路径搜索策略研究

针对城市道路网车辆导航系统中经典Dijkstra最短路径搜索算法中存在的计算效率问题，研究基于启发式策略和双向搜索策略的双向启发式优化搜索算法，并探讨路网的分层搜索策略．采用启发信息减少搜索范围、双向搜索分解搜索空间，从而提高了算法的执行效率．实际路网仿真结果表明：相比经典Dijkstra算法，启发式策略搜索效率可提升70％～80％，双向搜索策略在不损失搜索精度下进一步提高搜索效率5％～10％，而分层搜索策略可以极大提高大规模路网车辆导航长距离下路径搜索效率．

异轨遥感CCD影像外方位元素的解求

在对异轨遥感CCD影像处理的基本模型基础上 ,采用在物方空间坐标系中进行平差 ,并对相关的参数进行部分分离_合并 ,有效地控制了未知参数间的相关性。结合人工智能原理设计的分层全局最优的搜索控制算法不仅保证了算法的严密性 ,而且简洁、实用。

一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。