排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
2.
融合微型惯性和磁传感器数据能够用于实时跟踪人体肢体运动、或估计某一运动刚体姿态.这里,三维加速计被用来测量传感器坐标系下的重力向量,用于确定相对于水平面的方向;三维磁力计测量得到传感器坐标系下的磁场强度向量,用来确定垂直轴上的旋转;三维陀螺仪测量角速度,通过积分可以得到角度.重力向量受人体运动加速度的干扰,磁场强度受周围环境磁感物质的干扰,而角速度在积分过程中也会引入随时间增长的漂移,所以需要融合这3种观测量.提出了一种自适应Kalman滤波的姿态估计算法AKF,通过加速度与磁场强度计算得到的姿态来做观测量与角速度融合,将非线性观测方程线性化,从而降低了计算复杂度;磁场的干扰不会影响Pitch和Roll两个角的估计;而对于运动加速度的干扰,通过自适应调整滤波器中的观测噪声协方差矩阵来抵除.算法的稳定性和精确性在实验中得到了有效验证. 相似文献
3.
多元假设检验GMPHD轨迹跟踪 总被引:3,自引:0,他引:3
由于在军事和民事领域逐步广泛的应用,数目不定的多目标跟踪技术正受到越来越多的关注。概率假设密度(PHD)滤波方法,特别是具有闭式递归的高斯混合概率假设密度(GMPHD)技术,在噪声和漏警等影响下仍能形成优越的群目标跟踪性能。然而PHD滤波器并不能实现多目标航迹跟踪,而其与传统数据互联的结合,复杂度高且跟踪效果不尽如人意。在该文中,各目标的航迹信息以假设形式表述,数据互联则是通过使用经典的多元假设检测方法判决假设矩阵实现。其与GMPHD的结合不仅实现了数据互联和轨迹管理,还因为积累时间信息大大降低了杂波干扰的影响。实验结果证明,该算法可以对多个目标所形成的轨迹实施正确跟踪,同时,计算量的大幅度降低带来了跟踪系统可实现性的提高。 相似文献
1