可能模型集算法在机动目标跟踪中的应用

介绍了用于机动目标跟踪的变结构多模(VSMM)估计中可能模型集(LMS)算法。阐明了该算法通过剔除不可能模型,保留一般模型,激活与重要模型相邻的模型实现模型集的自适应原理,并给出了其实现步骤。采用LMS算法对恒加速(CA)机动目标跟踪的仿真结果表明,LMS算法的滤波效果优于交互式多模型(IMM)算法,算法简单易行、计算量小,可用于跟踪运动规律较复杂的目标。

基于RGB⁃D数据耦合误差处理的CEP⁃SLAM

针对使用RGB-D相机的VSLAM中RGB-D数据存在耦合误差的问题、现有特征提取方法存在的边点误提取问题及恒速运动模型跟踪稳定性差的问题,基于ORB-SLAM2框架提出了CEP-SLAM算法。算法使用恒加速运动模型来设置待跟踪帧的初始位姿;使用优化后的位姿计算帧间视觉里程计并更新恒加速运动模型,结合RGB图与深度图的采集时间差估算位姿偏移,基于该位姿偏移构建对极几何约束,使用二分法查找特征点在深度图对应像素点的位置,对特征点深度进行调整,缓解了RGB-D数据耦合误差对VSLAM的影响;提出一种基于联合方法的关键帧边点剔除算法,通过利用特征点在深度图的邻域信息对待插入关键帧中存在的不良边点进行判断和剔除。使用本文提出的CEP-SLAM算法在TUM公共数据集上进行实验,结果表明本文算法较好地剔除了不良边点,与经典算法相比有更好的鲁棒性、跟踪稳定性和更高的定位精度。

模型组转换算法在工程应用中的改进研究

在变结构多模估计当中,有一种算法称之为模型组转换算法,其可以用于跟踪运动规律较为复杂的目标。该文对此算法的模型组建立规则进行了改进,并将此算法与恒加速模型结合起来进行机动目标跟踪。仿真结果表明,改进的模型组建立规则有效的避免了滤波的发散,对其应用于目标跟踪起到了积极的推进作用。