排序方式: 共有13条查询结果,搜索用时 0 毫秒
11.
12.
现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联. 相似文献
13.
针对GNSS/INS组合列车定位中的信息融合非线性与传感器量测故障问题,为满足复杂多变列车运行场景下列车定位精度与鲁棒性的需求,提出一种基于简化鲁棒UKF的GNSS/INS紧组合列车定位优化方法。综合标准KF的时间更新与标准UKF的量测更新来构建简化UKF,在保证GNSS/INS紧组合列车定位精度的同时改善定位解算实时性。在简化UKF滤波框架内,引入故障检测与自适应调整因子构建简化鲁棒UKF,可以快速检测传感器量测故障导致的系统故障,并对故障历元的量测噪声协方差进行自适应调整降低滤波增益,使得滤波算法具有较强的鲁棒性。采用京沈高铁实测数据与故障仿真数据进行算法定位性能验证与评估,结果表明:基于简化UKF的GNSS/INS紧组合定位算法水平定位精度为2.686 5 m,与传统EKF滤波模型下的紧组合与松组合方法相比定位精度分别提高5.6%和15.0%。此外,提出的简化鲁棒UKF方法可以快速有效检测到不同类型的传感器量测故障,且大幅抑制传感器量测故障,优化复杂运行场景下的列车定位精度与鲁棒性。 相似文献