自适应的免疫粒子滤波车辆跟踪算法

针对真实场景中的车辆跟踪问题, 提出一种改进的粒子滤波车辆跟踪算法. 通过免疫重采样框架减少粒子退化, 保证粒子滤波的有效性, 并参照人工免疫算法的思想建立记忆库, 使算法可较长时间地跟踪目标; 利用背景权重直方图和分块判别机制减少因遮挡导致的跟踪偏离, 同时在运动模型和抗体变异过程中加入自适应学习参数, 提高算法的鲁棒性. 实验结果表明, 在光照变化、 运动突变、 目标遮挡等不同条件下, 该算法具有稳定跟踪的能力, 验证了算法的有效性.     

在线机器学习跟踪算法的研究进展

分类介绍在线机器学习跟踪算法的研究现状,比较各种算法的优缺点.研究表明:每一种跟踪算法都有其自身的优点和缺点,通常情况下只能处理某一些特定类型的变化,很难确保某一特定类型的跟踪算法能够处理复杂跟踪场景中的所有不确定因素.最后,针对在线学习算法容易产生误差积累,最终发生目标漂移的问题,提出使用多跟踪器的融合,实现鲁棒跟踪等相应的解决方案.     

飞行器自适应反推Terminal滑模轨迹跟踪控制

飞行器非线性动力学模型通常包含由未知外界干扰和未建模动态构成的非匹配不确定性。针对建立的飞行器纵向运动仿射非线性模型,提出了一种基于非线性干扰观测器(nonlinear disturbance observer, NDO)的自适应反推非奇异终端滑模(adaptive backstepping nonsingular terminal sliding mode,AB-NTSM)轨迹跟踪控制方法。设计非线性干扰观测器对未知干扰进行观测补偿,无需干扰上界先验知识。设计未建模动态自适应律,提高控制器对系统不确定性的鲁棒性。对3种不同情况的仿真表明,干扰观测器能够实现对不同干扰精确观测,仅在干扰突变时有较大观测误差。在不确定性影响下,采用提出的控制方法,系统能够实现对指定轨迹的稳定跟踪,并有效消除控制信号的抖振。     

基于光流追踪技术的变形位移测量方法

提出一种基于金字塔Lucas Kanade光流跟踪技术的变形位移测量算法. 该算法通过检测变形前图像的角点, 先利用金字塔Lucas-Kanade算法在变形图像中搜索其匹配点, 再经计算求得变形位移值. 实验结果表明, 该算法进行变形位移测量时精度高、 稳定性好.     

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。     

利用多普勒信息的单步初始化GMCPHD滤波器

标准的带势概率假设密度(cardinalized probability hypothesis density, CPHD)滤波器是一个有效的多目标跟踪算法,但是它假定新生目标的强度函数先验已知,因而无法应用于新生目标在场景中任意位置出现的环境。针对此问题,提出一种单步初始化的高斯混合CPHD滤波器。该滤波器利用位置上远离当前时刻估计状态的观测值单步初始化新生目标。此外,多普勒信息一方面被用来初始化新生目标的速度,另一方面在滤波器更新步骤中,多普勒速度和位置观测信息采用串行更新方法处理。仿真结果表明,所提算法在目标数的估计精度和优化子模式分配距离方面优于已有算法。     

双舵轮自动导引车轨迹追踪控制算法

为提高双舵轮自动导引车(automated guided vehicle, AGV)轨迹跟踪控制性能,设计了基于模型预测控制的轨迹跟踪控制器。以双舵轮自动导引车为研究对象,首先建立自动导引车运动学模型,求得车体转弯半径,并重点分析双舵轮自动导引车转向优势;然后,对双舵轮导引车建立了基于模型预测控制的轨迹跟踪模型,并考虑车体运动性能指标及各类约束,最后通过仿真实验验证了模型预测控制算法用于双舵轮自动导引车的可行性,且分析了控制时域权重和预测时域长度两项模型参数对系统性能的影响;与基于比例-积分-微分轨迹跟踪控制器的自动导引车进行轨迹跟踪对比仿真实验。最终实验表明,采用该模型预测控制器可以满足各类约束条件,高效精准完成对连续大曲率目标路径的有效跟踪,同时具有较高的实时性和鲁棒性。     

月球重力场模型研究进展及展望

第一,整理了自人类开始探月以来所有和月球重力相关的探测卫星,以及自学者开始研究月球重力场以来所有重要的月球重力场模型。第二,根据探月跟踪模式的发展过程,详细介绍了各阶段跟踪模式的原理,并以示意图的形式展现,同时列举了各阶段跟踪模式下的重力场模型。第三,对月球重力场反演方法进行了介绍,主要包括短弧积分法和天体力学法。第四,对各个探月阶段具有代表性的重力场模型进行介绍,主要包括：8×4重力场模型、Lun60D、LP165P、SGM100i和GL0420,并进行了精度对比,发现最新一代模型精度比之前提高了4个数量级。第五,介绍了本团队在月球重力探索方向研究进展。第六,介绍了月球重力场模型在探究月球内部构造和卫星定轨方面的应用,并结合现代技术以及目前重力场反演的不足,提出以后可以改进的方案：应用重力梯度仪和获取月球表面真实重力数据。     

关节机器人轨迹跟踪模糊聚类控制算法

为实现机器人运动轨迹的精确控制,将模糊聚类算法应用到关节机器人的运动轨迹控制中.解决了机器人运动过程中速度信息获取不准确,从而影响机器人的动态性能的问题,提高了机器人的控制精度.     

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。