排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。 相似文献
2.
针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。 相似文献
3.
针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明:与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。 相似文献
4.
在移动机器人视觉定位中,图像处理技术为摄像机标定和视觉定位奠定了基础.本文首先对机器人采集得到的目标图像进行灰度变换,将彩色的图像转换为灰度图像,利用中值滤波滤除目标图像中的孤立噪声点,再使用sobel算子提取图像的边缘,由于提取的边缘不清晰,最终使用改进的hough变换得到图像的清晰边缘.实验中利用matlab 7.5软件对图像进行处理,获取到准确的目标点像素.而要得到机器人在实际坐标系中的坐标,需要对摄像机进行标定,本文对直接线性标定算法进行改进,利用最小二乘法简化计算的过程,实现机器人视觉定位过程.实验结果表明,该方法简单且有效,提高了定位的准确度,验证了该方法在视觉定位中的有效性和可行性. 相似文献
5.
6.
7.
基于全介质超材料的电磁属性,提出了一种基于硅缺口盘单谐振器的超表面微流传感装置;利用时域有限差分(FDTD)法进行仿真模拟,仿真结果表明,该结构可以产生三重Fano共振,包括可被入射光直接激发的明偶极共振以及非对称性结构下明暗模式干扰产生的一个高阶模式杂化共振和一个磁共振。另外,分析了结构参数(缺口长度和宽度、结构的周期、硅盘半径和厚度)对Fano共振的影响以及微流装置中分析物厚度对传感特性的影响,得到参数优化后的结构的灵敏度最大可达到400.36nm/RIU,品质因数Q最大可达到1252.3,并证明了溶液厚度在一定范围内增大可以提升传感检测的性能。 相似文献
8.
针对BPnn(BP神经网络)在复杂多输入情况下,样本训练速度慢,不能满足实时性要求的缺点,提出了一种把神经网络分割成若干子网分别进行训练来获取更高计算效率的方法。将改进的BPnn应用于移动机器人在未知参数和不确定干扰下的轨迹跟踪控制问题中,提出了一种运动控制器和动力学控制器相结合的改进的计算力矩控制方法,用后退算法设计运动学控制器,用改进的BPnn优化动力学控制器。通过MATLAB数值仿真证明了算法的有效性和正确性。 相似文献
9.
IC-PSO算法的收敛性分析及应用研究 总被引:2,自引:0,他引:2
针对标准PSO算法后期迭代搜索效率不高,容易陷入局部最优的问题,提出将免疫克隆(IC)原理引入PSO算法中,把抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.并将其应用于40Gh/s的传输系统中进行了DOP优化补偿实验,算法补偿所需时间约为71 ms.通过对比补偿前后的信号眼图可以发现,PMD补偿后,信号眼图张开度有明显改善,证明了算法的有效性. 相似文献
10.
针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明:改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。 相似文献