基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.

基于OSPA距离的航迹关联方法

提出一种基于最优次模式分配(OSPA)距离的多传感器航迹关联方法,把每一个局部传感器航迹看做一个航迹集合,通过OSPA距离度量各个航迹集合之间的距离,具有最短OSPA距离的航迹属于同一个目标航迹;针对航迹关联实时性的要求,进一步给出具有滑窗的航迹OSPA递推方法。最终结果表明,本文方法不仅可以有效保持航迹的历史信息和几何特征信息,而且可以有效地关联航迹交叉、航迹分叉和航迹异步等问题。通过与加权关联方法、独立序贯方法的仿真比较,证明其在关联精度、异步等几个方面具有比较好的优势。

随机集多目标跟踪性能评价指标比较与分析

本文全面比较分析了随机集多目标跟踪性能的三类评价指标:圆丢失率(CPEP)、Wasserstein距离和OSPA距离,指出各类指标的特点和使用场合。此外,对于CPEP指标,现有文献建议的公式有一定的不足,容易产生误解,本文对此进行了修正。比较和分析表明:CPEP可以用于评价目标丢失;Wasserstein指标相对OSPA距离简单,但在很多情况下和直观理解不一致;OSPA作为多目标评价指标更为合理些,但是,需要选择水平参数,有一定的主观性。最后,本文给出两个仿真算例对各个指标进行了分析和验证。

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。

一种针对于状态估计算法的敏感指标构建方法

针对信息融合领域内状态估计算法的性能评估问题,分析了当前常用评估指标的不足。提出了一种基于最优子模式分配的敏感指标构建方法,该指标利用两个可控参数对点迹位置误差与关联误差的敏感度进行合理分配。通过两组不同条件的实验,证明了在单目标环境下,OSPA距离具有与位置均方根误差相同的有效性与评估准确度;在多目标环境下,OSPA距离具有更高的使用灵活度与敏感度。