一种基于特征点的跟踪算法

设计了一种基于特征点的图像跟踪算法．采用卡尔曼滤波器跟踪运动目标，并针对跟踪过程中的旋转及遮挡问题，提出相应策略：根据特征光流计算得到目标的旋转角度，适时地更新特征点的匹配模板，解决了旋转问题；当有局部遮挡发生时，通过模板与图像的匹配相关系数判断出被遮挡的特征点，并把这部分特征点加以滤出，而只有未遮挡特征点的跟踪结果送到卡尔曼滤波器，从而有效解决了局部遮挡问题．试验结果表明，这种跟踪算法具有跟踪精度高、鲁棒性强的特点．     

一种基于粒子滤波的自适应相关跟踪算法

相关跟踪是最常见的一种目标跟踪方法,但传统相关跟踪采取的“峰值”跟踪方法抛弃了所有小于峰值点相关值的位置点的信息,不够稳健,受遮挡影响大,并且很难求解相关模板的仿射变形参数。提出了一种改进的非线性相关跟踪算法,以改进的灰度模板作为目标表示方式,粒子的权值与相关值成比例,目标状态的后验概率由粒子加权表示。模板更新时根据粒子权值进行自适应调节,对所有粒子所在位置的区域进行加权更新,权值大的粒子具有更高的更新系数,避免了仅利用单一峰值点处的模板进行更新可能造成的误差累计。该算法大大提高了跟踪与模板更新的鲁棒性,同时也是一种在仿射空间进行运动参数搜索的实用方法。     

一种机动目标的自适应跟踪算法

通过分析"当前"统计模型采取固定机动加速度最大值在目标跟踪中的不足,引入模糊逻辑技术,提出了一种基于"当前"统计模型的自适应跟踪算法.该算法实现了目标机动加速度最大值随机动特性的自适应调整,从而实现了系统状态噪声方差的自适应调整,提高了系统的跟踪性能.对两种典型的目标机动形式进行了Monte Carlo仿真研究,结果表明了新算法对于解决机动目标跟踪问题的有效性.     

一种基于粒子滤波的分布式跟踪算法

在多平台协同作战中,由于通信时间的延迟,常常出现各传感器量测不能按照正常时序发送到数据融合中心处理的情形.为解决协同作战系统无序量测的滤波问题,同时提高其目标跟踪的性能和降低系统的算法存储量,提出了一种Unscented粒子滤波算法.该算法估计精度高、计算量和存储量较小、输出无延迟.仿真结果表明,该算法同其他滤波算法相比,提高了跟踪精度,较好地解决了时间延迟的问题.     

机动目标跟踪的一种新的方差自适应滤波算法

针对"当前"统计模型自适应滤波算法跟踪非机动或弱机动目标时存在跟踪精度不高以及受目标机动加速度极限值先验设置的制约等问题,提出了一种方差自适应滤波算法,该方法利用新息与加速度变化量之间的关系,实现了加速度方差的实时估计和自适应调整,能更好地适应目标非机动和强机动的各种情况,避免了"当前"统计模型在目标非机动或弱机动时加速度方差过大而带来的跟踪精度不高的问题;同时也避免了对目标加速度的极限值设定.理论分析和仿真结果表明,相对于"当前"统计模型,无论是跟踪常速运动目标还是跟踪强机动目标,本算法都具有较高的跟踪精度.仿真结果验证了算法的有效性.     

一种基于物影匹配算法的道路小目标跟踪方法

针对复杂道路环境下小目标抛洒物难以被检测与跟踪,且落地静止像素易被纳入背景而导致目标丢失等问题,本文提出一种基于物影匹配算法(OSMA)的道路小目标跟踪方法来解决上述问题。首先,采用混合高斯模型对背景进行建模以此获取前景图像,对前景图像采用膨胀、腐蚀等形态学处理;其次,根据道路抛洒物移动时在前景产生独立的物与影双轮廓特征,进行连续帧前景轮廓的物影匹配,并将连续的匹配结果定为疑似抛洒物;最后,采用多帧质心偏移法判断疑似抛洒物是否处于静止状态,并对运动状态中的疑似抛洒物进行位置判定与帧间轮廓匹配,从而实现抛洒物的逐帧跟踪。基于大量实验表明：本文所提出的OSMA与核化相关滤波器(KCF)、辨别尺度空间跟踪器(DSST)、背景感知相关滤波器(BACF)、深度注意力跟踪器(DAT)、视觉跟踪时空变换器(SATRK)等跟踪器相比,准确性更优越,可较好解决道路复杂场景下各类抛洒物的跟踪问题;复杂背景、快速旋转的小目标场景中跟踪表现优异,具有良好的跟踪尺度,实时性满足预期要求。     

GPS接收机C/A码跟踪算法及环路控制策略

高动态GPS接收机指在接收信号有较大的多普勒频率偏移及其一阶、二阶导数存在时仍能正常工作的GPS接收机。针对高动态环境下伪码跟踪所遇到的问题,重点研究了与高动态载波跟踪算法相匹配的、基于载波辅助技术的归一化非相干点积功率伪码跟踪算法,以及预检积分时间可变的伪码跟踪环路控制策略。采用MATLAB建立了系统模型,仿真结果表明:采用伪码跟踪算法以及结合相应的高动态载波跟踪算法的伪码跟踪控制策略的GPS接收机能在加速度为80 g,加速度为10 g.s-1的指标下正常工作。     

基于局部Gabor特征匹配和Kalman滤波的车辆跟踪算法

针对基于全局匹配的视觉目标跟踪算法的不足,文章采用一种局部匹配的思路,利用Gabor特征的抗噪性和边缘极大值点的不易丢失性,实现了一种鲁棒的Kalman车辆跟踪算法。首先以抗噪性强的Gabor特征构建匹配特征向量;然后采用边缘极大值点作为待匹配特征候选点;最后将以上特征输入至Kalman跟踪器,实现前方车辆跟踪。试验表明该方法在车辆姿态大幅度变化及遮挡时仍具有较强的鲁棒性。     

一种改进的多传感器伪序贯滤波算法

传统的多传感器数据融合算法假定传感器之间的测量噪声是不相关的,但实际上测量噪声存在着一定的相关性,因而会引起滤波精度的损失．针对该问题,文中研究了测量噪声相关情况下的同步多传感器跟踪系统的测量融合技术．在测量噪声相关的条件下,根据线性无偏最小方差估计理论,提出了一种改进的同步多传感器伪序贯滤波算法,该算法不但适用于噪声不相关情况,而且也适用于噪声相关情况．经仿真研究表明,该算法明显提高了航迹的融合精度：在测量噪声相关时,融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的数据融合算法相同．仿真结果表明了该算法的正确性和有效性．     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

考虑列车追踪的自动驾驶控制算法

为了研究追踪列车安全、平稳的操纵策略,在分析列车间相互纵向动力学关系的基础上,提出了列车追踪模型. 列车在不同情况下控制目标有所不同:单独运行模式下以最优速度模式曲线运行,追踪运行模式下保证安全追踪间隔运行.为了实现不同的控制目标,采用模型预测控制的分层结构,结合二次型优化算法实现最优列车速度控制.以CRH2型列车、武广线为例验证该模型的有效性. 仿真结果表明,本文方法可使追踪列车安全性得到有效提高,且当使加速度控制在-0.75~0.5 m/s2之间,加加速度控制在-0.5~0.5 m/s3之间时,乘车舒适性得到了有效的保障.      

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

HTN规划中面向多计划生成的顺序任务分解算法

顺序任务分解算法（OTD）是层次任务网规划（HTN）中的一种高效求解算法．由于算法中的计划生成采用一次性回溯机制,每次求解过程只能产生一个可行计划．文中提出了一种能够快速生成多个可行计划的回溯算法．该算法采用分段回溯的计划生成机制,充分利用了求解过程中生成的局部解序列,从而能够一次性地快速生成多个可行计划,为寻求优化的计划和进行计划的评估提供更为有效、灵活的支持．     

复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

汽车方向盘转角传感器系统设计及算法研究

通过对角度传感器的结构及对其工作原理作深入研究,并将其运用于方向盘的绝对角度传感器中,该系统成本低、抗干扰性能好、测量精确高,是一款较理想的非接触式方向盘转角传感器.由于该传感器能够检测出精确的方向盘绝对位置角度值,故为助力转向系统及车身电子稳定系统的开发有很大帮助.     

基于子空间跟踪的波束形成算法

在期望信号方向发生变化或未知的情况下，为了获得较理想的波束形成，基于ESPRIT(借助旋转不变技术估计信号参数)方法，借助受限摄动子空间跟踪算法，提出了一种改进的波束形成算法．由于该算法采用子空间跟踪技术，对期望信号导向矢量能实时跟踪，从而能抑制时变信号的指向误差．计算机仿真结果表明，该算法获得的结果与已知期望信号方向理想情况下的波束形成结果相近．