进行目标检测。给出了高斯白噪声中使用总体最小二乘奇异值分解的谐波数估计的距离扩展目标检测器,对检测器的性能分析表明该检测器具有恒虚警性能。使用模拟数据和实测飞机数据的计算机仿真实验表明,本文提出的检测器比能量积累检测器有更好的检测能力。     

敷设空腔覆盖层的水下弹性球壳散射特性

研究敷设空腔覆盖层的水下弹性球壳声散射特性对探测和识别水下目标具有重要意义。利用 COMSOL有限元软件对水下弹性球进行仿真,获得目标强度的数值解,通过与理论解对比验证了该方法可用于计算水下球形结构的声散射特性。通过对弹性球壳敷设覆盖层前后的目标强度进行仿真,对比结果指出敷设空腔覆盖层能有效降低球壳的目标强度。进一步讨论覆盖层材料参数和空腔结构变化对弹性球壳声散射特性的影响,结果表明：空腔比、覆盖层厚度和损耗因子值越大,目标强度越小;与圆柱、圆台空腔相比,圆锥空腔的目标强度最低。     

基于双目视觉的物体识别定位与抓取

为解决目标识别精度低、定位与抓取配合困难问题,通过对算法的改进研究了物体的识别定位与抓取,包括识别目标物体、对于目标物体形心的位置三维重建、对于目标物体的姿态估计、对于手眼标定后的抓取4个方面。在目标识别中,首先通过快速鲁棒特征(speeded up robust features,SURF)算法结合Grabcut算法提取出目标。在位置求解中,利用模板匹配求取目标物体形心的世界坐标。在姿态估计中,算法的流程为:利用匹配点对求取左图中物体母线斜率,再随机取斜率等于左图母线斜率的两点,通过两点的世界坐标求出目标物体的姿态。在抓取中,采用的眼在手上,先建立工件坐标系,再进行坐标转换,通过机器人参数求得逆解。研究结果表明:误差均在较小范围内且机器人可在有效工作范围实现抓取。可见算法可靠以及整体实验的正确性。     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

一种改进的OTHR自适应海杂波抑制方法

海杂波抑制严重限制天波超视距雷达(over the horizon radar, OTHR)系统对低速舰船目标检测能力的主要原因之一。针对自适应海杂波抑制方法中当杂波与目标多普勒频率接近时存在目标谱峰分裂或目标谱峰偏移的问题,提出一种采用运动目标显示（moving targetindication, MTI）与基于特征值分解的自适应杂波抑制相结合的改进的特征值分解（modified eigen value decomposition, MEVD）海杂波抑制方法。该方法通过MTI滤波器抑制目标谱峰内杂波,之后通过自适应抑制方法抑制其他杂波,具有同时抑制一阶和高阶海杂波的能力,提高了目标信杂噪比,有助于提高OTHR对舰船目标的检测性能。理论分析、仿真实验和实测数据处理结果均验证了MEVD方法的有效性。     

星机双基地SAR-GMTI中的运动误差分析

运动误差补偿影响杂波抑制、多普勒参数估计和目标聚焦成像,是双基地合成孔径雷达地面运动目标检测(synthetic aperture radar ground moving target indication , SAR-GMTI)的一项关键技术。根据星机双基地系统的特点,提出了一种有效的运动误差分析和补偿方法。从星机双基地SAR GMTI的运动误差几何模型出发,分析出误差对运动目标参数的影响,并给出了相应的补偿因子。特别针对地势起伏和斜视角不能忽略的情况,分析了误差补偿的偏移量并提出了有效的补偿方法。最后,计算机仿真验证了所提方法的有效性。     

基于单目视觉的微型飞行器移动目标定位方法

针对目标在地形高度未知环境中移动的情况,给出一种利用微型飞行器机载单目摄像机进行目标定位的方法。首先,借助光流直方图从当前图像帧中提取出移动目标局部区域内的背景特征点|然后,结合机载微机电系统(micro electro mechanical system, MEMS)/ 全球定位系统(global positioning system, GPS)传感器测量的飞行器位姿和空间平面点成像的单应变换关系,在期望值最大化算法中将背景特征点分类为辅助平面点和非辅助平面点,并估计辅助平面到摄像机光心的距离参数和法矢量参数,从而确定移动目标所处辅助平面的空间平面方程|最后,联立求解目标视线方程和辅助平面方程获得交点坐标,转换到惯性系下完成移动目标的地理定位。实验结果表明,当微型飞行器飞行高度为100 m时,操作人员单次点击移动目标的定位误差在15 m以内。