改进的多特征粒子滤波目标跟踪算法研究

针对在复杂环境下多特征融合的粒子滤波算法跟踪精确度低的问题,提出一种改进的多特征融合算法;该算法采用二阶中心差分卡尔曼滤波方法来实现建议分布函数的优化,在重要性采样中融入最新的测量信息,提高了粒子的使用效率,并引入动态模板更新机制对目标模板实时更新;在多特征融合策略上利用基于粒子滤波框架下的EM算法适用于不同数量样本集的特点求解状态估计,不仅避免因计算特征权重产生误差,而且提高了算法的实时性;滤波器仿真实验结果表明,在一维非线性模型下对比其它改进粒子滤波算法,本文提出的方法性能最优;在基于视频序列的目标跟踪实验中,通过比较本文算法在不同特征、不同采样粒子数量条件下的性能对比验证本文算法的有效性;最后通过一系列不同环境下的跟踪实验证明,本文算法对复杂条件下的目标跟踪具有较高的精度和鲁棒性。     

D-H法建立连杆坐标系存在的问题及改进

广泛使用的标准D-H法允许坐标系建立在轴线的延长线上,会导致不能针对所有关节连杆进行建模、建立的机器人模型与实体不一致,以及无法进行局部关节位置分析等问题。为了得到统一、直观、准确的模型建立方法,提出了一种统一的实体建模方法--坐标系固定在实体上的D-H表示法（简称CFDH法)。说明了CFDH法坐标系建立的方法、参数获取过程。以一个六自由度机械臂作为仿真对象,分别用D-H法和CFDH法对其进行建模,然后采用Newton-Raphson求逆解,比较两者计算复杂度并对两种建模方法进行整体对比。仿真和实验结果表明,CFDH法满足机器人运动学建模的需求,解决了D-H法存在的问题。