基于扩展Kalman滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展Kalman滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题.文中首先给出了空中移动平台传感器数据配准几何坐标转换算法;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用扩展Kalman滤波方程进行估计.Monte-Carlo仿真表明,该方法能同时有效地估计目标运动状态和传感器配准误差.     

基于扩展KalIan滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展Kalman滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题.文中首先给出了空中移动平台传感器数据配准几何坐标转换算法;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用扩展Kalman滤波方程进行估计.Monte-Carlo仿真表明,该方法能同时有效地估计目标运动状态和传感器配准误差.     

空基多平台多传感器时间空间数据配准与目标跟踪

研究多个空中移动平台的时间空间数据配准与目标跟踪问题.首先给出空中移动平台传感器数据空间配准几何坐标转换算法;然后采用最小二乘法对多传感器异步测量数据进行时间配准;最后将目标的运动模型和传感器配准误差模型组合在同一个状态方程中,利用扩展Kalman滤波方程进行估计.Monte-Carlo仿真表明,该方法能同时有效地估计目标运动状态和传感器配准误差,比传统配准方法具有更快的收敛速度和更高的精度.     

基于期望最大化与容积卡尔曼平滑器的机载多平台多传感器系统误差配准算法

针对机载多平台多传感器系统误差配准过程中出现的系统误差参数未知问题,本文提出了一种基于期望最大化(EM)与容积卡尔曼平滑器(CKS)的机载多平台多传感器系统误差配准算法.该算法将传感器的量测系统误差视为系统待估计的未知参数,构建了新的传感器量测方程.引入EM算法框架,在期望步(E–step)利用容积卡尔曼滤波器(CKF)和CKS近似计算对数似然函数的数学期望,在最大化步(M–step)对该数学期望进行最大化处理,最后通过解析更新反复迭代的方式获得各传感器系统误差的参数估计.数值仿真验证了本文提出算法的有效性.     

一种基于联合信息增量的网络级传感器管理算法

针对网络级传感器管理问题,提出一种基于联合信息增量的集中式网络多平台传感器管理算法.该算法充分考虑了网络通信故障、通信延迟以及配准误差等因素.仿真研究表明,该算法性能优于轮流分配算法,且分配结果随通信因素的变化规律符合实际物理意义.     

三维传感器极大似然配准算法

基于测量噪声的影响,提出一种精确极大似然法(EML)。配准估计是通过求最大似然函数获得的。说明了EML准则包含两类部分可分变量(实际目标位置和传感器配准误差),提供了两步递归优化算法,并通过计算机仿真证明了极大似然算法用于多传感器配准处理的估计精度高,适用的范围广,解决了最小二乘配准算法中存在的局限性;当多个传感器相距较远时,该算法明显优于传统的最小二乘配准算法。     

集中式多传感器融合系统中的时间配准研究

建立了集中式多传感器融合系统的时间配准模型.在已有时间配准算法的基础上,提出了配准频率的概念,给出了配准频率的选择方法.将配准频率与拟合计算相结合,提出了单目标条件下和多目标条件下的时间配准算法,并对配准实现中可能出现的问题进行了分析.分别在单目标条件下和多目标条件下对所提算法的应用效果进行了仿真.仿真结果验证了所提算法的有效性.     

异类传感器融合跟踪系统配准偏差的在线补偿

针对多传感器融合跟踪系统的时变配准偏差补偿问题,提出了一种配准偏差的在线估计和补偿算法.该算法首先依据多传感器提供的测量和跟踪信息,建立配准偏差的动态模型,然后利用极小化似然函数结合卡尔曼滤波方法在线估计系统偏差,利用估计的配准偏差,补偿和修正跟踪器的测量信息,实现多传感器的融合跟踪.最后针对异类传感器(雷达、红外)组成的多传感器跟踪系统,给出了应用该方法的仿真结果.     

基于多模型时间配准的雷达融合跟踪

针对不同数据率的雷达融合问题,提出了一种多模型时间配准算法,同时将基于最佳线形无偏估计(BLUE)准则的量测转换算法和交互式多模型(IMM)的滤波方法结合起来,将它们运用在雷达的融合跟踪中.通过仿真跟踪一个机动目标,验证了算法的有效性.仿真结果表明.当雷达采样周期比为4时,单模型配准和多模型配准误差相差不多,相应的融合误差相当;当雷达采样周期比为8时,多模型配准误差较单模型配准误差明显较小,相应的融合误差减小,融合效果好.     

基于融合反馈的多传感器空间偏差配准方法

利用多传感器的目标状态融合估计和融合估计误差协方差作为反馈信息,提出了带反馈机制的多传感器空间偏差配准方法.对二阶段Kalman滤波偏差配准方法进行扩展和改进,在不同噪声条件下对目标状态融合和偏差进行估计.仿真结果表明,带反馈信息的偏差配准方法可有效改善目标的状态估计和传感器的偏差配准,Crmaer-Rao下界分析说明了该算法的有效性.     

基于序贯最小二乘的多传感器误差配准方法

为实时估计多传感器系统偏差,针对广义最小二乘(GLS)配准方法不能实时估计传感器偏差的问题,提出了基于序贯最小二乘的多传感器误差估计方法,该方法在GLS配准模型基础上,采用最小二乘的序贯方法来估计系统偏差,不必存储过去的测量数据,能够实时估计系统偏差。仿真结果表明了该方法的有效性。     

协同定位中的坐标配准策略研究

坐标配准是协同定位的重要组成部分,一个合理的坐标配准体系可以体现协同定位算法的性能,否则可能会放大定位算法的误差。本文详细比较了基于最小二乘 (least square, LS)与基于普氏分析(Procrustes analysis, PA)的配准方法的设计思想、适用条件,并给出了基于普氏分析的坐标配准算法的详细步骤。利用协同定位算法(经典MDS和Levenberg–Marquardt算法)得到的实验数据,详细分析了锚节点数量、测距误差、网络节点平均连通度对配准精度的影响。实验表明,在2D和3D环境中,基于普氏分析的配准算法,其配准精度和稳定性都优于最小二乘法,配准误差降低约为20%。     

Visible and infrared image registration using trajectories and composite foreground images

The registration of images from multiple types of sensors (particularly infrared sensors and visible color sensors) is a step toward achieving multi-sensor fusion. This paper proposes a registration method using a novel error function. Registration of infrared and visible color images is performed by using the trajectories of moving objects obtained using background subtraction and simple tracking. The trajectory points are matched using a RANSAC-based algorithm and a novel registration criterion, which is based on the overlap of foreground pixels in composite foreground images. This criterion allows performing registration when there are few trajectories and gives more stable results. Our method was tested and its performance quantified using nine scenarios. It outperforms a related method only based on trajectory points in cases where there are few moving objects.     

Towards a general multi-view registration technique

We present an algorithm that reduces significantly the level of the registration errors between all pairs in a set of range views. This algorithm refines initial estimates of the transformation matrices obtained from either the calibrated acquisition setup or a crude manual alignment. It is an instance of a category of registration algorithms known as iterated closest-point (ICP) algorithms. The algorithm considers the network of views as a whole and minimizes the registration errors of all views simultaneously. This leads to a well-balanced network of views in which the registration errors are equally distributed, an objective not met by previously published ICP algorithms which all process the views sequentially. Experimental results show that this refinement technique improves the calibrated registrations and the quality of the integrated model for complex multi-part objects. In the case of scenes comprising man-made objects of very simple shapes, the basic algorithm faces problems common to all ICP algorithms and so must be extended     

一种新的卫星多光谱图像自动配准算法

针对小卫星独立相机多光谱成像系统波段间配准的非线性误差问题,提出了一种多光谱图像波段间自动配准算法,该算法综合利用互信息、遗传算法和MQ几何校正模型进行多光谱图像的自动配准。在算法中,以互信息作为配准的相似性度量,获得了很高的配准精度;利用遗传算法的快速搜索特性,可以较快的完成搜索并获得整体的最优解;利用MQ几何模型可以精确的建立图像之间的几何关系。试验表明该算法对于多光谱图像波段间非线性几何关系,能够取得非常高的波段间自动配准精度,整体配准误差在一个像元以内。     

多无源传感器的在线配准

为估计无源传感器的角度偏差,在只有角度测量信息的前提下,提出了多无源传感器的在线配准方法.该方法运用几何知识,由传感器测量的多个角度数据得到目标的估计距离,通过估计距离进行在线滤波器的初始化,进而实时估计传感器的角度偏差;并给出了配准模型的Cramer-Rao下限(CRLB).Monte-Carlo仿真表明:该方法能有效地估计无源传感器的角度偏差,同时得到目标航迹.     

基于二次误差的点云配准算法

提出了一种基于二次误差的特征描述子,该特征描述子具有旋转不变性。通过提取点的二次误差和邻域点二次误差得到两种特征描述子。基于高斯混合模型的点云配准算法层出不穷,主要原因是概率模型在噪声和离群值方面具有更好的鲁棒性,然而该类方法对于尺度较大的旋转表现并不好,为此将二次误差特征描述子作为高斯混合模型的局部特征优化了高斯混合模型较大旋转中的配准效果,并提出基于双特征的配准策略优化了单一特征的缺陷。通过实验与鲁棒的ICP(iterative closest point)以及流行的基于特征的配准算法在配准效率和配准精度方面进行对比,效率是鲁棒性ICP的3～4倍。在大尺度的旋转中提出的算法具有良好的鲁棒性并且优于大多数流行的算法。