基于颜色和形状特征的目标检测与识别

研究了一种基于颜色和形状特征的相似目标检测与识别方法。采用混合学习方式来获得目标颜色阈值解决环境光照变化,利用改进的Hough变换检测目标形状,解决目标部分遮挡和阴影的影响,基于模糊理论判定目标颜色和形状信度,该方法应用于移动机器人在复杂环境中对目标的检测与识别,实验结果证明了所提出方法的有效性。     

基于CPS架构的旋翼无人机组合定位建模研究

针对在特殊地区连续导航和组合导航冗余技术的问题,提出基于信息物理融合系统架构的BDS/GPS/SINS组合导航的旋翼无人机定位方案。以六旋翼为运载体,采用超紧组合导航结构和联邦式滤波结构建立模型,通过Simulink虚拟定位仿真,得到较为精确的位置信息。进一步搭建旋翼无人机物理融合定位系统实验平台,该平台的BDS/GPS接收机接收由NSS8000多星群模拟器提供的虚拟卫星导航电文信号,方便用户对CPS虚拟和现实环境的人机交互界面进行操作。通过定位信息融合进行基于BDS/GPS/SINS超紧组合导航的室内飞行实验,失星下定位精度都能达到2.0?m±0.5?m。仿真和实验结果表明,该定位系统具有信息物理融合的鲁棒性和安全可靠性。     

利用模糊统计法识别货运列车车号的研究

室外全天候货运列车车号识别系统,由于受车厢新旧程度、环境光照变化等因素影响较大,而且采集的车号图象二值化后,车号数字常常变形或缺损,因而用传统的模板匹配等方法已不能准确提取数字特征。针对该问题提出了一种利用模糊统计法计算待识别数字各方向行程的方法来提取数字的内、外轮廊特征,并引入模糊决策方法来克服特征提取过程的不确定性。现场实验结果表明,该方法对数字的变形或缺损有较强的适应能力,已取得较高识别率。该方法对其它的标准粗印刷体数字的识别也有意义。     

信息融合技术在机场泊位系统中的应用

提出了一种基于模糊联合卡尔曼滤波器的信息融合方法.这一方法主要应用于机场泊位系统中,解决基于单一传感器的引导系统当测量值发生波动时系统可靠性降低的问题.该方法通过监视测量值是否发生波动,应用模糊推理系统调整各局部滤波器输出状态向量的协方差阵,对全局滤波器内各融合信息的权值在线修正.降低波动数据的影响.通过实验证明了该g法对测量值波动情况有较强的鲁棒性,有助于提高机场泊位系统的可靠性.     

基于Petri网的自助行李托运传输控制策略

针对自助行李托运过程中伴随行李规格检测、行李身份验证、旅客交互操作而进行的行李传输控制中的多方面不确定性问题,提出了一种满足自助式操作基于Petri网和区域转换方法的传输控制策略。将托运过程中行李可达范围分为投放区、检测区、缓冲区以及分拣区四个区域,依据系统功能要求建立区域转换规则和区域Petri网模型,由系统关联矩阵和状态方程推算行李的到达区域,并根据区域转换规则实现行李传输控制。自助托运实验验证了所提出方法在不确定环境下的高效性和可靠性。     

一种自适应的运动目标实时跟踪算法

提出了一种基于均值平移（Mean Shift）和粒子滤波融合的自适应运动目标跟踪算法。该算法在处理来自PTZ (Pan/Tilt/Zoom）摄像机的视频图像时，自适应地更新直方图模板的特征信息，并结合Mean Shift算法来控制粒子滤波中粒子的产生，根据粒子的权值计算目标的位置。测试结果验证了该算法的实用性和有效性。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．