基于A^(*)与DWA算法的融合优化策略研究

针对单独使用A^(*)或DWA算法难以同时实现全局路径最优和动态避障的问题,提出了一种基于A^(*)算法与DWA算法的优化融合策略。通过引入环境复杂度动态权重因子,优化A^(*)算法评价函数,提高算法的适应性;采用冗余点去除策略对A^(*)算法生成的全局路径进行优化,以提高路径效率;考虑移动机器人周围环境状况,引入距离自适应系数对DWA算法的评价函数进行优化,提高了局部路径规划的性能;以优化后A^(*)算法生成的全局路径中的关键节点作为DWA算法的临时目标点进行路径规划,实现全局路径最优化与实时避障的兼顾。最后,通过多组仿真实验验证了改进算法的可行性。

融合改进的A*算法和动态窗口法的机器人路径规划

传统A*算法在进行路径规划时存在搜索效率低、冗余点多、不能及时躲避环境中的未知障碍物等问题,现将改进A*算法和动态窗口法(Dynamic Window Approach,DWA)融合后进行机器人路径规划.首先在传统A*算法的启发函数前引入动态权重系数;然后采用关键点选取策略剔除路径上的冗余节点;最后将改进A*算法所规划的路径上的关键点作为DWA算法的中间目标点,在全局路径的基础上实现动态避障.仿真结果表明,该融合算法能在躲避动态障碍物的同时快速规划出一条全局最优路径.

特征融合下田径录像3D人体动作DTW捕捉算法

由于不同运动员的动作风格和速度不同,导致田径录像中记录的不同运动员的人体动作序列在时间长度上存在差异,从而产生不同长度序列之间的不对齐问题。为此,提出特征融合下田径录像三维(3D)人体动作动态时间规整(DTW)捕捉算法。将田径录像中提取的人体动作数据转换为3D坐标序列,表示人体各部位的位置和动作,获取人体动作的深度图序列,利用梯度局部各向异性系数(GLAC)和稀疏时间梯度自相关(STACOG)分析深度图局部区域的梯度特性以及时间自相关性。利用Canny算子提取每帧深度图的边缘轮廓,结合小波变换和k-means聚类分析人体轮廓的动态变化特征。通过Kinect设备获取人体骨骼点的3D坐标信息,采用主成分分析(PCA)方法将3D空间坐标、关节角度等多个特征融合到一个特征空间中,通过补帧和删帧操作进行预处理,选择最重要的主成分构建新的低维特征空间。利用DTW计算视频序列的相似性,从而捕捉田径录像中不同长度序列的3D人体动作。实验结果表明,该算法捕捉田径录像3D人体动作的准确程度高达99.07%,面对复杂程度较高的动作时,该算法捕捉到的人体动作与实际动作的相似度始终保持在97%以上。此外,所提算法提取到的人体动作轮廓特征线条流畅、连续,且与实际动作高度一致。

基于最佳缝合线和改进加权平均融合的图像拼接

为了解决图像拼接中出现的拼接缝和伪影问题,文章提出一种基于动态规划思想的寻求最佳拼接缝算法,采用改进的加权平均融合算法解决拼接缝问题。在图像配准方面,通过SIFT算法对图像进行特征匹配,并利用RANSAC算法去除误匹配点。在图像融合方面,给定一对对齐的图像重叠区域,利用动态规划思想来搜索最佳缝合线;然后结合改进的加权平均融合算法实现无缝拼接。实验结果表明,本文提出的算法有效消除伪影和拼接缝,实现两幅图像重叠区域之间的光滑过渡,符合人类的视觉感知效果。

一种多雷达航迹加权融合的权值动态分配算法

针对多雷达航迹加权平均融合法,分析了权值分配对融合航迹精度的影响,提出了一种权值的动态分配方法。该方法利用多雷达对相同目标跟踪的航迹信息,对各雷达输出航迹的精度进行在线估计,实现权值的动态分配,提高了融合航迹的精度。仿真实验结果验证了该算法的有效性。

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键。本文研究了基于航迹隶属度的数据融合算法。综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题。根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题。蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹。

基于卡尔曼滤波的动态权值融合

在雷达航迹融合过程中,采用多传感器测量值融合的方法能够摒除单一信息源不全面的缺点.加权平均融合为广泛使用的融合方法,但传统的权值固定的加权平均融合虽然能综合多路传感器信息,却无法自适应的根据测量值优劣倚重更有利的测量信息.因此,本文提出将固定权值改进为动态权值的融合方法,实时改变各路测量信息参与融合的权重.每次融合前,先将多路传感器测量值求简单算术平均后进行卡尔曼滤波,把滤波后的值与各路测量值作差,这相当于对传感器信息的优劣作出预判,每路测量信息的融合权值则与该差绝对值成反比.最后,通过仿真实验证明,该改进方法较之前的加权平均融合明显提高了目标的融合精度.

一种改进的多传感器数据融合方法

最优加权法在数据融合时需要确知噪声方差信息,其权值固定不变,而联合卡尔曼滤波法需要确知噪声协方差信息。在噪声先验信息与实际数值差别较大或传感器系统噪声相关时,这两种方法的参数估计精度将急剧下降。针对以上不足,文中提出了一种新的动态最优加权和最小二乘滤波相结合的数据融合方法,该方法能随传感器信号起伏的变化动态调整权值,不需要噪声的统计信息,在系统噪声相关时仍能获得较高的测量精度,具有较强的稳健性。仿真结果验证了新方法的有效性。

基于协方差特征的裁剪AdaBoost算法

针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了训练速度。

基于复合动态模型和证据融合架构的移动物体检测与跟踪方法

针对现有方法中移动物体检测与跟踪的准确性精度较低的缺点,提出一种基于多传感器检测分类的移动物体描述和感知方法:建立了一个包含核心对象动态特征和分类描述的复合模型,在此基础上设计了一个基于证据框架的信息感知与融合方法,通过整合动态模型和不确定性特征来实现对移动物体的检测和跟踪。为了验证所提方法的有效性,在一辆安装有雷达、激光雷达和摄像头的演示车上进行了相关实验,在不同驾驶场景下针对行人、卡车和轿车三个移动物体进行了检测与跟踪,实验结果证明所提方法具有非常高的准确性。

基于动态模板匹配的运动目标识别

针对现有模板匹配算法对运动目标物体的误判率高的问题,在已有模板匹配算法基础上,提出了一种权重融合动态模板匹配算法。设计了双目检测试验平台,阐述了模板匹配算法的理论基础,在归一化平方差匹配方法、归一化相关匹配方法和归一化相关系数匹配法基础上,提出了权重融合匹配算法。即给3种归一化的匹配方法分配不同的权重,误判率相对较低的分配的权重最高,误判率相对较高的分配的权重最低。在所设计试验平台上,在300m以内对运动目标进行了识别与跟踪。实验结果表明,该算法可以提高双目视觉系统对运动目标识别的准确性。

无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。

遮挡情况下目标跟踪算法综述

目标跟踪过程中出现的遮挡问题一直是目标跟踪中的难点。如何有效处理遮挡,尤其是严重遮挡和全部遮挡是评价目标跟踪算法鲁棒性的关键指标。本文对国内外现有的遮挡情况下的目标跟踪算法进行了总结和分类,分别介绍了基于中心加权、子块匹配、轨迹预测、贝叶斯理论的多种遮挡目标跟踪算法,特别描述了综合多种算法优势的多算法融合跟踪算法。阐述了各种算法的基本思想及其遮挡处理功能,分析了各种算法的优缺点,并指出了它们的适用场合。文章最后提出了遮挡情况下目标跟踪算法存在的问题,特别指出将多传感器融合技术用于有遮挡的目标跟踪是该项技术的发展方向之一。

关于视频目标图像跟踪融合优化研究

在目标图像跟踪融合优化时,由于背景特征参数容易受到运动速度和光照变化产生较大干扰,图像质量差。仅以固定权值进行描述,采用传统目标跟踪方法,由于概率权重变化趋势在这种干扰下呈现不稳定状态,无法准确地衡量变化趋势带来的影响,导致目标跟踪精度差、鲁棒性低的问题。提出采用多特征加权融合的目标跟踪算法。首先将LBP纹理特征和颜色特征融合起来建立目标模型和候选模型,然后通过未归一化的目标和背景直方图计算出每个特征在目标中的概率权重,并将概率权重引入巴氏系数的相似度量中,从而实现MWMF算法,最后采用仿真测试算法的性能。实验结果表明,改进算法提高了目标跟踪的精度,加快了目标跟踪的速度,并且具有较强的鲁棒性。

一种基于自适应网格剖分的协方差交集融合新算法

针对分布式航迹融合问题,提出了一种基于自适应网格剖分的协方差交集融合新算法。首先,自适应计算网格剖分误差上限;其次,利用网格剖分法求出局部航迹协方差椭圆的交集;最后,利用交集中心求出融合航迹估计值。通过仿真试验,该算法能自适应估计网格剖分步长上限,提高融合精度。

融合多信息的噪声图像分割算法研究

针对现有分割算法不能同时处理离散和几何噪声及对初始解敏感等问题,提出一种基于多目标进化算法的多信息融合图像分割算法.首先,提出一种新的分割模型,该模型将隶属度、包含度和局部空间信息融合在一起,以提高算法对离散噪声和几何噪声的分割精度.其次,使用归一化熵来自适应调节空间信息的权重,以提高权重参数的自适应性.再次使用类内紧凑度和类间分离性设计第二个分割模型.并使用多目标进化算法对提出的两个模型进行优化,以获得全局最优解.最后使用本文算法对六幅测试图像进行分割实验,并将其与其它经典算法进行实验对比.实验表明,本文算法具有较高的抗噪能力.

基于粒子滤波框架下的自适应多特征融合目标建模算法

针对单一特征描述目标模型的缺陷,提出了一种多特征融合粒子滤波跟踪算法,该算法采用具有互补性的灰度直方图特征和梯度直方图特征共同描述目标模型;在目标跟踪过程中,根据特征对目标和背景的区分程度,动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,以提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。新算法不仅可以满足目标跟踪的实时性要求,而且可避免特征的冗余,增加目标模型描述的多样性。实验结果验证了新算法的有效性。

基于动态权值的PSO算法的多传感器数据融合

针对标准粒子群算法的缺点,在原有算法的基础上,提出一种动态权值的粒子群优化算法,使得粒子在迭代过程中惯性权值随粒子进化度和聚合度的变化而改变,并将其尝试性的运用到数据融合领域.实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度/互补度以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合.

一种高维航迹融合协方差交集算法降维实现方法

在互相关性未知的分布式融合系统中,协方差交集算法是一种有效的融合算法,但其在融合高维航迹时存在计算量大、精度低的问题,为此对高维航迹进行了降维处理,把高维航迹的融合变为多组二维航迹的融合,从而得到了一种降维的协方差交集算法(Dimensionality Reduction Intersection Algorithm,DRCI)。理论分析表明该算法能有效降低运算量,仿真实验结果表明,该算法的精度高于协方差交集算法(Covariance Intersection,CI),与Kalman融合算法处于同一水平。

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导。航迹融合是多传感器数据融合中一个非常重要的方面。由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法。通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据。