基于EKF的UUV单信标水声导航定位方法研究

文章描述了基于扩展卡尔曼滤波算法的水声导航定位方法,该方法可以对UUV(无人水下航行器)进行导航估计,有效减少导航定位过程中的累积位置误差;导航模型中信标与UUV时间同步,且信标以一定时间间隔,广播发送水声脉冲信号,UUV利用信号的传输时间延迟,确定与信标之间的相对距离;通过解算UUV与信标的相对距离,以及自身的航行速度、航向角等参数变量,利用扩展卡尔曼滤波算法,可估计出UUV相对信标的位置,通过优化算法,可以有效降低定位过程中的累积位置误差;仿真结果表明,该导航定位算法实现简单、导航精度高,对未来小型UUV导航方法有很好的实用价值。     

仅方位角系统UUV轨迹优化方法研究

在主从式UUVs(Unmanned Underwater Vehicles)系统中,从UUV仅携带被动传感器测得杂波环境下的主UUV方位角信息,通过自主优化其运动轨迹以达到尽快实现与主UUV汇合的目的。分析对比不同的观测载体机动轨迹对仅方位角系统TMA(Target Motion Analysis)精度的影响后,充分考虑到本课题从UUV速度小于主UUV速度这一特殊情况,提出了一种适用于工程应用的基于动态距离最短的轨迹优化方法并且借鉴其它载体航路跟踪模式设计从UUV跟踪轨迹的整体过程,使用扩展卡尔曼滤波算法进行主UUV运动要素估计,采取边估计边优化的方法实时更新从UUV运动状态。仿真实验中与基于方位角变化率最大轨迹优化方法及基于最小化均方误差阵的迹的轨迹优化方法进行对比,结果表明该方法能够实现主从UUVs的汇合,验证了该方法的合理性。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

基于卡尔曼滤波的弱小目标实时检测与跟踪

提出一种基于卡尔曼滤波的弱小目标实时检测与跟踪方法。计算每帧图像上所有星点到参考星点的距离,利用目标与背景恒星运动特性上的差异检测出运动目标。针对漏检问题,采用卡尔曼滤波算法估计目标在漏检帧上的位置,通过对图像的重分割寻找丢失目标,利用目标的运动信息建立连续的目标链。实验结果表明,该方法能实现高检测率和低虚警率的实时检测。     

基于信息一致性的多UUV占领攻击阵位的方法

针对研究多UUV编队对敌运动目标协同攻击的战术需要,为了准确规划出目标位置,建立了单UUV(Unmanned Un-dersea Vehicle)与运动目标的相遇模型(在火力半径上的相遇),分析与解算单UUV与目标的最佳相遇点(即UUV的最佳攻击阵位点),并根据该相遇点求出单个UUV与运动目标的初始相遇时间;利用卡尔曼信息一致性机制对多UUV与运动目标的相遇时间进行了信息一致性计算,根据计算结果分析与得到了多UUV同时占领攻击阵位(以火力半径为半径的阵位圆)的机动方法。最后通过系统仿真,验证了方法的可行性和正确性。     

利用sigma点卡尔曼滤波的多UUV协同定位

融合无人水下航行器（UUV）内部航位递推估计和外部量测信息的协同定位方法是一种提高只配备低精度自定位装置的UUV定位精度的有效手段。当协同系统结构固定时,滤波器的选择就决定了精度提高的幅度。针对扩展卡尔曼滤波（EKF）在处理非线性系统时具有较大的截断误差和繁琐的计算,提出了使用sigma点卡尔曼滤波（SPKF）的协同定位方法。与EKF相比,无味卡尔曼滤波（UKF）和中心差分卡尔曼滤波（CDKF）具有更好的鲁棒性,在没有增加计算复杂度的基础上进一步提高了UUV的定位精度。仿真比较了采用不同滤波算法的协同定位方法提高定位精度的效果,验证了利用sigma点卡尔曼滤波的多UUV协同定位方法的有效性和一致性。     

一种改进的卡尔曼目标实时检测与跟踪算法

对象跟踪已在视频监视、流量管理、视频索引、机器学习、人工智能等领域广泛使用,为快速、实时和准确对视频运动目标进行检测与跟踪,本文提出了卡尔曼滤波算法与粒子滤波器相结合的优化算法.该算法是在卡尔曼滤波算法框架下结合粒子滤波器,嵌入具有更高精度的运动目标跟踪方法用于估计和预测运动物体的位置,提升运动目标的检测与跟踪精度,并...     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

基于卡尔曼滤波与Zernike-facet模型的运动小目标检测

本文提出了一种新的运动小目标检测算法,该算法基于卡尔曼滤波和Zernike-facet模型。卡尔曼滤波器是一种简单和常用的状态估计快速算法,能够较为准确地对目标的运动位置、速度作出预测。本文首先利用卡尔曼滤波预测图像序列中目标的位置并得到目标搜索窗口,然后利用Zernike-facet模型检测搜索窗口中的匹配图像。仿真实验证明,这种方法是有效可行的。     

基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法;该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪;通过实验证明,该算法是很有效的,具有推广价值.     

Acoustic motion estimation and guidance for unmanned underwater vehicles

The problem of navigation, guidance and control of Unmanned Underwater Vehicles (UUVs) is addressed in this paper. A task-function based guidance system and an acoustic motion estimation module have been integrated with a conventional UUV autopilot within a two-layered hierarchical architecture for closed-loop control. The design of the guidance system is based on suitable Lyapunov functions that can handle the different manoeuvres involved in approaching a target. Range and bearing information provided by a pencil beam profiling sonar are processed by an Extended Kalman Filter based algorithm for motion estimation in a structured environment. The resulting Navigation Guidance and Control (NGC) system has been tested on Roby2, the UUV testbed developed at the Istituto Automazione Navale of Italy's National Research Council. The experimental set-up as well as modalities and results are discussed.     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.     

A pattern based PSO approach for block matching in motion estimation

Block matching motion estimation is a popular method in developing video coding applications. A new algorithm has been proposed for reducing the number of search points using a pattern based particle swarm optimization (PSO) for motion estimation. The conventional particle swarm optimization has been modified to provide accurate solutions in motion estimation problems. This leads to very low computational cost and good estimation accuracy. Due to the center biased nature of the videos, the proposed approach uses an initial pattern to speed up the convergence of the algorithm. Simulation results show that improvements over other fast block matching motion estimation algorithms could be achieved with 31%～63% of search point reduction, without degradation of image quality.     

机械臂最优运动规划问题的混合求解

提出一种基于GA和SQP求解机械臂最优运动规划问题的混合算法．首先采用B样条函数逼近关节运动轨迹，将最优控制问题转化为有约束的非线性规划问题，然后引入基于种群的GA算法，给出全局最优解的初始估计；最后利用序列二次规划(SQP)得到高精度全局最优解．仿真结果表明该方法优于单纯的GA或SQP方法。     

Block matching algorithm for motion estimation based on Artificial Bee Colony (ABC)

Block matching (BM) motion estimation plays a very important role in video coding. In a BM approach, image frames in a video sequence are divided into blocks. For each block in the current frame, the best matching block is identified inside a region of the previous frame, aiming to minimize the sum of absolute differences (SAD). Unfortunately, the SAD evaluation is computationally expensive and represents the most consuming operation in the BM process. Therefore, BM motion estimation can be approached as an optimization problem, where the goal is to find the best matching block within a search space. The simplest available BM method is the full search algorithm (FSA) which finds the most accurate motion vector through an exhaustive computation of SAD values for all elements of the search window. Recently, several fast BM algorithms have been proposed to reduce the number of SAD operations by calculating only a fixed subset of search locations at the price of poor accuracy. In this paper, a new algorithm based on Artificial Bee Colony (ABC) optimization is proposed to reduce the number of search locations in the BM process. In our algorithm, the computation of search locations is drastically reduced by considering a fitness calculation strategy which indicates when it is feasible to calculate or only estimate new search locations. Since the proposed algorithm does not consider any fixed search pattern or any other movement assumption as most of other BM approaches do, a high probability for finding the true minimum (accurate motion vector) is expected. Conducted simulations show that the proposed method achieves the best balance over other fast BM algorithms, in terms of both estimation accuracy and computational cost.     

高精度亚像素全局运动估计的上采样梯度互相关算法

运动估计在视频图像压缩、超分辨率重建、拼接、目标检测等方面具有重要的应用意义。针对高精度的亚像素运动估计问题,引入一种优化滤波器用于计算图像梯度,并采用上采样与抛物面拟合梯度互相关曲面相结合的方法,探讨一种高精度的亚像素全局运动估计算法。实验结果表明,该算法不仅对噪声影响具有较好的鲁棒性,同时能够有效地提高运动估计的精确性。     

Optimization of Motion Estimation Algorithm Based on FPGA Hardware System and Video Tracking

Motion Estimation (ME) is a computationally expensive step in video tracking. A thorough search technique produces the best execution time and the best accuracy. Computational burden, many fast search algorithms limit and report the number of places to search. Motion estimation, analysis of image sequences, computer vision, tracking a target, and is a critical process in a wide range of fields and applications such as video coding. Precision motion estimation lowers significantly bit rate, but can require a complexity of higher computational. This is different reference frames, sub-pixel estimation, and video compression standards, including techniques such as variable block size, MPEG, especially true for a new generation. Only the motion estimation in H.261 is limited to an integer pixel accuracy, rather than the pixel grid, not in the object is often located, move to move between pixels. The system proposed in the motion vector optimization motion estimation (OME) pixel accuracy. By estimating the amount of displacement at a finer resolution, improve prediction, it can expect better performance than motion estimation using an integer pixel precision. Optimization motion estimation (OME) and the compensation method is very similar to that employed in other standards. The main is that block-based motion estimation and compensation is suitable for optimization structures in MPEG-4. Motion estimation (ME) is one of the most computationally-intensive companies in the video compression technology. Video compression algorithm, MPEG1, MPEG4, such as H.261 and H.264, a lot of the standard used. Improved compression performance. Energy effective motion estimation technique is reduced to the rest of the frame involved in motion compensation.     

基于贪婪重建的射频传感器网络稀疏目标跟踪

在射频传感器网络中利用接收信号强度来实现无设备运动跟踪是一种新兴技术。由于待重建的场景是稀疏的,即目标个数很少,这样可以应用压缩传感技术。提出把目标跟踪作为压缩传感的信号重建问题,并提出贪婪检测估计算法来求解目标位置。同时,设计一种利用目标先验位置信息的反馈跟踪方法来减少信号重建时所需的测量数。通过实验验证：贪婪检测估计算法可获得较好的信号重建结果,而且在目标跟踪应用中也较为精确。     

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。     

基于时空相关性预测的运动估计的优化

运动估计的方法不仅在视频压缩技术中得到广泛的应用,而且也在高质量的视频帧频转换中起到了越来越重要的作用。如何提高运动估计所得到的运动矢量的质量,从而得到更高质量的插入帧图像,是文中研究的目的。在分析比较了现有的几种运动估计算法的基础上,提出了一个优化方法。该方法利用了分水岭算法对视频图像的物体进行正确分割,得到了被识别物体的最优的运动矢量。实验结果表明,该优化方法能够优化所有基于时空相关性预测的运动估计的算法的运动矢量,得到的插入帧图像的质量更高,因而具有较强的实用性。