基于粒子滤波算法的非刚性目标实时跟踪

基于颜色的粒子滤波实时跟踪算法主要是利用视频图像的颜色直方图信息,综合考虑运动预测和帧间的相似性来确定目标的位置。针对影响粒子滤波算法性能的关键技术,提出了基于混合高斯模型的粒子滤波算法,并将其用于基于颜色的非刚性目标的实时跟踪相关问题。该算法使用混合高斯模型表示粒子,在每个时刻的修正步骤之后,采用EM算法对粒子进行重新拟合。仿真实验表明,本算法在保证跟踪准确度的同时,可以满足实时跟踪的要求。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

基于反馈线性化的可重复使用运载器上升段闭环制导

可重复使用运载器上升段轨迹跟踪是通过姿态跟踪间接实现的,采用开环制导方式,气动或者推力的不确定性可能会导致轨迹末端高度偏差较大,因此研究一种合适的闭环制导方式是非常必要的.本文采用基于输入输出反馈线性化的技术设计上升段标准轨道的跟踪方法,结合上升段飞行特点,动力爬升段和无动力爬升段分别通过反馈线性化技术将高度转化成与俯仰角和迎角的线性关系,然后通过线性系统技术设计闭环制导律,易于工程实现.非线性仿真结果表明,设计的制导策略能很好地实现轨迹跟踪.     

神经网络辅助卡尔曼滤波技术在雷达目标跟踪中的应用研究

提出了一种应用神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,用BP神经网络修正目标机动运动时的卡尔曼滤波误差,并用matlab仿真单目标机动飞行时的滤波效果,通过与卡尔曼滤波精度和滤波稳定度的比较说明该算法比传统卡尔曼滤波算法在跟踪机动目标方面效果要好。     

基于模糊小波神经网络的四旋翼飞行器鲁棒自适应控制

针对四旋翼飞行器的飞行控制问题,提出了一种基于模糊小波神经网络的鲁棒自适应滑模控制方法。首先利用牛顿-欧拉方程得到四旋翼飞行器的动力学模型,然后用模糊小波神经网络在线逼近系统中的外部扰动和未建模不确定动力学特性,最后提出鲁棒自适应滑模控制算法,通过Lyapunov稳定性理论证明了整个飞行控制系统的稳定性。仿真和实验结果验证了所提出控制方法对外界干扰和模型的不确定性具有较好的鲁棒性和自适应性。     

自动几何校正中摄像机的自动校正方法

为了解决多投影仪拼接显示系统自动几何校正中摄像机的自动校正问题,提出了一种基于图像识别的自动校正方法.首先对采集的图像进行分析,识别出目标区域,控制云台对摄像机进行定向,然后计算目标区域角点集的凸包,利用凸包的最小外接矩形判断出目标区域的姿态,并控制云台对摄像机姿态做出实时调整,实现了自动几何校正工作中摄像机的自动校正功能.     

基于光流法和模糊控制的扑翼飞行器避障研究（英文）

扑翼飞行器是一种仿生机器人,其翅膀可以像鸟和昆虫的翅膀一样上下扑动。本文提出了一种基于视觉的扑翼飞行器避障方法。首先,使用稠密光流算法计算机载图像传输摄像机拍摄的第一视角视频帧的光流场。基于所获取光流信息作为输入量,设计模糊避障控制器来给出扑翼飞行器的导航指令。实验结果表明,本文所提出的避障方法能够准确识别障碍物,实现扑翼飞行器的避障。     

基于光流法和模糊控制的扑翼飞行器避障研究

扑翼飞行器是一种仿生机器人,其翅膀可以像鸟和昆虫的翅膀一样上下扑动.本文提出了一种基于视觉的扑翼飞行器避障方法.首先,使用稠密光流算法计算机载图像传输摄像机拍摄的第一视角视频帧的光流场.基于所获取光流信息作为输入量,设计模糊避障控制器来给出扑翼飞行器的导航指令.实验结果表明,本文所提出的避障方法能够准确识别障碍物,实现...     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

基于火箭橇的低空大动压舵系统试验验证

针对某型飞行器电动舵系统在低空大动压情况下出现舵面不跟随的情况,设计了基于火箭橇的地面试验验证方法。火箭橇是所有地面动态模拟试验中最能逼近真实飞行环境和置信度最大的一种试验手段。本文对试验方案含火箭滑车、飞行器和测试测量方案进行了说明,最后对试验结果进行了分析说明。试验结果表明,基于火箭橇的地面试验能够真实模拟空中工况,对低空大动压舵系统的攻关验证起到了关键作用。     

图像序列直线提取和匹配时Hough变换的应用研究

本文利用Hough变换的点线对偶性,将对图像序列中的特征直线的匹配转化为在参数空间中对特征点运动轨迹的参数估计,设计采用卡尔曼滤波器对运动目标进行初步跟踪,通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标。实验结果表明,该方法具有较好的跟踪结果。     

基于VS-IMM算法的A-SMGCS场面运动目标跟踪

为实现先进场面运动引导控制系统中场面监视雷达对运动目标的跟踪,研究了将变结构交互式多模型(Variable structure interacting multiple model,VS-IMM)算法应用到该系统中。首先,根据飞机的真实运动情况建立了飞机的匀速运动、匀加速运动和匀速转弯运动模型;然后,针对固定结构交互式多模型(Fixed structureinteractive multiple model,FS-IMM)算法在目标跟踪方面的不足,结合机场地图,将VS-IMM算法应用到机场场面运动目标跟踪中;最后,基于扩展卡尔曼滤波将VS-IMM算法与FS-IMM算法进行仿真比较。结果表明:VS-IMM算法的跟踪精度及模型选择均优于FS-IMM算法,VS-IMM算法在场面跟踪方面具有更大的应用价值。     

利用推广卡尔曼滤波实现纯方位目标跟踪

本文讨论在修正极坐标下利用推广卡尔曼滤波实现纯方位目标跟踪的具体方法。通过采用协方差平方根滤波与变系数衰减记忆滤波,克服了跟踪过程中的计算发散和滤波发散,获得了比较满意的稳定和渐近无偏的估计结果,并利用Z80-CPU配接适当的外部设备实现了实时的跟踪处理。此外,还对纯方位目标跟踪的一些性质进行了分析。     

序列图像背景重建方法

研究了基于Kalman滤波理论的有色噪声滤波,探讨了其在序列图像背景重建中的应用。首先针对光线变化对背景的影响,建立背景的二阶滤波方程和观测方程,然后给出有色噪声滤波模型,利用Kalman滤波器对背景进行预测更新。试验结果表明,该方法能迅速更新背景,对光线变化具有良好的适应能力。     

面向复杂场景的鲁棒KCF行人跟踪方法

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。     

基于广义动态尾迹倾转旋翼飞行器数学建模

为了进一步提高倾转旋翼飞行器的建模精度,采用广义动态尾迹理论建立旋翼的诱导速度模型,进而建立了旋翼气动力计算模型;考虑旋翼尾流对机翼的影响,建立了机翼气动力模型;考虑旋翼和机翼对其他升力面的气动干扰,建立相应的气动力计算模型;最后以XV 15倾转旋翼飞行器为例,对建立的模型进行验证。仿真结果表明：建立的飞行动力学模型可以很好地反映飞行器的物理特性,适用于倾转飞行器的飞行动力学研究。     

飞机自动驾驶仪俯仰控制系统仿真研究

分别对比设计了PID控制器、LQR最优控制器和模糊控制器,并建立了对应的Matlab控制模型进行仿真研究。阶跃响应仿真实验结果表明：飞机俯仰系统LQR控制器与模糊控制器比飞机俯仰系统PID控制器能更好地实现对飞机俯仰角的控制,具有响应快速、超调小、误差小的优点;飞机俯仰系统LQR控制器比模糊控制器响应更快,跟踪性能更好,而飞机俯仰系统模糊控制器在抗干扰鲁棒性、跟踪性能和稳态性能指标综合考虑上优于LQR控制器,更适用于实际的飞行环境。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

立式风洞全视场尾旋姿态测量技术研究

尾旋运动是飞机的一种非正常的极限飞行状态,复杂并且危险,极易造成飞行事故。在立式风洞中开展尾旋实验是研究尾旋现象的主要技术手段之一,目的是为了获取实验过程中模型飞机的姿态角,用于对其尾旋特性进行分析。针对尾旋实验运动状态的特点,以及双目测量系统在以往实验应用中的缺陷,设计了一种全视场测量方案,并围绕其关键技术问题开展了研究,使用编码标记识别技术实现特征标记的自动识别,通过基于刚体的三维重建技术实现模型姿态的测量,采用基于共同基准平面的数据标定方法实现多视角姿态数据的有效融合。通过立式风洞尾旋实验验证了该技术的有效性及可靠性,实验结果曲线完整,图像利用率达到了95%,为尾旋运动特性分析提供了更加丰富的数据支撑。