基于多速率运动模型的多帧最近邻数据关联算法

为了提高标准最近邻数据关联算法的关联效果,提出了基于多速率运动模型的多帧最近邻数据关联算法.改正了Hong提出的多速率运动模型中关于过程噪声的一处错误,然后把该模型应用于最近邻数据关联算法,并推广到多帧情况.新算法使用序列关联量测更新目标状态,有效降低了最近邻算法中误关联对跟踪效果的影响.仿真结果表明,该算法在减少计算量的同时大大减少了跟踪丢失率.

基于最近邻数据关联法的安瓿溶液可见异物目标跟踪

运动目标跟踪是安瓿溶液可见异物检测的关键所在,数据关联在信息融合的基础上能很好对目标对象的相关性做出判断。结合运动状态预测的最近邻数据关联法,在目标先验知识不足、特征信息贫乏的条件下,能够有效地对潜在目标对象进行跟踪,从而做出杂质相关性判断。

基于双卡尔曼滤波及概率最近邻数据关联的道路坡度实时估计

道路坡度的估计对于车辆的精确控制、行驶环境的构建分析具有重要意义。在以往的坡度估计中未考虑坡度变化率,估计值难以实时跟随道路坡度的变化。同时基于单一估计方法的估计结果会受到刹车、换档、急加速等车辆状态的影响,难以保证坡度估计的可靠性及准确性。因此,提出了一种基于双卡尔曼滤波及概率最近邻数据关联滤波器的道路坡度估计方法。根据不同的车辆状态将基于动力学与基于运动学的两种子估计坡度值进行全局融合,避免单个子估计坡度值的误差。同时,对于每种子估计方法提出了一种基于双(无迹)卡尔曼滤波的坡度变化率及坡度分层估计算法。仿真和试验结果表明,所提出的子估计方法能够更好地跟随道路坡度的变化,提高估计精度。而全局融合方法能够在子估计方法的基础上进一步提高估计精度,避免某一子估计值的较大误差,提高坡度估计的准确性及可靠性。

基于蛙人探测声纳序列图像的水下小目标跟踪算法

针对水下监控系统中的小目标跟踪问题,在分析蛙人探测声纳图像特点的基础上,提出了基于面积约束的全局域最近邻数据关联法,有效解决了水下监控环境下目标小、结构信息缺乏、成像不稳定的难点,通过引入航迹"运动方向"的思想消除了混响区虚假航迹的影响,实验证明该算法具有准确性高、实时性好、鲁棒性强的特点。