排序方式: 共有91条查询结果,搜索用时 0 毫秒
1.
UKF方法及其在方位跟踪问题中的应用 总被引:13,自引:0,他引:13
采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似,在每个更新过程中,采样点随着状态方程传播并随着非线性测量方程变换,由此不但得到目标位置和速度的均值及较高的计算精度,而且避免了对非线性方程的线性化过程。仿真结果表明,UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度,并能有效地克服非线性严重时,方位跟踪问题中很容易出现的滤波发散问题。 相似文献
2.
针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。 相似文献
3.
4.
5.
6.
太阳矢量在行星际探测器姿态估计中的应用研究 总被引:1,自引:0,他引:1
在基于矢量观测的行星际探测器姿态确定中,参考矢量的几何关系是影响姿态估计精度的一个重要因素。针对这一问题,本文提出了一种利用太阳矢量来提高探测器姿态估计精度的最优算法。该方法在引入太阳矢量的基础上,将星敏感器测得的姿态四元数转化为两个互相垂直的参考矢量,并根据敏感器的测量精度计算相应的规范化权值系数;结合姿态四元数估计算法,给出最小二乘意义下的探测器最优姿态估计。最后,以深度撞击任务的实际飞行数据对本文所提算法进行验证。仿真结果表明,引入太阳矢量后的三轴姿态角估计误差小于150μrad,完全满足深度撞击任务的要求。 相似文献
7.
8.
9.
10.