多无人机同时到达的standoff跟踪控制

为实现多无人机standoff目标跟踪与同时到达,提出了一种新的比例Lyapunov矢量场和基于τ耦合理论的协同速度控制器。首先,与其他的Lyapunov矢量场相比,比例Lyapunov矢量场中增加了一个可设置的参数,使得在跟踪过程中无人机能够在收敛速度和航向角速率限制之间取得平衡,最大限度的发挥无人机的性能;然后,通过进一步的理论分析得出参数越小,收敛速度越快,但是航向角速率越大。同时给出了在最大航向角速率限制下参数的选取方法,以保证获得较快的收敛速度。最后,为保证无人机能够从不同初始位置同时到达目标点,设计了基于τ耦合理论的协同速度控制律,该控制律不需要考虑实际的不规则飞行路径,只需要计算当前点到目标点的直线距离,避免了现有四维路径规划方法中路径积分复杂的问题,算法更加简单,更有利于工程实现。结果表明,通过数字仿真实例和硬件在环实验,验证了所提方法能够导引无人机同时到达目标点,并快速收敛到standoff半径,说明了该方法的有效性和优越性,且能够应用于工程实际。

基于tau矢量场制导的多无人机协同standoff跟踪方法

针对有时间约束的多无人机(UAV)协同standoff跟踪需求,研究基于四维矢量场的多UAV协同制导方法.利用本征tau-G制导策略能够依照期望时间对各运动状态进行同步规划的特性,构建tau制导矢量场,并在此基础上提出综合性多UAV协同standoff跟踪方法.该方法用tau矢量场导引各UAV的位置在期望时间准确收敛于目标圆,利用tau-G策略调整UAV之间的相位间隔,应用序列二次规划对跟踪参数进行优化,并采用人工势场法进行协同避碰避障.仿真结果表明,基于tau矢量场制导的协同standoff跟踪方法计算负荷低,跟踪偏差小、制导策略可飞性好,飞行安全性高,能够更好地满足多UAV协同standoff跟踪的应用需求.

基于改进Lyapunov矢量场法的standoff跟踪研究

针对基于Lyapunov矢量场法的目标standoff跟踪中收敛速度慢的问题展开研究,提出了一种改进的Lyapunov矢量场法。首先建立了无人机运动学模型,通过对基于速度信息主导的方法和基于位置信息主导的方法的优缺点进行对比,定义了新的速度式,先判断无人机是否收敛到跟踪圆上,然后实施机动。通过速度式实现了跟踪形成前无人机的快速收敛到跟踪圆,跟踪形成后跟踪没有延迟和滞后。最后仿真结果表明了所提出方法的有效性。

CNN-Transformer特征融合多目标跟踪算法

在卷积神经网络(CNN)中,卷积运算能高效地提取目标的局部特征,却难以捕获全局表示;而在视觉Transformer中,注意力机制可以捕获长距离的特征依赖,但会忽略局部特征细节。针对以上问题,提出一种基于CNN-Transformer双分支主干网络进行特征提取和融合的多目标跟踪算法CTMOT(CNN-transformer multi-object tracking)。使用基于CNN和Transformer双分支并行的主干网络分别提取图像的局部和全局特征。使用双向桥接模块(two-way braidge module,TBM)对两种特征进行充分融合。将融合后的特征输入两组并行的解码器进行处理。将解码器输出的检测框和跟踪框进行匹配,完成多目标跟踪任务。在多目标跟踪数据集MOT17、MOT20、KITTI以及UADETRAC上进行评估,CTMOT算法的MOTP和IDs指标在四个数据集上均达到了SOTA效果,MOTA指标分别达到了76.4%、66.3%、92.36%和88.57%,在MOT数据集上与SOTA方法效果相当,在KITTI数据集上达到SOTA效果。由于同时完成目标检测和关联,能够端到端进行目标跟踪,跟踪速度可达35 FPS,表明CTMOT算法在跟踪的实时性和准确性上达到了较好的平衡,具有较大潜力。

基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5 ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。

结构因素对遥感天线跟踪精度影响分析及对策

在遥感地面站天线设备中,跟踪精度是伺服控制系统的关键技术指标。重点分析影响跟踪精度的机械结构谐振频率、摩擦两个结构因素,给出了影响因素与天线跟踪误差之间的理论关系:天线机械结构谐振频率主要影响伺服动态滞后误差和高仰角跟踪性能;摩擦力矩主要影响跟踪随机误差和伺服低速跟踪平稳性能。给出了改善低速平稳性能的解决措施;提出了一种数字复合控制融合新型结构滤波器(数字凹口滤波器+一阶惯性环节)的动态跟踪控制方法,解决了窄波束天线机械结构谐振频率较低影响伺服跟踪性能的问题。测试结果表明,天线最低平稳运行速度达0.005 (°)/s,速度误差优于10%;天线加速度在0.393 (°)/s^(2)时,方位动态跟踪均方根误差优于0.006 2°。遥感地面站天线设计方法实用有效,为今后同类天线伺服控制系统设计提供了理论依据。

多约束条件下四旋翼机动轨迹跟踪一体化控制方法

四旋翼无人机高动态飞行需求的增加使其成为一个越来越热门的研究主题。针对四旋翼执行废墟裂缝和树林缝隙穿越任务时的大机动轨迹状态跟踪控制问题,提出基于模型预测控制的一体化控制方法,包含多约束条件下的高机动轨迹规划和多参考状态量的一体化跟踪控制,并通过飞行试验验证了所提方法相比前馈PID控制方法在跟踪规划的高机动轨迹时的优越性能。在飞行试验中,四旋翼成功穿越了60°滚转角的窄框,其实际滚转角达到60°大角度的同时,z轴误差仅为0.065 m。

跟踪算法下的果树修剪机器人路径规划设计

以果树修剪机器人为研究对象,基于轨迹跟踪算法对修剪机器人进行作业路径规划,并分别与传统的往复式路径规划算法和跟踪算法进行仿真对比实验分析。分析结果表明:与传统往复式路径规划算法相比,修剪机器人作业过程中漏剪率降低3%,重复率降低2.5%;与传统跟踪式路径规划算法相比,修剪机器人作业过程转角范围增大36°,横向轨迹误差降低600mm。

运用路径动态预览模型的低速智能汽车侧向跟踪控制研究

采用速度自适应的动态预瞄距离是提高智能车侧向跟踪控制效果的有效办法。针对目前基本采用基于当前车速的预瞄距离自适应策略,提出一种结合规划路径和规划速度信息的动态预瞄距离跟踪控制算法以提高智能车在低速侧向跟踪控制的精确性。本文以几何学纯跟踪算法为基础,推导了前行和倒车时的侧向跟踪控制律;依据实时规划的路径和速度信息,设计了预瞄距离动态调整方法,最终获取具有速度自适应性的前视距离-车辆前轮转角关系。最后,在CarSim-MATLAB/Simulink联合仿真环境下验证了算法的有效性和准确性,并通过实车测试,验证了所提出的方法较基于动力学模型的LQR算法具有更低计算消耗和更高跟踪精度。

实时跟踪和虚拟成像技术辅助创伤骨科手术机器人治疗股骨颈骨折

目的:探究实时跟踪和虚拟成像技术(real-time tracking and virtual reality technology,RTVI)辅助创伤骨科手术机器人术中配准治疗股骨颈骨折的治疗效果。方法:回顾分析2020年9月至2022年9月应用创伤骨科机器人手术治疗的60例股骨颈骨折患者,根据术中是否使用RTVI技术辅助机器人手术将患者分成两组:RTVI组28例,男12例,女16例;年龄28~60(46.2±9.3)岁。单纯天玑手术机器人组32例,男15例,女17例;年龄32~58(48.2±7.8)岁。观察并记录两组配准透视次数、手术时间、术中透视次数、术中出血量、住院时间。所有患者术后接受定期随访,常规复查髋关节X线片,记录Garden对线指数、骨折愈合时间、术后并发症、Harris评分。结果:60例患者均获得随访,其中RTVI组随访9~16(13.0±1.2)个月,单纯天玑手术机器人组随访10~14(12.0±1.3)个月,两组比较差异无统计学意义(P>0.05)。随访期间两组股骨颈骨折均愈合良好,无内固定松动、切口感染等并发症发生。RTVI组配准透视次数、手术时间、术中透视次数优于单纯天玑手术机器人组(P<0.01)。而两组术中出血量、住院时间、Garden对线指数、骨折愈合时间、髋关节Harris评分比较,差异无统计学意义(P>0.05)。总结:RTVI技术辅助天玑手术机器人治疗股骨颈骨折手术虽然对其术后疗效影响不大,但可以有效减少手术时间,减低术中X线投射次数,降低患者术中辐射暴露风险。同时也缩短了术者的学习曲线,更好体现创伤骨科手术机器人的精准和高效。

稀疏约束与时间一致的背景感知相关滤波目标跟踪

背景感知滤波算法通过循环移位采集真实负样本,有效解决了边界效应.但在复杂场景例如遮挡、快速移动、背景干扰等,其较大的采样区域导致过多背景在杂波干扰,从而影响跟踪效果.针对这一问题,本文首先提取灰度HOG特征与颜色CN特征来提高目标外观模型,在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征,增强滤波器在复杂背景下的判别能力.同时针对BACF在跟踪过程中目标快速变化,本文引入时间正则项提高滤波器抑制畸变的能力.最后,本文提出了一种独立的尺度滤波器算法,准确提供目标尺度大小.实验仿真结果表明,在公开数据集OTB-2013和OTB-2015上,本文算法较基准算法有很大提升,能够较好应对不同复杂场景下的跟踪难题.

军队院校人才培养质量跟踪反馈现状分析与运行模式研究

开展人才培养质量跟踪反馈工作是军队院校围绕学员的任职能力、职业状态和发展潜力等要素,以获取大量有价值信息为目的,用以及时修正、提升院校人才培养工作的重要举措。本文通过对军地高校现行跟踪调查工作开展的情况分析,从机制建立、评价体系设定和数据分析处理三个方面入手,提出了增进人才培养质量跟踪反馈工作的方法和举措,结论对于提高军队院校人才培养工作与部队岗位需求的契合度,有效提升人才培养质量具有重要意义。

基于联合GLMB滤波器的可分辨群目标跟踪

针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题,结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先,采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息,并利用HGM结果提升量测与预测状态之间的关联性能。其次,通过图理论计算邻接矩阵,获取群结构信息和子群数目。随后,利用群结构信息估计协作噪声,进而校正目标的预测状态。最后,通过平滑算法改善滤波效果,并设置轨迹长度阈值,使其在平滑状态达到消除短轨迹的目的。仿真实验表明,所提算法在线性系统下能有效提升群目标跟踪性能。

台湾地区跟踪骚扰行为犯罪化的体系构建与价值镜鉴

严重的社会危害性是跟踪骚扰行为法律治理的逻辑起点。20世纪90年代以来,跟踪骚扰行为逐渐演变为全球性社会问题。为有效应对跟踪骚扰行为,世界各国普遍采取犯罪化的形式加以回应。台湾地区借鉴国外相关法律规定,修改传统分散式规制模式,制定专法“跟踪骚扰防制法”,对跟踪骚扰行为进行统一而全面的立法规定。内地地区同样面临跟踪骚扰行为带来的社会问题和法律难题。因此,应当借鉴台湾地区的经验,制定跟踪骚扰行为专门法律。在完善法律机制的进程中,应当防范网络科技为犯罪行为注入的新元素,加强立法的前瞻性,发挥法律的预防功能,为中国式现代化社会治理提供丰富的理论智慧和实践根据。

无人驾驶拖拉机路径跟踪控制方法综述

为加快农业现代化的发展,农机自动化、智能化是我国农业机械的发展趋势。无人驾驶拖拉机能够提高作业精度与作业效率,减少投入成本,是近年来智能农机装备领域的重要研究对象。为此,介绍了无人驾驶拖拉机的两种主要建模方法以及5种路径跟踪控制方法。同时,对该技术发展提出了建议:应进一步深入研究曲线行驶和转弯控制方法,分析不同路面的影响,综合考虑成本与控制方法鲁棒性、适应性之间的平衡关系。

基于模糊快速滑模的农用牵引车辆直线路径跟踪控制

为解决无人驾驶牵引式农机在非结构化环境中作业时直线跟踪精度低、上线速度慢、抗干扰能力差等问题,提出了一种基于模糊快速滑模控制的农用牵引式车辆直线路径跟踪控制方法。首先利用车辆运动学模型与参考路径建立牵引车辆直线路径跟踪误差模型,并提出一种基于模糊参数整定的快速滑模直线路径跟踪方法,解决了滑模控制算法的控制器抖振与机具快速上线问题。通过Lyapunov稳定性分析可知,所设计控制方法可保证牵引机具跟踪参考路径,同时铰接角收敛至零。最后,基于Simulink仿真与实车试验对该控制方法的有效性与优越性进行测试。田间实车试验表明,使用本文控制方法时,拖车和挂车最大路径跟踪横向误差分别为0.11、0.12 m,拖车和挂车跟踪误差方差分别为0.0013、0.0015 m^(2);相较于传统基于等速趋近律设计的滑模控制器,上线时间提升约58%,最大跟踪误差减小约66%。

《广州管圆线虫病诊断标准》(WS/T 321—2010)在福建省和云南省实施情况的跟踪评价

目的了解《广州管圆线虫病诊断标准》(WS/T 321—2010)(简称《标准》)的实施情况,为《标准》的推广和进一步修订、完善提供科学依据。方法通过分层抽样的方式抽取福建省和云南省的省、市、县和乡镇4级的疾病预防控制机构(简称疾控机构)和医疗机构的专业技术人员作为调查对象,采用调查对象自填问卷的方式开展《标准》实施情况调查。结果共调查工作人员308人,回收有效问卷308份。《标准》知晓率为71.10%(219/308),不同特征调查对象中,≥50岁(81.40%,35/43)、市级单位(79.76%,67/84)、疾控机构(88.24%,105/119)、从事寄生虫病防治工作(85.71%,114/133)、高级职称(82.86%,58/70)、本科文化程度(77.09%,138/179)、公共卫生专业(86.21%,75/87)等人群的《标准》知晓率较高,且随着年龄增加和职称升高,《标准》知晓率呈上升趋势(χ^(2)_(趋势)=8.272、8.258,P均<0.01);知晓途径主要是业务培训(65.30%,143/219)和自主查阅(60.73%,133/219)。在《标准》的使用情况方面,知晓《标准》的调查对象中,有75.34%(165/219)会在工作中使用,15.98%(35/219)会经常使用。不同宣贯方式中,宣传资料的普及率最高(58.77%,181/308);75.32%(232/308)的调查对象认为专题讲座的宣贯效果好。能正确且完整掌握诊断原则、感染方式、临床表现、实验室检查方法和诊断类型等知识的调查对象人数分别为292人(占94.81%)、102人(占33.12%)、130人(占42.21%)、117人(占37.99%)和152人(占49.35%)。绝大多数调查对象(占89.61%,276/308)认为标准的可操作性好或较好。宣贯力度对标准实施的影响最大(占80.84%,249/308)。91.88%(283/308)的调查对象认为现行标准不需要修订。结论《标准》仍适用于当前阶段的诊断需求,应继续加大对专业人员的宣贯力度,提高其认知和应用水平。

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking,DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明:提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高,满足实时性,能够有效解决无人机长期跟踪下的尺度变化及目标丢失等问题。

自适应时域参数MPC的智能车辆轨迹跟踪控制

为了解决智能车辆在低附着路面下主动转向跟踪控制的稳定性和控制精度问题,提出了一种基于自适应时域参数的智能车辆轨迹跟踪控制策略。基于车辆动力学模型和模型预测控制算法(MPC)建立线性时变MPC控制器,并加入包括轮胎侧偏角约束、质心侧偏角约束以及前轮转角约束的动力学约束,求解出最优前轮转向角。分析控制器中的时域参数对控制效果的影响,设计了一种自适应时域参数控制器,能够根据获取的车辆速度,将求解得到最优的预测时域和控制时域参数输入到控制器,提高控制器在不同速度下的控制精度和稳定性。通过搭建MATLAB/SimuLink与CarSim联合仿真平台,在低附着路面情况下对固定时域控制器和自适应时域控制器进行对比仿真实验。结果表明:自适应时域控制器能够有效改善控制器的性能、减少横向偏差、提高轨迹跟踪控制精度,同时对不同速度也具有较强的适应性,车辆质心侧偏角也控制在0°~15°内,有效保证了车辆行驶的稳定性。

视觉跟踪技术中孪生网络的研究进展

在计算机视觉领域中,基于孪生网络的跟踪算法相比于传统算法提高了精度和速度,但是仍会受到目标遮挡、变形、环境变化等影响,导致孪生网络的跟踪算法的性能降低。为了深入了解基于孪生网络的单目标跟踪算法,本文对现有基于孪生网络目标跟踪算法进行了总结和分析,主要包括在孪生网络中引入注意力机制方法、超参数推理方法和模板更新方法,对这3种方法的目标跟踪算法进行了综述,详细介绍了国内外近几年基于孪生网络的算法研究和发展现状。对3个方面的代表算法采用VOT2016、VOT2017、VOT2018和OTB-2015数据集进行实验对比,获得了多种基于孪生网络的目标跟踪算法的性能。最后对基于孪生网络的目标跟踪算法进行了总结,并对未来的发展方向进行了展望。