复眼三维目标定位精度分析

为提高视觉测量系统的精度,以一种复眼结构为模型, 着重探讨了复眼系统的多子眼在提高目标定位精度中的作用,并进行系统的仿真分析。首先,对复眼结构进行了简要介绍。随后利用Zemax建立了复眼的光学入射模型。接着,设定标定目标平面并逐点设定空间三维坐标并得到标定点与透镜中心之间的入射角度。然后,建立起入射角度与对应像点之间的关系作为标定结果。最后,根据标定结果分别利用复眼中不同子眼数对空间目标点坐标进行求取。分析结果显示:利用复眼多子眼共同定位目标较传统的双目视觉能获得更高的精度,并且精度会随着子眼数目的增加而提高,该方案为复眼的实际制作和应用提供了良好的指导作用。     

一种用于移动系统场强预测的准三维射线跟踪模型

提出了一种基于射线跟踪法的准三维模型。该模型可用于由任意形状建筑物和街道所组成的复杂微蜂窝区的场强预测，且具有计算效率和预测精度均高的优点，对该模型所得预测结果和实际测量结果进行了比较，表明该模型是一个比较理想的模型。     

用于实时捕获和跟踪系统的多重卡尔曼滤波技术

在捕获与跟踪系统中采用卡尔曼滤波技术已越来越受到人们的重视.美国阿拉巴马州的ASG公司(Automated Sciences Group Inc.)研制的陆基捕获与跟踪系统(GBATS)利用了128×128象素的红外焦平面传感器,对陆基弹道导弹的主动段进行实时跟踪与测     

视频三维运动捕获系统中多运动目标跟踪方法

在视频运动捕获系统中,多标记点的匹配和跟踪是获取标记点三维运动参数的关键问题.文中提出了基于二维和三维卡尔曼滤波器相结合的三维匹配跟踪算法.该算法通过卡尔曼滤波器预测标记点在二维图像和三维空间中的位置,缩小了标记点的搜索范围,约束了标记点之间的匹配关系,在双目视觉下实现了标记点准确跟踪和匹配.实验结果验证了算法的有效性.     

光电跟踪系统高速运动目标快速跟踪算法

为了解决光电跟踪系统中高速运动目标快速识别、准确定位的问题,在深入研究相关跟踪算法的基础上,提出了一种基于分块模板相关跟踪与自适应波门相结合的快速跟踪算法,该算法利用分块矩阵与大模板矩阵之间的关系,得出了在四分块的情况下,计算量为原来的1/4,搜索范围为原来的4倍,大大提高了计算速度和搜索范围,且具有原始相关算法的高的跟踪精度,可以实时快速的跟踪上高速运动目标。     

一种三维机动目标跟踪的改进IMM算法

以三维机动目标跟踪为背景,提出一种参数自适应交互式多模型跟踪算法。该算法采用当前量测信息实时地修正马尔可夫转移概率矩阵,有效地降低了人为因素的影响。由于三维CV（匀速运动）和CA（匀加速运动）模型状态变量维数不一致,从而导致使用IMM算法时数据不能直接交互融合。针对这一缺点,对CV模型进行了改进。Matlab仿真表明,使用改进后的CV模型并结合参数自适应IMM算法比使用常规的IMM算法跟踪效果更好,并具有很好的实用性。     

一种稳健的卡尔曼跟踪滤波方法

本文用改进Masreliez方法将卡尔曼滤波进行稳健化处理,通过状态扩展来表达动态模型的不准确性及通过自调整技术使滤波跟随模型的变化,得到了观测模型为近似高斯及系统动态模型存在机动条件下的快速自调整稳健卡尔曼滤波算法。模拟结果表明,该算法在存在离差时,精度比传统卡尔曼滤波提高30％多。     

一种新型可见光无线通信可调复眼光学接收系统

在可见光无线通信系统中,接收端需具备小型化、大视场、高增益等特点.本文设计了一种基底可活动、由塑料光纤代替晶椎的复眼结构光学接收系统.和传统复眼透镜相比,最大视场角增加了92°.光纤代替晶推使得光损耗降低了0.3457dB,实现了可见光无线通信接收端大视场、高增益的目的.     

一种基于卡尔曼滤波的运动目标跟踪方法

运动目标信息探测大量地体现在现实生活以及军事应用中,准确地跟踪并定位运动目标对于国防技术发展具有很大的现实意义和实际价值。以运动物体为目标,提出了采用自适应波门跟踪与卡尔曼滤波算法相结合的技术,有效地跟踪目标并将预测结果与其实际运动轨迹比较,取其误差均值、标准差值,用以证实卡尔曼滤波跟踪目标的有效性。     

一种改进的GPS弱信号跟踪算法

针对目前GPS(全球定位系统)软件接收机中常用的跟踪环路难以跟踪弱信号的缺点,结合卡尔曼滤波技术,提出了一种基于扩展卡尔曼滤波的GPS弱信号跟踪算法.该算法通过改进传统卡尔曼滤波的观测方程,提高了信号估计精度.仿真结果表明,在载噪比低至23 dB· Hz的GPS信号跟踪条件下,传统跟踪环路已无法跟踪信号,但该改进的跟踪方法仍能跟踪.总体来说,该改进算法可用于GPS弱信号的跟踪,也可以用于其他GNSS(全球卫星导航系统).     

基于粒子滤波的机载目标跟踪系统设计

基于微小型机载成像跟踪系统设计思想及需求,设计并实现了以高性能的DSP芯片TMS320-DM642为核心处理器,结合可编程逻辑器件CPLD和FPGA的实时图像跟踪处理平台。平台采用基于粒子滤波的目标跟踪算法,实现对目标的实时跟踪。采用卡尔曼滤波器,提高了粒子的利用效率,在改进了算法实时性的同时解决了图像跟踪系统的延时性问题,提高了跟踪系统的稳定性。算法仿真结果表明,与传统相关匹配算法相比,基于粒子滤波的跟踪算法具有更好的鲁棒性和实时性,能满足机载成像跟踪系统实时图像跟踪的要求。     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

基于卡曼滤波与均值偏移算法的目标跟踪

针对变化场景下的目标鲁棒跟踪,提出了一种结合均值漂移与Kalman滤波的跟踪算法.利用YCbCr特征空间进行目标描述,使用Kalman滤波对目标运动速度和空间位置进行预测.根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置,并利用一种比较科学的模型更新策略,减轻了模型漂移的影响,视频序列跟踪结果表明,提出的方法能够稳定地进行跟踪.     

基于多模型交互的红外目标跟踪方法研究

针对非线性运动的红外弱小目标跟踪问题,设计了一种基于交互式多模型性的跟踪方法。首先,引入多个运动模型,然后利用无迹卡尔曼滤波计算每个模型的滤波器状态估计,最后按照一定的概率加权得到总的状态估计值。使用数学仿真和物理实验对该方法进行了去噪和预测的功能验证,实验结果及相应理论分析表明该系统可有效的实现复杂背景下的红外弱小目标跟踪。     

Deployment of a 3D tag tracking method utilising RFID

Recent trend shows that one of the crucial problems faced while using radio frequency to track the objects is the inconsistency of the signal strength reception, which can be mainly due to the environmental factors and the blockage, which always have the most impact on the tracking accuracy. Besides, three dimensions are more relevant to a warehouse scanning. Therefore, this study proposes a highly accurate and new three-dimensional (3D) radio frequency identification-based indoor tracking system with the consideration of different attenuation factors and obstacles. The obtained results show that the proposed system yields high-quality performance with an average error as low as 0.27?m (without obstacles and attenuation effects). The obtained results also show that the proposed tracking technique can achieve relatively lower errors (0.4 and 0.36?m, respectively) even in the presence of the highest attenuation effect, e?=?3.3 or when the environment is largely affected by 50% of the obstacles. Furthermore, the superiority of the proposed 3D tracking system has been proved by comparing with other existing approaches. The 3D tracking system proposed in this study can be applicable to a warehouse scanning.     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

基于多尺度特征提取的Kalman滤波跟踪

针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Kalman滤波方程状态后验值提供了稳定的观测信号和观测残差.实验证明,这种作为约束条...     

Exploring visual attention using random walks based eye tracking protocols

Identifying visual attention plays an important role in understanding human behavior and optimizing relevant multimedia applications. In this paper, we propose a visual attention identification method based on random walks. In the proposed method, fixations recorded by the eye tracker are partitioned into clusters where each cluster presents a particular area of interest (AOI). In each cluster, we estimate the transition probabilities of the fixations based on their point-to-point adjacency in their spatial positions. We obtain the initial coefficients for the fixations according to their density. We utilizing random walks to iteratively update the coefficients until their convergency. Finally, the center of the AOI is calculated according to the convergent coefficients of the fixations. Experimental results demonstrate that our proposed method which combines the fixations’ spatial and temporal relations, highlights the fixations of higher densities and eliminates the errors inside the cluster. It is more robust and accurate than traditional methods.