基于贝叶斯推理时空交互式多视角目标跟踪

本文针对多摄像机视频跟踪的应用场景,在贝叶斯推理的框架下,提出了一种具有分布式时空交互计算特点的目标跟踪算法。本文首先利用贝叶斯网络对拓扑确定的多摄像机系统进行建模,并对待估状态(目标位置)高阶联合后验概率密度函数进行时空的递推,最后借助序列蒙特卡洛(粒子滤波)逼近后验概率密度函数,并采用高效的数据传送机制高效求解出跟踪目标在各个摄像机视野中状态估计值。通过序贯蒙特卡洛粒子滤波融合时空的目标灰度及位置信息,有效地抑制了部分摄像机内遮挡现象给跟踪造成的影响。定性和定量实验均证明了该算法的鲁棒性和高效性。

仿人足球机器人电子罗盘自定位技术研究

在RoboCup仿人足球机器人比赛中,实现机器人自身在球场中的自定位是一项最基本的功能。主要介绍了基于贝叶斯估计的蒙特卡洛粒子滤波算法,说明了仿人足球机器人的运动模型和视觉模型。与传统的只采用视觉传感器数据相比,该方法将电子罗盘信息融合入观测模型并使用融合后的数据更新粒子权重,使机器人在场地中能够准确的定位出自身身体朝向,从而克服了在缺少定位柱和球门柱颜色信息的条件下机器人无法辨别双方球门的问题。实验结果证明了该方法的有效性。

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解,而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-“粒子滤波器”(Particle Filters PF)法,这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型,分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF)的滤波精度、运算量等方面指标。给出了基于典型非线性模型的算法仿真,仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪。