考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

一种人体头部运动姿态的测量方法

为了解决人体头部在空间环境中运动时,头部的不良姿态对人体身心健康的影响,设计了一种三维姿态传感器用于测量人体头部运动姿态．三维姿态传感器以单片机为处理核心,恒温系统保证系统的测量精度,两路MEMS高精度加速度传感器测量X轴和Y轴姿态,MEMS磁强计测量Z轴姿态,测得的姿态信号经过16位ADC转换器进行模数转换后,由单片机完成数据处理,通过CAN将三种初始姿态信息欧拉角、方向余弦和四元数传输到计算机．用户可以根据不同需要选择一种初始数据采用专用软件实时计算所需的姿态角、速度和位移量等姿态信息．通过计算结果分析,得出人们在不同环境空间里人体身心最佳状态时头部运动的角度、速度和位移等的姿态信息范围,为人们在以后的生活和工作中更好的调控人体头部姿态提供一个标准,使人体始终处在一个舒适愉悦的状态．实验结果表明三维姿态传感器的测量精度分别达到0．08°、0．03°、0．05°,达到了一般实际工程的测量精度要求,且此方法快速、简单、切实可行．     

基于线性加速度的多节点人体行为识别

针对当前基于加速度人体行为识别方法中存在的行为数据易受重力加速度影响以及空间信息欠缺等问题,提出一种基于线性加速度的多节点人体行为识别算法。通过分段双向去除重力加速度算法,去除传感器加速度中的重力加速度得到线性加速度;使用滑动均值滤波器滤除线性加速度与传感器加速度的颤抖运动,并对两种加速度中的冗余动作进行裁剪;分别从两种加速度中提取不同关节点数据间的动态时间规整算法(dynamic time warping, DTW)距离特征以及7种常规时域特征;利用支持向量机对人体行为进行分类。试验结果表明,该方法能有效提高人体行为识别的准确性。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于加速度修正模型的无人机姿态解算算法

为提升动态环境下无人机导航系统姿态输出的精度,提出一种基于加速度修正模型的无人机姿态解算算法。建立加速度修正模型,求取估计非重力加速度和外部非重力加速度对加速度计输出值进行修正,减弱动态环境下非重力加速度对姿态解算的影响;搭建基于卡尔曼滤波的姿态解算模型,将修正加速度和磁力计解算的姿态角作为滤波模型的量测量,设计基于加速度修正模型姿态解算算法。实验结果表明,该算法可以减弱非重力加速度对姿态解算的干扰,避免无人机导航系统在动态环境中输出姿态角发散的问题,提升动态环境下无人机导航系统姿态输出的精度和抗干扰能力。     

基于树形图结构模型的人体姿态估计

讨论计算机视觉领域的人体姿态估计问题,基于树形图结构模型提出一种人体姿态估计算法。根据人体目标前景分割图的形状特征给出人体部位外观模型后,利用高斯分布确定人体部位间的结构先验分布,再采用置信传播算法进行人体姿态估计。仿真结果表明新算法有效。     

基于支持向量机的人体姿态识别

人体姿态识别是当前自动视频理解技术的研究热点,提出的算法能够识别视频中的十二种人体姿态,包括走路、跳跃、爬行和弯腰等.算法首先提取前景图像中的星形轮廓位置、六星角度和离心率等多特征信息,组成人体姿态特征,结合该特征的向量表示利用基于径向基核支持向量机的分类器,实现各种姿态的识别.实验中,在公共数据库和部分自采集数据基础上构建特征库,对分类器进行训练,对其余自采集数据进行分类,结果表明:该算法对小样本下的人体姿态识别具有令人满意的结果.     

基于卷积姿态机的潜航员作业姿态识别方法

针对现有潜航员作业姿态识别分析方法中识别过程繁琐、识别精度低的问题,提出基于卷积姿态机的潜航员作业姿态识别分析方法. 对人体姿态特征进行结构化编码,构建空间及投影坐标系进行解析,定义肢体角度计算公式与肢体特殊状态判断流程. 通过搭建潜航员作业姿态识别算法,实现作业姿态RGB图像空间特征与纹理特征的提取,输出潜航员作业姿态关节点、肢体角度与状态数据. 通过采集潜航员作业姿态图像构建潜航员作业姿态样本数据集,对所提方法进行应用验证. 在算法测试中,识别算法的PCK指标值达到81.2%. 在应用验证实验中,算法识别关节点的平均准确率达到87.7%. 该方法在潜航员作业姿态识别分析上是可靠的,可以有效地识别与分析潜航员作业姿态中的危险因素.     

基于傅里叶与局部特征结合的人体姿态识别方法研究

为了提高对人体姿态的识别,提出了一种以人的姿态序列图像的轮廓为特征,包括轮廓的外接矩形的宽高比、形状复杂性变化率、离心率以及傅里叶描述子相结合的人体行为识别方法。首先运用自适应的混合高斯背景建模和形态学结合的方法,利用Canny算子进行边缘检测,实现目标人体轮廓的特征提取。然后采用基于质心边缘距傅里叶描述子与k-means聚类算法与SVM分类器结合的方法,对目标人体轮廓的参数建立具有13个特征值的一维的特征向量,并和RBF神经网络的分类效果进行对比。实验表明,SVM进行分类较为准确,且不需要进行多次的迭代训练,速度较快、识别性能也很好,相比于RBF神经网络而言。运用该方法可以让人体行为识别的正确率在91%以上,该方法简单可行。     

An infrared human face recognition method based on 2DPCA

Aimed at the problems of infrared image recognition under varying illumination,face disguise,etc.,we bring out an infrared human face recognition algorithm based on 2DPCA.The proposed algorithm can work out the covariance matrix of the training sample easily and directly;at the same time,it costs less time to work out the eigenvector.Relevant experiments are carried out,and the result indicates that compared with the traditional recognition algorithm,the proposed recognition method is swift and has a good adaptability to the changes of human face posture.     

基于三轴加速度信号的实时人体状态识别算法

针对移动终端设备的硬件局限性,研究了一种基于卡尔曼滤波的非特定人体状态识别算法,实时判断人体的运动、静止、状态转换情况.将装有三轴加速度传感器的蓝牙模块放置在人体的胸部,获得运动时的三维加速度信号.结合人体运动状态的特征和加速度信号变化的相关性,采用信号矢量幅值变化量的函数进行卡尔曼滤波,对人体状态进行判断.实验结果表明,该算法在运算和存储能力有限的移动设备上取得了较好的性能.     

基于加速度传感器的实时人体状态识别算法

通过采集放置于人体不同部位的三轴加速度传感器获取人体运动时产生的加速度信号,并通过蓝牙无线传输技术将数据传送到移动设备中,再对数据进行特征提取、选择和分类。研究了一种基于卡尔曼滤波的非特定人体状态识别算法,实时判断人体的运动、静止状态转换情况。实验结果表明,该算法在运算和存储能力有限的移动设备上具有较好的性能。     

基于特征组合的步态识别算法研究

步态识别是通过人走路的姿态进行身份识别,研究提出一种组合步态运动中的人体形状静态特征和动态特征的步态识别算法：使用改进的Hu矩和紧致度表达人体轮廓特征,用于描述步态序列的静态特征：提取大腿间的夹角和长宽比,用于描述步态序列的动态特征;并将这两种特征进行组合处理．实验结果表明：本算法的性能较单一特征的步态识别算法有明显的改善．     

基于轮廓曲率和谱系聚类的大鼠体态自动识别

为了对行为实验中大鼠的体态进行自动识别分析，提出了一种基于轮廓曲率和谱系聚类的识别算法．应用图像处理技术从序列实验图像中分别提取出大鼠轮廓曲线，计算大鼠轮廓曲线的曲率函数及其频谱，并以频谱作为体态聚类和识别的特征矢量．应用谱系聚类方法构建每种大鼠体态特征矢量的子类聚类中心特征矢量．应用1319幅样本图像和10629幅测试图像对本算法进行了实验．结果表明对样本图像和测试图像的识别正确率分别为94.16%和89.58%，该算法可用于大鼠体态的自动识别及后续的行为分析．     

序列图像处理的快速人体检测方法

在序列图像中进行运动人体检测 ,一般都采用差图像算法 ,作者在应用尺度滤波器消除噪声的基础上 ,提出了将数学形态学的闭运算用于人体轮廓断裂处的连接填充。在此基础上得出人体轮廓的宽度直方图 ,并利用人体几何尺寸的固有比例对人体轮廓检测算法进行改进。实验结果验证了上述方法对噪声抑制、人体图像断裂处填充及人体识别的有效性     

神经网络控制在汽车主动悬架中的应用

建立了汽车悬架的两自由度1/4车数学模型,提出了一种基于RBF神经网络在线辨识的单神经元PID自适应控制方法,介绍了RBF网络在线辨识、单神经元PID控制器和控制算法,并将这种控制策略应用于汽车主动悬架1/4车模型.仿真是在Windows2000环境下用仿真软件Mat-lab6.1 Simulink进行的.仿真结果表明,这种控制策略能有效降低车身加速度的均方根值和悬架动挠度的均方根值,改善了乘坐的舒适性.