中文名 | 基于最大期望算法的多传感器多目标跟踪研究 | 项目类别 | 青年科学基金项目 |
---|---|---|---|
项目负责人 | 李振华 | 依托单位 | 山东大学 |
传统上人们一般将数据配准、数据关联和数据融合三者分开研究,或者是将航迹配准、航迹关联和航迹融合三者分开研究,但实际上它们是相互影响的:数据配准需要正确关联了的多传感器数据而存在配准误差的多传感器数据又会增加错误关联的概率,它们都会对数据融合的性能产生影响;同样航迹配准需要正确关联了的局部航迹而存在配准误差的局部航迹又会增加错误关联的概率,它们都会对航迹融合的性能产生影响。本课题将配准、关联和融合作为一个整体来处理,针对采用集中式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合数据配准、关联和融合方法,以及针对采用分布式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合航迹配准、关联和融合方法。本课题的主要成果有:提出了基于最大期望算法和Kalman滤波算法的联合数据关联、配准与融合算法;提出了基于最大期望算法和状态融合理论的联合航迹关联、配准与融合算法;分析了联合数据配准、关联和融合算法的收敛性问题并对算法性能进行了分析比较;以雷达与电子支援措施(Electronic Support Measure)两种传感器为例,提出了基于最大期望和固定滞后Kalman平滑器(Fixed-Lag Kalman Smoother)的在线联合配准与融合算法;研究了一类非线性非高斯系统的滤波问题,在分析均差滤波算法和高斯和滤波算法的基础上,提出了一种基于均差滤波的高斯和滤波算法;对目标跟踪及滤波估计理论在图像处理、信号处理方面的实际应用作了研究。
本课题拟针对采用集中式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合数据配准、关联和融合算法,以及针对采用分布式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合航迹配准、关联和融合算法。传统上人们一般将数据配准、数据关联和数据融合三者分开研究,或者是将航迹配准、航迹关联和航迹融合三者分开研究,但实际上它们是相互影响的:数据配准需要正确关联了的多传感器数据而存在配准误差的多传感器数据又会增加错误关联的概率,它们都会对数据融合的性能产生影响;同样航迹配准需要正确关联了的局部航迹而存在配准误差的局部航迹又会增加错误关联的概率,它们都会对航迹融合的性能产生影响。本课题将它们作为一个整体研究从而解决传统上将它们分开研究和工程实现的弊端,因考虑了它们之间的相互联系和相互影响,我们能大大提高多传感器多目标跟踪的精度,从而可提高军事和民用领域对目标监视和跟踪的能力。
在cnki上下篇kalman目标跟踪的硕士论文吧,很多的,当然期刊也可以,不过一般情况下硕士论文讲的能详细点,然后找准一篇仔细研读,这样子基本上理论就没啥问题了,编程就用MATLAB,用C很麻烦,很多...
为解决上述技术问题,本发明的目的是提供一种焊缝识别率高的焊缝跟踪传感器,此外本发明还提供该焊缝跟踪传感器的焊缝跟踪方法。本发明的焊缝跟踪传感器,包括连接臂,所述连接臂上设置有激光、与所述激光配合的第一...
三维指的是三个不同维度,是相互独立的,其中一个特点是:一个维度变化,另外两个维度可以毫无改变。你再看看,如果知识变化,情感和能力会随之受到波动,比如说知识丰富的人,他知道不要“眼高手低”,因此他的行动...
提出一种改进的遗传算法用于解决公路工程项目工期、成本和质量的多目标优化问题。阐述了算法设计思路和流程步骤,给出了染色体结构和编码设计。改进的交叉操作则考虑了子种群内部交叉和子种群群间交叉两种方式。通过实例仿真计算,验证了该算法对工程项目多目标优化问题的可行性和有效性。
针对PPP项目政府部门和私营企业的双向资金流入和收益来源的多样化,文章从如何选取最优方案获得最大收益的角度分析收益的多目标性,建立了一个新的基于多目标0-1规划的PPP项目决策数学模型,并给出蚁群算法求解方式,最后将其运用到PPP项目算例中,得出PPP项目决策的一个较好方案,证实了模型的可行性。
在跟踪过程中,目标形态的变化、遮挡的存在、复杂的环境制约及运动的相互影响等使得多运动目标跟踪变得非常困难。本项目针对现有方法在复杂背景及运动应用中所存在的跟踪失效问题,对基于半监督学习和交互模型的多目标跟踪方法进行研究。研究内容包括:1)提出了基于半监督CovBoosting的单目标跟踪及多目标跟踪方法,有效应对了跟踪视频中表观及背景渐变带来的挑战;2)提出了基于交互模型的多目标跟踪方法,包括如何估计目标的运动趋势,怎样度量轨迹的运动相似性,如何挖掘场景中的结构信息来改善跟踪性能,有效解决了跟踪过程中目标运动复杂这一难题;3)提出了基于表观重构误差预测的跟踪方法,包括如何中跟踪过程中,构建反应目标运动及上下文信息的特征,预测目标的在学习到的生成空间中的重构误差的变化,以适应目标和背景表观的变化。课题组的研究成果发表在相关的国际期刊和会议上,已发表学术论文16篇,其中包括IEEE Trans在内的国际期刊10篇,国际会议6篇,培养研究生6名。
多目标跟踪技术是计算机视觉、图像理解领域的核心研究之一,其在视频监控、视频分析及检索、运动分析及合成等领域发挥了重要作用。由于在跟踪过程中,目标形态的变化、遮挡的存在、复杂的环境制约及运动的相互影响等使得对多运动目标的跟踪变得更加困难。在本研究中,申请人拟采用交互模型来对目标的运动进行预测,并通过半监督的在线学习方法进行自适应特征选择,实现对多目标的实时鲁棒跟踪。首先,使用交互模型可以对多目标的运动提供较为准确的估计;其次,通过在线特征选择和遮挡分析为跟踪目标构建具有自适应性的表观模型;然后,在跟踪过程中将交互模型与基于半监督CovBoost的在线特征选择、在线随机森林遮挡判别分析器结合起来,提出一种基于交互模型和在线特征选择的多目标跟踪器,将跟踪中的关键问题(运动建模和表观建模)统一到一个多目标跟踪框架下;最后实现实时准确的多目标跟踪,并尝试拓展到视频监控、智能交通等实际社会民生应用中。
仿真过程中,固定平台Y轴,X和z轴运动,期望Z轴在X,Z平面上运动轨迹为
从仿真结果我们可以看出,模糊CMAC作用力跟踪阻抗控制器能补偿平台动力学上的不确定性,基于位置阻抗控制的性能稍微优于基于力矩阻抗控制。为了进行仿真比较,我们用CMAC代替FCMAC进行仿真,固定y轴,X和z轴运动,期望z轴在x和Z平面上运动轨迹为
从仿真结果我们可以看出,FCMAC性能优于CMAC,基于位置阻抗控制的性能稍微优于基于力矩阻抗控制。另外,由于基于位置的阻抗控制方案无需改变内部的控制结构便可使位置控制平台系统实现鲁棒性作用力控制。