复杂环境下光斑移动目标的定位方法

目前复杂环境下光斑移动目标定位误差大,无法从复杂环境下提取目标对象,导致光斑移动目标定位效率较低,因此,提出了复杂环境下光斑移动目标定位方法.采用无人机激光扫描技术,计算光斑移动目标方位角,根据关键点计算初始坐标,输出无人机的光斑目标定位结果,构建三维地图更新光斑移动位置,利用高斯分布模型建立光斑移动数学模型,结合重心...     

基于强跟踪AUKF的目标跟踪算法

针对无迹卡尔曼滤波器在递推过程中不具有对测量条件变化和系统模型不确定性的自适应性,在模型不准确或出现不良测量条件时跟踪效果不佳的问题,提出一种新的目标跟踪算法,即基于改进强跟踪的自适应无迹卡尔曼滤波器(STF-AUKF)。该算法一方面基于自适应滤波的思想,利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应UKF;另一方面,依据改进强跟踪滤波的思想,采用时变渐消因子实时调节矩阵增益以此应对模型突变,保证跟踪效果。仿真结果表明,STF-AUKF算法在目标突发机动时仍然具有较好的稳定性和跟踪效果。     

一种新的基于粒子滤波的多模型跟踪算法

粒子滤波技术通过非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波,适用于非线性目标运动模型、非线性传感器测量模型和非高斯噪声的目标跟踪。但需已知目标和量测模型,而实际情况往往难以满足此条件。交互多模型算法(IMM)依据各模型对目标前一时刻状态估计的方差,确定各模型在当前时刻状态下存在的概率,利用各模型对目标状态估计的加权和,确定目标的状态。本文采用粒子滤波代替IMM算法中各模型的Kalman滤波,将粒子滤波与IMM的优点相结合。同时,采用UKF(UnscentedKalmanFilter)产生粒子,由于考虑了当前量测,使得粒子的分布更加接近后验概率分布,用较少的粒子就可以逼近目标的真实状态。仿真实验结果表明,本算法可用于标准IMM算法无法实现跟踪的复杂情形,而且使用的粒子数目仅是同类算法的二十分之一。     

基于高斯拟合的信号弹光斑中心定位方法

信号弹的最大飞行高度是衡量其质量的重要指标.在光学测量中,信号弹目标定位方法的优劣直接决定了信号弹的飞行参数动态测量结果的精准程度.该文提出了一种基于高斯拟合的信号弹光斑中心定位方法,使用改进的区域生长法提取信号弹光斑有效区域,使用基于高斯曲面拟合的方法定位信号弹光斑精确位置,能够在保证速度的同时达到亚像素精度.实验证...     

基于样本质量估计的空间正则化自适应相关滤波视觉跟踪

相关滤波(CF)方法应用于视觉跟踪领域中效果显著,但是由于边界效应的影响,导致跟踪效果受到限制,针对这一问题,该文提出一种基于样本质量估计的正则化自适应的相关滤波视觉跟踪算法。首先,该算法在滤波器的训练过程中加入空间惩罚项,构建目标与背景的颜色及灰度直方图模板并计算样本质量系数,使得空间正则项根据样本质量系数自适应变化,不同质量的样本受到不同程度的惩罚,减小了边界效应对跟踪的影响;其次,通过对样本质量系数的判定,合理优化跟踪结果及模型更新,提高了跟踪的可靠性和准确性。在OTB2013和OTB2015数据平台上的实验数据表明,与近几年主流的跟踪算法相比,该文算法的成功率均为最高,且与空间正则化相关滤波(SRDCF)算法相比分别提高了9.3%和9.9%。     

基于门形结构的单目视觉定位方法

选取场景中常见的门形结构为处理对象,提取门形结构中的三条直线,拟合直线方程,进而确定直线的交点及两条平行直线的消失点,根据消失点原理和垂直关系等先验知识确定摄像机坐标系和世界坐标系的映射。空间解析过程以直线方程为基本要素,参与解析运算的点特征均由直线方程确定,随机选取的点坐标仅用于方向一致性判定,减少了随机误差引入。仿真实验表明,本文的视觉定位方法对噪声有较高的鲁棒性,与融合线特征和随机点特征的方法相比降低了定位误差。     

基于线阵CCD的光斑定位算法研究

为了提高CCD测量系统中光斑的定位精度,在重心法的基础上提出了基于线性插值和权值非线性的质心算法,在不同噪声水平下比较了两种算法所能够达到的精度。研究结果表明基于线性插值的权值非线性质心算法能达到1/25像素的定位精度,比传统的重心法有更高的定位精度和稳定性。     

基于计算机视觉的热物理激光光斑位置精确测量方法设计

为了缩短热物理激光光斑位置的测量周期,提高热物理激光光斑位置的测量水平,提出了基于计算机视觉的热物理激光光斑位置精确测量方法设计.利用计算机视觉技术计算热物理激光光斑的初始位置,根据热物理激光光斑位置特征的提取流程,完成了热物理激光光斑位置特征的提取;利用热物理激光光斑质心位置与解算值的关系式,得到了热物理激光光斑的估...     

改进阈值分割的光斑中心定位方法

光斑定位精度是激光通信瞄准、捕获、跟踪(APT)系统的重要指标,而传统的光斑定位算法,面临定位精度低,抗干扰能力差,实时性差等问题。为了满足激光通信APT系统光斑高精度定位的需求,提出一种改进的激光光斑中心定位方法。该方法通过改进阈值分割,降低了噪声干扰,提高了光斑定位精度。结果表明,与传统的阈值分割方法相比,光斑中心计算精度提高了25%以上,是一种可行的光斑中心定位方法。     

基于圆定位算法的热物理激光光斑位置定位方法

热物理激光光斑位置定位能够提高测量精度,设计一个基于圆定位算法的热物理激光光斑位置定位方法。分析激光图像的高斯分布情况,采用高斯函数描述脉冲激光,判定激光光斑空间分布形式,选择一个合适的阈值,对误差补偿,对光斑边缘检测,采用最小二乘圆的拟合准则对圆心拟合,采用圆来逼近激光光斑的轮廓,确定圆的中心点,实现基于圆定位算法的热物理激光光斑位置定位。实验结果表明,在主观分析与客观分析上,所提出的定位方法偏差都较小,能够准确获得激光光斑的中心位置,并且,在不同信噪比下,所提出的定位方法定位误差都较小,满足方法的设计需求。     

基于ELM算法的起重船摆动轨迹跟踪

起重船进行海洋作业时,难免会受到风浪的影响,船体随之发生摇摆,使得起重船无法正常作业.船舶摇摆是一个复杂的非线性运动,神经网络具有很好的在线学习预测的能力,对此本文提出一种基于极端学习机ELM算法的轨迹跟踪方法,对起重船的摆动进行实时跟踪预测,在MATLAB中仿真出跟踪效果图,并与传统的BP神经网络算法对比,得出ELM具有更快更准确的跟踪预测能力,突出了ELM算法的优越性,最后可将此方法用于吊摆控制系统中.     

基于PSD的非均匀激光光斑中心定位研究

激光光斑中心定位是光学检测中的关键技术,大量应用在光学通信ATP系统、光路自准直控制系统、光学非接触位移角度测量系统中。针对传统电荷耦合器件(CCD)检测方法无法精准定位非均匀、非理想圆激光光斑的问题,提出一种基于位置敏感探测器(PSD)的旋转激光光斑中心检测的新方法。该方法依据PSD能够连续检测光敏面上光斑重心位置的工作原理,设计了一种定轴心旋转且角度可控的激光实验装置,通过对该装置投射到光敏面上的光斑重心的轨迹探测,经Kasa算法处理后得到光斑的中心位置,相较于CCD无需进行图像处理。实验中搭建了PSD光斑中心检测系统,并对旋转的激光光斑模式进行了分析。结果表明,激光光斑中心定位模型的线性度为-1.036、位置分辨率为0.1 μm,精确定位了光斑中心的移动轨迹。该方法为非均匀光斑的实时高精度定位提供了一种新思路。     

单目视觉目标观瞄光点实时定位方法

针对目标跟踪仿真系统中观瞄光点在数字仿真图像中的实时定位问题,提出一种基于单目视觉的光点实时定位方法。首先,采用卡尔曼滤波的方法对光斑在采集图像中的粗略位置进行预测;然后,在以此粗略位置为中心的光斑区域内采用基于Hessian 矩阵的方法对光斑中心坐标精确提取;最后,在建立有摄像机像平面上点到数字仿真图像上对应点的定位模型基础上,由提取的光斑中心坐标经定位模型求解实现光点定位。实验结果表明:该方法对光点定位的误差为0.4 pixel,且每帧图像的光点定位时间为0.32 ms。该方法可实现目标跟踪仿真系统光点的高动态、高精度实时定位。     

基于粒子滤波的运动物体检测跟踪

提出了一种状态空间模型粒子滤波算法,并应用于运动目标的跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化结果,在预设搜索区域用粒子群找到和目标模板最相似的中心位置,并以该位置作为观测值,进行跟踪。仿真实验结果和两种实际条件下效果比较表明该算法在跟踪低常速运动中精准性高,是一种有效的目标跟踪方法。     

激光光斑中心位置的亚像素定位技术研究

激光光斑中心位置的确定是墩顶位移测量系统中进行位移量计算的关键与核心,能否准确定位光斑中心直接关系到计算的准确程度。利用MATLAB对由墩顶位移测量系统采集到的激光光斑图像采用噪声消除和中值滤波进行图像平滑处理,提高目标与背景的区分度,为提取目标创造条件。其次,利用Canny算子对图像进行分割,以便从复杂背景中提取目标图像。最后,根据所提取的目标利用亚像素细分算法中的灰度重心算法求出激光光斑的中心坐标,为实现墩顶位移的精密测量提供了关键数据。     

基于Kalman滤波原理的运动目标跟踪

应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确.理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性.该算法对运动目标进行跟踪,运行速度可提高三倍.     

并联跟踪台单目视觉自标定方法

对并联机构进行标定是实现并联机构几何量校正和高精度定位的前提和基础.目前,现有的自标定方法因得不到完整的并联机构动平台位置和姿态信息,不能满足对并联机构所有几何量进行辨识和标定的要求.针对上述问题,以四自由度并联跟踪台为研究对象,提出了一种新的单目视觉自标定方法,通过实验对其标定精度进行了初步验证,并给出提高标定精度的可行性建议.该方法为并联机床、并联机器人、并联跟踪系统等实现高精度提供了一种新的解决途径.     

基于亚像素定位技术的激光光斑中心位置测量

传统亚像素定位算法过程中存在着抗干扰能力弱、定位精确度差、软件实现难度大等问题。为了解决这些问题,提高激光光斑中心定位精度,采用曲线拟合算法,结合小尺寸光斑中心的高精度定位测量法,进行了理论分析和实验验证。结果表明,该方法可将质心提取误差控制在0.1pixel内,与传统算法相比,其误差更小。该图像质心测量方法有效地降低了噪声干扰,增强了算法的抗噪声性能。     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。     

基于四象限探测器的光斑中心高精度定位算法

为了提高四象限探测器检测光斑中心位置的精度,降低现有算法的复杂度,提出了二段式多项式拟合算法。在光斑能量分布服从高斯分布模型的条件下,利用四象限探测器的对称性,简化数据的处理量,将拟合区间合理分为两段进行多项式拟合。同时,针对在拟合区间两端的拟合误差较大的现象进行了优化。仿真分析结果表明,当最高多项式次数为四次时,在原点附近区间,拟合误差仅为10-5mm数量级;在远离原点区间,拟合误差为10-4mm数量级。最后通过实验验证,证明了算法的可行性。