分布式多目标跟踪中数据融合的一种新方法

数据融合问题是分布式多传感器多目标跟踪中的关键问题。相关文献在航迹和假设的相容性判别以及数据融合过程的分析等问题上存在一些不足。该文从“无矛盾原则”出发,给出了准确而完善的航迹和假设相容性判别条件,澄清了前人在此问题上的一些模糊概念。对航迹和假设的融合过程做了详细的分析,提出了“定向融合航迹”和“自由融合航迹”的概念。按照新的航迹和假设相容性判别条件,进行了仿真实验。实验结果证实新方法是有效性的。     

一类It型随机非线性大系统分散自适应跟踪

研究一类随机非线性大系统的分散自适应跟踪问题,该类型随机非线性大系统具有标准Wiener噪声扰动,并且可以参数化为严格反馈系统形式.首先通过坐标变换将其转换为参数化的严格反馈随机非线性大系统形式,选取四阶随机控制Lyapunov函数以避免在递推过程中发散;然后利用反步法构造性设计出系统状态反馈分散控制律及参数自适应律,在此分散控制器的作用下,每个局部输出都能够跟踪预先设定的参考信号,同时保证所有闭环信号有界,从而解决了原系统的自适应跟踪问题.     

基于多特征融合的目标跟踪算法

针对单一特征的目标跟踪算法鲁棒性较差的情况,利用目标的多种观测信息通过D-S证据理论进行融合跟踪.在粒子滤波的总体框架下,嵌入Mean-Shift算法产生更加逼近真实后验分布的粒子,同时采用颜色和运动边缘特征作为观测模型,有效地避免了单一颜色特征在光照突变、姿态变化以及背景相似情况下的跟踪稳定性较差的问题.实验表明,该...     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

多特征融合的视频目标深度跟踪

针对现有基于卷积神经网络跟踪中需要大量离线训练以及在线更新耗时的问题,提出了一种多特征融合的视频目标卷积跟踪算法。算法首先设计了一种浅层前向自学习卷积网络提取目标候选区域的局部卷积特征;然后计算融合了空间信息的颜色直方图特征;在此基础上,采用归一化加权方法在全连接层融合卷积特征和全局颜色特征形成目标的表观描述;最后基于粒子滤波算法,通过计算目标模板与候选目标之间的相似度,估计目标位置。采用OTB-2013公开测试集验证所提跟踪算法的性能,与8种主流目标跟踪算法进行了分析对比。实验结果表明,本文算法的目标跟踪精度和跟踪成功率在多种场景下取得了不错的性能,在保证跟踪精确率的前提下,跟踪鲁棒性优于其他算法。可见提出的多特征融合的卷积跟踪算法通过提取所跟踪视频的自身特征生成卷积器而无需进行大量离线训练,且与手动特征进行融合增强了目标的表达能力,这种策略具有一定的借鉴性。     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调...     

基于模糊自组织神经网络的多目标跟踪算法

分析了多目标跟踪问题的数据关联算法复杂性,研究了基于模糊C均值聚类算法的模糊自组织神经网络的特性及其在多目标跟踪中的应用,提出了将FKCN算法、自组织神经网络与数据关联、滤波相结合的跟踪算法．仿真结果表明本算法能在多目标环境下取得较好的跟踪效果．     

一种用于高动态全球定位系统信号跟踪的新模型

针对传统全球定位系统(GPS)信号跟踪方法在高动态环境下跟踪精度不够理想且容易失锁等缺陷,提出了一种新的跟踪模型.采用包含多普勒频移与码相位误差的二维观测相关器组,并通过基于列文伯格-马夸尔特方法优化的迭代扩展卡尔曼滤波算法,使跟踪环路在码相位与载波频率初始捕获误差较大的情况下,依然能够快速而准确地收敛,成功解调出导航信息.仿真结果显示,利用新的GPS信号跟踪模型能够高质量地完成加速度为150g的高动态GPS信号跟踪.     

虚拟演播室

主要介绍了在虚拟演播室中通过跟踪技术改变摄像机镜头的推、拉、俯、仰、摇、变焦等所有参数,使虚拟场景与真实拍摄配合得天衣无缝,同是介绍当前比较先进的几种虚拟演播室系统。     

基于实时手势识别与跟踪的人机交互实现

为了实现对手势目标的自动识别和连续跟踪,提出了一种手势识别与跟踪算法。首先,通过离线训练手势目标检测器来实现手势目标的自动识别。接着,通过改进的Shi-Tomisi算法,在目标区域提取可靠稳定的特征点。然后,通过KLT跟踪器对特征点进行跟踪。当特征点跟踪成功时,通过求解仿射变换矩阵确定手势目标的新位置;当目标出现遮挡和大尺度旋转时,特征点丢失,此时在KLT跟踪器中加入卡尔曼滤波器来预测手势目标的位置,实现对手势目标的连续跟踪。同时对手势目标可能存在的区域进行估计,缩小检测器的检测范围,提高检测速度。最后,将算法应用于人机交互系统中,实现了机器人的远程控制。实验结果显示,算法在简单背景下的跟踪正确率为99.54%,复杂背景下的跟踪正确率为98.24%。实验结果表明,算法能够快速准确地对手势目标进行检测和跟踪,满足了实时性、连续性以及抗干扰能力强等要求,对于旋转及遮挡均具有较强的鲁棒性,为实现基于手势控制的人机交互提供了一种有效方法。