有界噪声条件下基于集员滤波的扩展目标跟踪方法

现有概率框架下的扩展目标跟踪方法需要已知系统量测噪声统计特性,然而在实际过程中量测噪声大多为边界已知而统计特性未知的有界噪声,其难以利用概率方法对扩展目标运动状态与形态进行计算。针对有界噪声条件下的扩展目标跟踪问题,提出一种基于集员滤波的扩展目标跟踪方法,该方法通过UBB椭球集合对量测噪声进行表示,并采用集员滤波对运动状态集合参数进行计算。在对扩展目标形态估计过程中,结合凸包计算几何理论中的Graham scan算法,求解包含目标形态最大误差的最小边界矩阵,最后利用仿射变换和偏移超曲面计算椭球Minkowski差的边界参数,从而对目标形态矩阵进行更新。仿真结果表明,在有界噪声条件下,相比于传统概率框架下的贝叶斯滤波方法,文中所提出的方法对目标运动和扩展形态的跟踪精度更高。

基于三维激光点云技术的岩体结构面智能解译

准确、高效、全面获取岩体结构面信息,对岩体的稳定性分析有着重要的意义.采用三维激光扫描设备进行岩体数据采集,基于岩体点云模型提出了结构面自动识别方法.通过对Ransac算法进行改进,引入了新的采样方法和评分准则,大大提升了Ransac算法的计算效率和提取精度,使之更好地适应粗糙不平的岩体点云数据;基于改进的Graham Scan算法可以精准描绘出结构面的凸凹边界,进而精细化计算出结构面尺寸.基于以上算法研发了结构面识别程序RDD(ransac discontinuity dtection),并且采用了两组标准几何体数据和一组岩体数据对程序进行测试.结果表明,标准几何体产状误差在1°以内,实际岩体最大误差在6°以内,结构面尺寸最大误差率为0.278%,满足工程限定的误差要求.