基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade-Lucas跟踪算法来计算帧间特征点的匹配,然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小,能实时实现并提供可靠的背景运动模型估计。

模型预测控制系统的低保守稳定性分析

基于显式PWA(piece-wise affine)模型和Lyapunov函数,提出了一种模型预测控制系统的低保守稳定性分析方法。通过在PWA模型的状态分区上,寻找分段二次Lyapunov函数,把闭环预测控制系统的稳定性分析问题转化为线性矩阵不等式(linear matrix inequality,LMI)问题,并应用现有的高效凸规划算法来求解。对PWA模型的状态区域进一步的细化凸划分,以增加找到分段二次Lyapunov函数的可能性,减低闭环系统稳定性分析的保守性。数值仿真计算表明该方法是可行有效的。