智能车SLAM中一种快速联合数据关联算法

数据关联是智能车同时定位与建图(simultaneous localization and mapping,SLAM)中的一个难点问题.为了快速准确获得数据关联结果,结合连续兼容最近邻(sequential compatibility nearest neighbor,SCNN)算法简单易实现和联合兼容分支定界(joint compatibility brarch and bound,JCBB)算法最优理念强的优点,提出了一种快速联合数据关联(fast joint data association,FJDA)算法.该算法首先在局部地图中采用SCNN数据关联算法处理所有的观测-特征对,得到关联结果;其次判断关联结果的准确性,若关联出错,则采用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)对当前时刻的观测量进行分组,然后在每一小组中采用JCBB算法进行数据关联,最终将每一小组的关联解融合得到最终的关联结果.通过仿真实验对提出的算法、SCNN算法以及JCBB算法的性能进行了比较,结果表明提出的关联算法实时性强,准确度高.

一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。

基于联合概率数据关联算法的红外弱小目标跟踪

针对在云天背景下运动的红外弱小目标,从数据关联的角度,利用联合概率数据关联算法实现多个红外弱小目标的跟踪。实验结果表明,在杂波环境下,联合概率数据关联算法可以稳健地跟踪多个红外弱小目标的目标状态,跟踪效果好。

基于粒子群及混沌算法的联合概率数据关联研究

联合概率数据关联算法(JPDA)是一种能够在杂波环境下对多目标进行数据关联的算法。随着回波与杂波数目的增加其计算量呈指数上升。虽然有一些类JPDA的方法可以减少其计算量,但在杂波环境下其准确性仍难以保证。本文将JPDA中关联矩阵的求解等效为多维分配问题,通过粒子群及混沌算法等智能算法的应用来提高算法的准确性。

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

一种改进的基于“当前”统计模型的联合概率数据关联算法

针对自适应卡尔曼滤波算法中"当前"统计模型需要预先设置机动频率和加速度极限值,不合理的设置将造成目标跟踪误差加大的情况,首先对机动频率进行调整,提出了新的自适应卡尔曼滤波算法。在此基础上,文章将新的自适应卡尔曼滤波算法和联合概率数据关联算法相结合,提出了一种改进的基于"当前"统计模型的联合概率数据关联算法。通过仿真实验证明,该算法能够较好地减弱目标机动,尤其是目标弱机动对原有自适应跟踪算法跟踪精度地带来的影响。

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.

基于距离加权的概率数据关联机动目标跟踪算法

为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.

基于车辆跟踪的数据关联算法研究

对于道路车辆目标的跟踪,由于其高机动性、杂波密集等特点,交互式多模型联合概率数据关联无疑是一种好的跟踪算法。但其固有的缺点是计算量会随着目标个数的增多迅速增加,并且其较少的运动模型难以保证跟踪精度,而增加模型个数会引起模型之间的竞争。因此,提出了一种改进的变结构多模型联合数据关联算法(VSMM-JPDA)。理论分析与对比仿真表明:在非机动、机动转弯和直线机动情况下,该算法对目标的跟踪精度都优于固定结构多模型算法,并且运算量大大减少。

多传感器多目标联合概率数据关联研究

提出改进联合概率数据关联算法对多传感器、多目标量测进行同源划分及单一传感器测量数据转换,并采用联合概率数据关联算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,改进联合概率数据关联算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。

融合热释电红外传感器与视频监控器的多目标跟踪算法

现有基于热释电红外传感器的多目标跟踪系统在目标之间距离较近或者轨迹相交的情况下存在着误差较大的缺点.针对此缺点,提出了一种新型的基于热释电红外传感器与视频监测器协同工作的多目标跟踪方案.该方案可以充分利用两种传感器的优势,弥补在目标跟踪中的不足.算法采用最小二乘法利用热释电信息进行定位,并通过从图像或热释电传感器信号的幅频特性中提取特征信息来校正联合概率数据关联算法的关联矩阵,有效避免了错误关联.实验表明,该方案在多目标交叉情况下跟踪误差仅为其它算法的八分之一到四分之一.

基于CHNN及混沌算法的联合概率数据关联研究

联合概率数据关联算法(JPDA)是一种在杂波环境下能对多目标进行数据互联的良好算法。它的计算量随着回波数目和杂波数目的增加会呈指数上升。虽然有一些类JPDA的方法可以减少其计算量,但在杂波环境下其准确性仍不能保证。本文将JPDA中关联矩阵的求解等效为多维分配问题,通过霍普菲尔德神经网络CHNN及混沌算法等智能算法的应用来提高算法的准确性。

一种IMM和JPDA混合型多目标跟踪算法研究

本文研究基于IMMJPDA算法的多机动目标跟踪,并对IMMJPDA算法中聚矩阵的构成进行了改进。当目标采用不同模型时,将产生多个相互独立的聚矩阵和可行矩阵,同时得到相应的可行矩阵的条件概率。最后利用模型概率对上述条件概率进行加权求和得到关联概率。改进后的IMMJPDA算法在RMSE超调性能上有了一定的提高。

基于水平鱼探仪影像的金枪鱼追踪系统

水平鱼探仪在金枪鱼围网中起着重要作用,主要用来发现和监测鱼群,目前的水平鱼探仪通常没有预测鱼群速度和评估鱼群数量的功能。提出了一种基于水平鱼探仪影像的金枪鱼跟踪系统,主要包括数据采集系统和鱼群跟踪软件,通过声学图像处理提取目标鱼群坐标,使用交互式多模型(IMM)算法和联合概率数据关联(JPDA)算法跟踪鱼群运动状态,实现金枪鱼游泳速度和运动方向的实时预测和显示。了解金枪鱼的逃逸速度,可以及时控制网位网形防止鱼群逃脱。该系统已经安装在一艘金枪鱼围网渔船上并记录海上真实数据,试图在原位进行鱼群的评估。

基于弱特征重识别的多目标长效摘要

在真实的视频监控系统中,存在大量的目标被遮挡的情况。针对目标在发生遮挡之后无法被再次识别,导致同一个目标的轨迹被分为好几段而且无法被关联起来的情况,提出使用目标的弱特征在遮挡发生之后目标再次出现时进行重识别。首先,利用卡尔曼滤波获得目标的预测位置。其次,引入联合概率数据关联算法计算某测量属于目标的联合概率,即测量至多分配一个目标,一个目标仅分配一个测量时的概率。最后,利用概率最大的测量更新目标状态。在遮挡时无法获得目标的准确状态,认为在区域中间出现的新目标可能为以前丢失目标,提出在目标被稳定跟踪时提取目标的弱特征。在遮挡发生之后通过半圆搜索(丢失目标原始运动方向左右90度形成的半圆)寻找新目标比较特征相似度,相似度高则认为目标匹配,从而解决遮挡问题。实验结果表明,相对于原始算法,该算法减少了获得的总摘要数和目标摘要被分段的概率,且增加了正确的摘要数,提高了跟踪系统的鲁棒性,获得目标的长效摘要。