CNN-LSTM车辆运动状态识别的AUKF组合导航方法

针对固定的噪声协方差难以适应车辆不同运动行为下噪声统计特性差异大的问题,提出了一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)的车辆运动状态识别自适应无迹卡尔曼滤波(AUKF)组合导航方法。首先,应用CNN-LSTM网络模型进行车辆运动状态识别,解决车辆自我运动不确定性的问题;其次,将特定运动状态约束下的噪声协方差应用于UKF的时间更新与量测更新;最后,将所提方法在采集的数据集上进行验证。实验结果表明,与经典的UKF算法相比,所提方法的位置均方根误差与速度均方根误差分别下降了22.67%与2.63%,验证了所提方法的有效性。

基于图像的运动车辆速度测量

提出了一种新的基于CCD图像测量运动车辆车速的方法.其工作原理是通过抓拍运动车辆前后两次的瞬时图片,根据车辆与CCD之间的相对位置关系,参照预置的定标线,求出车辆的运行速度.文中分析了2种测量误差,讨论了如何选择2张图片的拍摄位置.仿真实验验证了所提方法的有效性.

一种新型运动车辆视频检测及识别算法的研究

本文将当前人脸识别算法中比较成熟的AdaBoost算法与3D形变建模技术结合起来,将其运用到运动车辆检测上,提出了一种新型运动车辆视频检测及识别算法3D Adaboost。实验证明,该方法和现有常用车辆识别算法相比,能有效减少车辆识别时角度问题造成的检测错误;并且能在不损失准确度的基础上,显著缩短训练时间。