排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
针对过山车难以精准定位的问题,本文提出了一种基于时间序列匹配的过山车定位方法。该方法首先使用动态时间规整(DTW)对惯性测量单元(IMU)的实测与仿真数据进行序列匹配,得到位置估计结果。之后将估计结果作为观测量,在误差状态卡尔曼滤波器(ESKF)中修正IMU预测结果,得到精准的定位结果。为了提高估计结果的准确度,本文提出了分段重组动态时间规整(SRDTW)算法,解决了DTW的匹配失真问题。使用本文方法对过山车进行了定位实验,结果表明,使用Z向加速度和俯仰角进行序列匹配可得到较为准确的估计结果;ESKF滤波后的平均定位误差可达0.24 m,较估计结果的定位误差减小45.6%。 相似文献
2.
基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,其具有描述简洁、易于实现、分割效果好等优点,但也存在运算时间过长等问题,本文提出了一种新的快速FCM图像分割算法,该算法首先将图像数据划分成一定数量的子集,然后利用区域粗糙度标记所有子集,最后根据子集质心及其权重进行模糊聚类图像分割,仿真实验结果表明,该算法能够以保证图像分割质量为前提,大幅度提高FCM图像分割速度,故具有一定应用价值。 相似文献
3.
以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法。该算法首先结合数据分布特点确定出H分量与I分量的初始聚类中心;然后利用FCM聚类技术对H分量、I分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割。实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案。 相似文献
4.
5.
1