基于边界约束粒子滤波的多UUV纯方位协同目标跟踪

面向海上跨域协同中多无人水下航行器(UUV)协同探测水面目标需求,针对现有纯方位目标跟踪算法所面临的滤波器初始化困难和水声数据传输丢包问题,提出了一种基于边界约束粒子滤波的多UUV协同纯方位目标跟踪算法。首先提出了主从式协同探测模型,利用跟随者向领航者上报状态估计结果进行数据融合。其次,基于UUV传感器和目标的先验信息设计了初始阶段可靠粒子生成方法和更新阶段的指标函数粒子权重优化方法。最后提出了基于灰色预测的分布式融合算法,得到目标预测结果。仿真实验将所提算法和其他常见算法进行对比,在通信丢包以及噪声干扰情况下验证了算法的有效性和可行性。

一种基于阳光的运动轨迹简化算法

阳光对运动轨迹的影响非常广泛高效地估算出轨迹的光照信息在简化冗余点的同时保留轨迹的阳光信息至关重要.本文提出一种基于阳光的运动轨迹简化算法结合市内道路的特性解决上述问题.首先提出一种方向模型用以抽象阳光和运动轨迹的关系同时提出一种与阳光方向相关的运动轨迹简化模型并利用遗传算法求取运动轨迹中需要保留的点.最后用美国明尼阿波利斯市的数据进行运动轨迹简化实验实验表明运动轨迹的点集数量可以在参数 Tmax的控制下有效地减少.

复杂热红外监控场景下行人检测

目的复杂热红外监控场景中的行人检测问题是计算机视觉领域的重要研究内容之一,是公共安全、灾难救援以及智慧城市等实际应用中的重要基础任务。现今的热红外行人检测算法大多依据图像中人体目标的灰度值高于场景环境这一假设,导致当环境温度升高热红外图像发生灰度值反转时行人检测率较低。为提高行人检测系统在不同场景中的鲁棒性以及行人目标检测率,提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法。方法该算法首先对热红外图像进行基于频域的显著性检测,生成对行人目标全覆盖的显著图;然后结合热红外原图像生成感兴趣区域图作为输入,以行人目标概率图为输出,搭建全卷积网络;最后,对热红外行人检测系统进行端对端训练,获取网络输出的行人目标概率图,进而实现行人目标检测。结果论文使用俄亥俄州立大学建立的红外视频数据集OTCBVS中的OSU热红外行人数据库对算法进行验证,与目前5种较为成熟的算法进行对比。实验结果表明,本文算法可以在各种场景中准确检测出行人目标,以MR-FP(丢失率—假阳率)为对比依据,本文算法7%的平均丢失率低于其他算法,具有更高的检测率,对热红外图像中的灰度值反转问题具有更好的鲁棒性。结论本文提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法,在实现检测算法端对端训练的同时,提高了其对各种复杂场景的鲁棒性以及行人目标检测率,提升热红外监控系统中行人目标检测性能。