物体空间运动轨迹建模优化仿真研究

研究空间物体移动轨迹建模优化问题.传统的建模方法需要大规模的采集数据,会影响建模的效果,并且增加了无线带宽的成本.为了更好地跟踪和存储移动物体的轨迹,优化轨迹建模结果,提出了基于移动物体运动轨迹点描述优化算法.该算法通过预测和规划移动物体在整个运动过程中的运动轨迹的时空模型,采用少量轨迹点对运动轨迹进行优化,在减少轨迹点的同时,使运动轨迹更接近于移动物体真实运动情况.实验结果表明,该方法能有效地描述移动物体的运动轨迹,取得了预期的结果.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

基于视觉图像的全向移动机器人轨迹跟踪控制研究

机器人轨迹节点跟踪比较难,导致机器人实际轨迹偏离期望轨迹,所以设计基于视觉图像的全向移动机器人轨迹跟踪控制方法;构建全向移动机器人的运动学数学模型,以此确定机器人移动轨迹数学模型;以移动轨迹数学模型为基础,按照视觉图像划分标准对全向移动机器人运动图像的分割,通过分离目标节点的方式提取运动学特征参量,完成机器人轨迹节点跟踪处理;结合节点跟踪处理结果,将运动学不等式与误差向量作为机器人轨迹跟踪控制的约束条件,利用滑模变结构搭建轨迹跟踪控制模型,实现全向移动机器人轨迹跟踪控制;对比实验结果表明,所设计的方法应用后,全向移动机器人角速度曲线、线速度曲线与期望运动轨迹曲线之间的贴合程度均超过90%,满足全向移动机器人轨迹跟踪控制要求。     

短道速滑运动中的轨迹建模

为探究在短道速滑比赛视频中检测、跟踪多个运动员目标并重建运动轨迹的问题, 针对目前的技术难以保证在遮挡频繁和位置交错的复杂运动视频中完整地跟踪各个目标并恢复 其运动轨迹,提出了一套完整的算法流程,能够快速并准确地检测、跟踪运动员目标并对其运 动轨迹进行建模。进一步地,提出了一种基于三次 B-样条曲线的轨迹重建算法,利用 B-样条曲 线的非均匀性和连续性,可以在缺失部分跟踪结果的情况下完整地拟合各个目标的光滑运动轨 迹。实验表明,该算法可以检测、跟踪多个运动员目标并重建其运动轨迹,所得结果可进一步 用于实际的技战术分析中。     

基于混合优化的移动传感器网络反隐身研究

利用隐身目标的空间特性和移动传感器网络中探测器的机动性,提出了一种基于传感器轨迹优化的反隐身策略。针对隐身目标提出雷达波束入射角的概念并给出其表达式,提出基于模拟退火和粒子群的混合轨迹优化方法,提高优化算法的收敛速度、精度以及全局搜索能力。该反隐身策略本质上是通过对移动传感器运动轨迹的规划,充分利用传感器网络带来的信息获取优势,使用集中式检测融合对该组网系统的发现概率和跟踪性能进行仿真,仿真结果表明组网系统反隐身性能明显提高,轨迹优化结果符合工程实际。     

机器人视觉跟踪轨迹的分级规划方法

针对跟踪轨迹规划对于确保得到连续光滑的跟踪运动的重要性,提出了两级视觉跟踪轨迹规划方法。第一阶段在图像平面上规划运动轨迹,在图像平面上得到的离散规划点映射到机器人关节空间。第二阶段在机器人关节空间中用三次样条函数来连接这些离散点。为了满足实时控制的要求,在图像处理过程中采用窗口技术并抽取边缘特征。建立用于跟踪两维平面运动物体(如随运输带运动的物体)的机器人视觉跟踪控制系统。实验结果表明,跟踪误差渐近地减小到允许的数值范围,所提出的跟踪轨迹规划方法是有效的。     

一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法

Egocentric视频具有目标运动剧烈、遮挡频繁、目标尺度差异明显及视角时变性强的特点，给目标跟踪任务造成了极大的困难。本文从重建不同视角Egocentric视频中各目标的运动轨迹出发，提出一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法，该方法基于多视角同步帧之间的单应性约束解决目标遮挡和丢失问题，然后根据多视角目标空间位置约束关系通过轨迹重建进一步优化目标定位，并采用卡尔曼滤波构建目标运动模型优化目标运动轨迹，在BJMOT、EPLF-campus4数据集上的对比实验验证了本文算法在解决Multi-Egocentric视频多目标跟踪轨迹不连续问题的有效性。     

基于双目立体视觉的船舶轨迹跟踪算法研究

双目立体视觉模型通过模拟人眼可以实现对目标距离的测量。为了获得水上船舶实时的运动状态,提出了一种基于双目立体视觉的船舶轨迹跟踪方法。首先,通过摄像机标定、线性空间点三维重建可以测得以相机为中心到船舶的距离,得到船舶的部分运动轨迹;其次,在双目立体视觉测距系统的基础上采用常速(Constant Velocity,CV)模型的方法对船舶运动建模;最后,对建立的船舶运动模型利用强跟踪卡尔曼滤波(Strong Tracking Kalman Filter,STKF)船舶轨迹跟踪的方法跟踪船舶的轨迹并估算目标船舶实时的运动状态。实验结果表明,基于双目立体视觉的船舶轨迹跟踪的方法能有效地跟踪船舶轨迹且适用于工程应用的需求。     

基于视频的多目标车辆跟踪及轨迹优化

为了获取交通视频中车辆的运动轨迹,提供道路动态交通信息,提出一种基于Yolo3目标检测和KCF目标预测相结合,关联历史轨迹预测结果和检测结果的长时间多目标车辆跟踪算法;对采用机器视觉获取的车辆轨迹非平滑现象,提出通过Savitzky-Golay滤波器对原始的车辆轨迹进行平滑优化。对比测试场景中车辆轨迹优化前后,优化后的轨迹在保留原有车辆运动特征的前提下,改善了轨迹平滑性,提供的动态交通信息更能反映车辆真实运动状况。     

采用多组单应约束和马尔可夫随机场的运动目标检测算法

针对现有动态背景下目标检测算法的局限性,提出一种基于多组单应约束和马尔可夫随机场的运动目标检测算法.该算法以视频序列多帧跟踪的运动轨迹为基础,通过轨迹分离和像素标记2个阶段实现运动目标的检测:在轨迹分离阶段,利用多组单应约束对视频序列的背景运动进行建模,并基于该约束通过累积确认的策略实现背景轨迹和前景轨迹的准确分离;在像素标记阶段,以超像素为节点建立时空马尔可夫随机场模型,将轨迹分离信息以及超像素的时空邻域关系统一建模在马尔可夫随机场的能量函数中,并通过最小化能量函数得到每个像素的前背景标记结果.与现有基于运动轨迹的方法相比,文中算法不需要仿射摄像机模型的假设,有效地解决了运动轨迹等长带来的轨迹点区域缺失问题,并可同时处理静态背景和动态背景2种类型的视频;在多个公开数据集的测试结果表明,该算法在轨迹分离准确性、轨迹点密度以及像素标记准确率等方面均优于现有方法.     

基于PH曲线的Delta机器人轨迹规划方法

针对Delta并联机器人高速作业时笛卡儿空间轨迹不平滑的问题,提出一种基于毕达哥拉斯速端曲线（PH曲线）的轨迹规划方法．首先,利用PH曲线平滑竖直运动与水平运动间的直角过渡部分,确定拾放操作轨迹;然后,利用多项式运动规律对轨迹的1维曲线位移进行规划,确定运动轨迹插补点的位置;最后,以最小化拾放操作周期为目标优化PH曲线参数,得到平滑的运动轨迹．仿真分析表明,基于该方法的拾放操作具有较短的运动周期,轨迹平滑且有较平稳的运动特性;实验结果表明,Delta机器人能够以90次/分钟的速度进行抓取操作,实现了并联机器人的高速作业．     

基于轨迹聚类的超市顾客运动跟踪

针对超市等复杂应用环境下的运动目标轨迹跟踪问题,将轨迹聚类运用于目标跟踪中,提出了一种超市顾客运动跟踪方法。该方法对Kanade-Lucas-Tomasi(KLT)算法提取并跟踪得到的特征点轨迹进行预处理,滤除背景和短时特征点以分离出运动目标所在区域的关键特征点;进而采用均值漂移(meanshift)算法进行轨迹聚类,解决了单帧静态特征点聚类时的目标遮挡问题;最后采用运动跟踪匹配算法对前后帧的特征点进行最优匹配,解决了目标出入视频区域以及具有复杂路线时的稳定跟踪问题,得到顾客的完整运动轨迹。实验结果表明,该方法能够在超市入口、生鲜区以及收银台等各种典型超市区域中完成顾客轨迹的运动跟踪,并对顾客部分遮挡、复杂运动轨迹以及异步运动等多种特殊情况具有较高的鲁棒性。     

机器人操作臂跟踪动态目标的轨迹规划方法

针对机器人操作臂跟踪运动目标问题,提出一种基于遗传算法的轨迹规划方法。通过对关节加速度的增量进行编码,实现在操作臂的关节空间进行轨迹优化,得到操作臂在跟踪运动目标过程中所需要的轨迹。仿真计算的结果表明,所提出的方法是有效的。     

基于标记和轨迹预测的多目标跟踪方法

在跟踪测量系统中,为了能够有效地分割近距离目标并解决多目标跟踪中目标运动轨迹交叉的问题.提出了一种多目标标号和目标运动轨迹预测相结合的方法.该方法利用目标标号实现对任意复杂形状目标之间的分割和测量,准确判断目标轨迹交叉的时机,同时在目标轨迹交叉阶段启动卡尔曼滤波器进行轨迹预测,保证目标分离后的重新捕获与跟踪.实验结果表明,该方法能有效地对任意形状的运动多目标进行选择和跟踪.     

基于执行时间约束的机器人关节空间轨迹优化

为在保证机器人运动轨迹的平滑性的条件下提高机器人工作效率,提出一种基于轨迹执行时间归一化处理的关节空间运动轨迹规划优化算法。对轨迹的执行时间进行归一化处理,分析关节空间位置、速度、加速度的运动轨迹相对于归一化时间的数学模型;考虑关节运动参数的约束条件,采用五次多项式拟合机器人在关节空间的运动轨迹,分析不同轨迹执行时间对关节位置运动轨迹的超调量的影响,实现机器人关节空间的位置轨迹优化;在M atlab环境里对机器人的运动轨迹进行仿真建模,完成机器人运动学仿真。多组仿真结果表明,该算法在保证机器人轨迹平滑的基础上,能保证轨迹执行时间最优,有效地提高机器人的运动效率。     

实时视频中的车辆运动轨迹的提取和聚类

利用运动物体轨迹的方向性、运动性和相互关系等典型特征对物体的运动轨迹进行聚类。首先利用改进的加权矢量Hausdorff距离作为度量运动物体轨迹相似度的方法,从而使之适用于空间距离有差别的运动物体轨迹的谱聚类问题;然后基于等周分割（ISO）算法,构造轨迹相似度矩阵,完成轨迹的粗聚类;最后利用轨迹的方向性特征和轨迹类间距对轨迹进行二次聚类,得到最终的轨迹聚类结果。     

高精度星载点目标轨迹跟踪系统设计

一种高精度星载点目标轨迹跟踪系统,利用拟合点目标轨迹曲线的方法将点目标位置数据简化成多项式系数的数据包,由地面测控系统发送至星上遥感器指向控制单元。指向控制单元与时间管理单元解析数据包中时间参数与系数参数,控制指向镜机构进行运动,对点目标轨迹进行自主跟踪。此方法提高了跟踪系统的跟踪精度,减轻了目标跟踪时总线通信压力。经过试验验证,系统的跟踪精度远优于传统的目标跟踪方法,可进行推广使用。     

基于双向非线性学习的轨迹跟踪和识别

目标的运动轨迹是跟踪和识别目标行为的重要特征之一,在视觉跟踪等领域得到了广泛的应用.然而,由于轨迹数据具有高维和非线性等特点,因而直接建模目标的运动轨迹比较困难.为此,引入一种称为自编码(autoencoder)的双向深层神经网络,并结合粒子滤波提出一种轨迹跟踪识别算法.首先,自编码网络按照一定的学习规则将高维轨迹嵌人到二维平面上,通过该网络的逆向映射得到轨迹的生成模型,由轨迹生成模型可得到一系列可行性轨迹.跟踪过程中,每时刻粒子滤波器的粒子便从这些可行性轨迹中进行抽样,并利用颜色似然函数对抽取的粒子进行加权以及再抽样从而实现对目标状态的估计,最后在二维平面中利用"最小距离分类器"对跟踪轨迹进行识别.特别地,自编码网络提供了高维轨迹空间和低维嵌套结构的双向映射,有效解决了大多数非线性降维方法(例如局部线性嵌入算法(LLE)和等度规映射(ISOMAP))所不具备的逆向映射问题.跟踪和识别手写数字实验表明所提出的方法能在复杂背景下精确跟踪目标并正确识别目标轨迹.     

多观测器轨迹优化仿真研究

研究优化机载雷达组网系统的跟踪性能问题,在机载雷达组网中,多观测器与目标间的相对几何关系对定位跟踪精度有影响.可通过改变观测载体的飞行速度和航向角,控制其沿最优轨迹运动有效提高观测器的估计性能.为了对多站时差无源定位准确跟踪问题提出遗传算法对机载多观测器轨迹进行优化.推导出目标优化函数的表达式,采用遗传的轨迹优化算法,求解每一采样时刻使得目标函数最小的观测器位置,并在最佳位置对目标进行量测.可将轨迹优化加入运动目标被动跟踪过程构成闭环,通过估计和优化相结合的方法仿真实现观测器自适应运动下的运动目标被动跟踪.通过结果比较证明,算法可以有效提高对运动目标的跟踪精度.     

基于PSO的工业机器人时间-脉动最优轨迹规划

为提高工业机器人的工作效率,并且保持机器人关节平稳运动,提出一种基于粒子群优化算法的时间-脉动最优轨迹规划方案;通过权重法将多目标优化转化为单目标优化,再运用粒子群优化算法得到时间-脉动最优的运动轨迹;轨迹规划中,采用了关节空间五次非均匀B样条插值法,以确保脉动曲线的连续性;最后以GRB4016工业机器人为研究对象进行仿真实验,结果表明,该方案可以得到较理想的运动轨迹,并验证了方案的有效性。