基于滤波器自适应更新的机场目标跟踪算法

机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响,导致跟踪准确性降低甚至丢失跟踪目标。针对以上问题,研究了基于滤波器自适应更新的机场目标跟踪算法。选取跟踪目标的颜色特征和深度特征,通过插值算子进行多特征融合,再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度,置信度高的区域即为跟踪目标位置。为提高跟踪准确性,利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制,并设计了1种滤波器自适应更新策略,使滤波器能够自适应调整学习速率,仅在结果可靠时更新。在西南某机场采集的视频数据集上进行测试,结果表明：算法在目标特征不明显或发生变化时具有更好的性能,在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升,整体精确度和成功率分别达到0.834和0.828,较原ECO算法分别提升了11.35%和11.29%,且均优于文中提到的其他5种经典算法。     

无人飞机在交通信息采集中的研究进展和展望

以无人飞机多次试飞试验和相关研究成果为基础, 分析了无人飞机在交通信息采集、处理与应用中的可能性及主要挑战, 从不同角度展望了无人飞机在交通规划与仿真、道路监控、应急调度和城市交通拥堵分析等领域的应用前景。分析结果表明: 应用无人飞机可以弥补现有交通信息采集技术的不足, 是有效采集连续交通信息的新手段; 随着动态交通视频处理技术的发展, 从无人飞机采集的视频中可以自动提取交通信息; 应用无人飞机采集的交通信息可用于应急调度、车辆跟驰、换道行为与交通拥挤等方面的研究; 无人飞机动态交通视频处理技术的适应性还有待提高; 利用无人飞机信息的车辆跟驰、换道行为与交通拥挤尚缺乏实证研究; 建立无人飞机与地面应急系统的通讯和协调系统及无人飞机-车-路协调通信系统是未来重要的研究方向。     

基于多源预报的热带气旋危险区域的确定方法

为了提高热带气旋信息的完整性与准确性, 分析了目前确定热带气旋中心周围危险区域的方法, 提出了基于多源预报的热带气旋中心周围危险区域的确定方法。根据中、日、美三国对热带气旋中心位置的预报结果, 求出预报的离散度, 由预报位置与平均误差的关系, 得出热带气旋90%落入概率的概率圆范围, 然后将大风浪半径套在此概率圆的外面, 可得到充分考虑多家热带气旋预报结果的热带气旋中心周围大风浪危险区域。可见, 此方法提高了热带气旋预报圆的落入概率, 有力保障了船舶绕避热带气旋的安全性。     

列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性, 结合多传感器信息融合原理, 设计了列车轮对融合监测系统, 采用特征层融合自适应加权算法进行了轮对状态融合监测, 以自适应的方式寻求最优加权因子, 使状态测量值总均方误差最小, 比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明: 当轮对两端轴承均出现故障后, 两传感器输出的测量值分别为22.0470和21.0250, 而此融合算法计算出的估计值为4.2642, 融合值最接近真值, 因此, 列车轮对融合监测系统可靠性高, 抗干扰性强。     

路侧感知车辆轨迹数据质量智能评估方法

智慧公路布设了大量路侧智能传感器,可以获取全时空车辆运行轨迹数据.然而,如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题.现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题.为此,提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法.首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设...     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下采样处理,加速不同图像帧的特征提取过程,平衡算法的精度和速度;在不同的图像帧中,为了消除由于物体运动产生的空间位移对特征融合的影响,且考虑不同图像帧的非局部关联信息,构建时序特征融合模块分别对不同图像帧对应的特征图进行时序对齐与匹配,形成融合全局特征;基于共享参数的骨干网络,利用生成关键点热图的方法对道路中的行人、车辆和交通信号灯的位置进行检测,并利用语义分割子网络为自动驾驶汽车提供道路可行驶区域信息。研究结果表明：提出的感知算法以多帧图像代替单一帧图像作为输入,利用了多帧图像的序列特性,级联特征融合模块通过下采样使得计算复杂度降低为原来的1/16,与CornerNet、ICNet等其他主流模型相比,算法检测精确率平均提升了6%,分割性能平均提升了5%,并保持了每秒12帧图像的处理速度,在检测与分割速度和精度上具有明显优势。     

推进器饱和约束的水面无人艇固定时间精准跟踪控制

针对显著海浪遮挡、相机剧烈晃动引起的无人艇视觉目标跟踪脱靶问题,提出一种基于多特征融合的长时相关鲁棒跟踪算法。

首先,采用多特征融合技术,增强目标特征表达,提高目标模型鲁棒性;其次,利用高维特征降维和响应图子网格插值,提高目标跟踪的效率与精度;然后,设计水面目标重识别机制,解决目标完全脱离视野时的稳定跟踪问题;最后,采用多个代表性视频数据集进行验证和比较分析。

实验结果表明,相较于传统的长时相关跟踪算法,平均成功率提升15.7%,平均距离精度指标提升30.3%,F-Score指标提升7.0%。

所提算法能够处理恶劣海况下的目标脱靶问题,对于提升无人船艇及海洋机器人智能感知能力,具有重要技术支撑意义。

     

低信噪比条件下GPS信号捕获方法研究

为了有效地对低信噪比GPS C／A信号进行捕获,必须在捕获阶段克服比特跳变的影响,以充分利用上GPS信号的扩频增益。针对以上问题,对已有的PMF—FFT捕获算法进行了改进,并提出对低信噪比GPS C／A码信号进行捕获的方案。仿真分析证明,这种改进方案可以明显提高低信噪比C／A码GPS信号捕获概率,并在一定条件下可以提供比特跳变信息。     

A data fusion approach for real-time traffic state estimation in urban signalized links

Real-time estimation of the traffic state in urban signalized links is valuable information for modern traffic control and management. In recent years, with the development of in-vehicle and communication technologies, connected vehicle data has been increasingly used in literature and practice. In this work, a novel data fusion approach is proposed for the high-resolution (second-by-second) estimation of queue length, vehicle accumulation, and outflow in urban signalized links. Required data includes input flow from a fixed detector at the upstream end of the link as well as location and speed of the connected vehicles. A probability-based approach is derived to compensate the error associated with low penetration rates while estimating the queue tail location, which renders the proposed methodology more robust to varying penetration rates of connected vehicles. A well-defined nonlinear function based on traffic flow theory is developed to attain the number of vehicles inside the queue based on queue tail location and average speed of connected vehicles. The overall scheme is thoroughly tested and demonstrated in a realistic microscopic simulation environment for three types of links with different penetration rates of connected vehicles. In order to test the efficiency of the proposed methodology in case that data are available at higher sampling times, the estimation procedure is also demonstrated for different time resolutions. The results demonstrate the efficiency and accuracy of the approach for high-resolution estimation, even in the presence of measurement noise.     

Data Fusion Algorithm for Multi-Sensor Dynamic System Based on Interacting Multiple Model

This paper presents a data fusion algorithm for dynamic system with multi-sensor and uncertain system models. The algorithm is mainly based on Kalman filter and interacting multiple model(IMM). It processes crosscorrelated sensor noises by using augmented fusion before model interacting. And eigenvalue decomposition is utilized to reduce calculation complexity and implement parallel computing. In simulation part, the feasibility of the algorithm was tested and verified, and the relationship between sensor number and the estimation precision was studied. Results show that simply increasing the number of sensor cannot always improve the performance of the estimation. Type and number of sensors should be optimized in practical applications.