针对单一颜色特征跟踪性能差的缺点, 提出一种基于联合特征直方图的均值漂移目标跟踪算法. 采用颜色、边缘、运动3 个具有一定互补性的信息进行联合概率跟踪, 以提高目标模型的描述能力; 利用运动信息修正颜色和边缘模型核函数, 用以克服背景颜色、轮廓对跟踪效果的影响; 根据各特征所占权重, 运用自适应融合法生成关联特征直方图, 并将所构建的目标模型融合到mean shift 跟踪框架中, 实现目标跟踪. 实验结果表明, 所提出的算法具有较高的准确性.
相似文献针对多无源传感器多维分配数据关联模型在构造关联代价时, 未充分考虑位置估计不确定性所引入的误差问题, 提出一种基于信息散度的数据关联算法. 将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度函数之间的差异性信息作为关联代价, 并分别采用Kullback-Leibler 散度和对称Kullback-Leibler 散度来量化该差异.仿真分析结果表明, 该算法具有良好的关联性能, 其关联代价能更精准地反映数据关联的可能性程度.
相似文献以改进的流形距离为相似度测度, 结合人工蜂群算法, 提出一种二阶段聚类算法. 首先根据局部密度、最大最小距离和近邻选择对数据集初步归类并得到簇代表点; 然后将聚类归属为优化问题, 通过改进的蜂群算法对簇代表点及没归类的样本点较快地搜索到最优聚类中心, 同时根据流形距离的全局一致性特征, 对样本进行精确的类别划分; 最后将两阶段算法综合归类. 实验结果表明, 所提出的算法可以获得良好的聚类效果.
相似文献布谷鸟搜索(CS) 算法是一种新型的生物启发式算法. 为了提高算法对不同优化问题的适应能力, 根据反馈控制原理提出一种基于种群特征反馈的布谷鸟搜索(SFFCS) 算法, 将年龄结构、变异成功率等种群特征作为反馈信息引入算法框架, 动态调节算法参数, 同时引入双进化策略机制和策略选择概率, 加强算法对局部搜索和全局搜索的平衡能力. 对标准测试函数和电力系统最优潮流问题进行数值实验, 实验结果表明, SFFCS 算法具有较好的收敛性能和适应能力, 验证了所提出算法的有效性和工程应用价值.
相似文献针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.
相似文献目标多属性序列类数据不能直接与数据库中的区间类数据融合识别, 对此, 提出一种基于云变换的序列-区间异类数据识别算法. 对目标多属性序列数据进行频数计算形成频率分布函数, 并进行虚警检测, 实施云变换形成云簇, 提取云簇特征, 再根据3 En 准则形成云滴区间, 实现了序列型数据的区间化表示. 进一步, 利用一种区间多属性识别判定准则进行识别判定, 得到识别结果, 解决了序列-区间异类数据的识别问题. 仿真实验结果验证了该算法对序列-区间异类数据识别的有效性.
相似文献针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.
相似文献网络寿命是衡量无线传感器网络性能的一项重要指标. 无线传感器网络覆盖空洞问题严重影响了网络寿命. 对此, 提出一种基于C-V 模型的网络覆盖空洞探测与修复方法. 首先采用基于奈曼-皮尔逊准则的感知模型计算出监控区域每一个位置的节点联合探测概率; 然后基于改进的C-V 模型, 提出一种新的覆盖空洞探测方法, 有效地计算出空洞的数量和大小; 最后, 采用基于改进的粒子群算法实现覆盖空洞的修复. 仿真结果表明, 所提出的算法在保证无线传感器网络覆盖率的同时可以提高网络寿命.
相似文献考虑到星体表面的阴影区在航天器软着陆小天体时可作为导航路标以及壁障参考区, 提出一种基于地表阴影区的跟踪算法. 首先利用状态参数将拍摄到的前后两帧图像矫正到相同的状态, 根据提出的二值化算法对图像的阴影区进行检测; 然后利用模板匹配找出阴影区的相关位置点, 并通过特征向量法找到相似性最大的位置点; 最后结合RANSAC算法去除错匹配对. 以两组433 Eros 的连续拍摄图像作为阴影区进行跟踪实验, 结果表明该算法具有一定的可行性.
相似文献In order to obtain the fast three-dimensional surface reconstruction from given scattered point clouds, a novel improved point-cloud surface reconstruction algorithm for laser imaging radar is proposed so as to reconstruct the three-dimensional depth surface from the depth data and image data in this paper. Firstly, the three-dimensional space is partitioned into voxels with local distance points and finds outliers with point histogram features; then the Gaussian process (GP) regression is adopted to generate a plane similar to a Gaussian distribution; finally, the high-resolution gray data and three-dimensional interpolation points are fused by using Markov random fields to build a dense three-dimensional depth surface. Experimental results show that our proposed algorithm will greatly improve the robustness and reconstruction accuracy of three-dimensional surface reconstruction algorithm and can be used to assist unmanned driving in complex urban scenes.
相似文献针对室内复杂环境下的稠密三维建模问题, 提出一种基于RGB-D 相机的移动机器人同时定位与三维地图创建方法. 该方法利用架设在移动机器人上的RGB-D 相机获取环境信息, 根据点云和纹理加权模型建立结合局部纹理约束的混合位姿估计方法, 确保定位精度的同时减小失败率. 在关键帧选取机制下, 结合视觉闭环检测方法, 运用树结构网络优化(TORO) 算法最小化闭环误差, 实现三维地图的全局一致性优化. 在室内环境下的实验结果验证了所提出算法的有效性和可行性.
相似文献针对传统数据流聚类算法聚类信息损失大、不准确的缺点, 提出一种基于维度最大熵的数据流聚类算法. 采用动态数据直方图将数据维度划分为不同的维度组, 计算各维度最大熵划分维度空间簇, 将相同维度簇的数据聚集成微簇, 通过比较微簇的信息熵大小及其分布特点实现数据流的异常检测. 该方法提升了聚类速度, 克服了传统数据流聚类算法信息丢失的缺点. 实验结果表明, 所提出算法能够提高数据流异常检测的准确性和有效性.
相似文献The detection of planar regions from three-dimensional (3-D) laser scanning point clouds has become more and more significant in many scientific fields, including 3-D reconstruction, augmented reality and analysis of discontinuities. In rock engineering, planes extracted from rock mass point clouds are the foundational step to build 3-D numerical models of rock mass, which is significant in analysis of rock stability. In the past, several approaches have been proposed for detecting planes from TLS point clouds. However, these methods have difficulties in processing rock points because of the uniqueness of rock. This paper introduces a novel and efficient method for plane detection from 3-D rock mass point clouds. Firstly, after filtering the raw point clouds of rock mass acquired through laser scanning, the point cloud is split into some small voxels according to the specified resolution. Then, for the purpose of acquisition of high-quality growth units, an accurate coplanarity test process is used in each voxel. Meanwhile, the accurate neighborhood information can be built according to the result of coplanarity test. Finally, small voxels are clustered into a completed plane by region growing and the procedure of postprecessing. The performance of this method was tested in one icosahedron point cloud and three rock mass point clouds. Compared with the existing methods, the results demonstrate superior performance of our method in the field of plane detection.
相似文献