基于粒子群TOA室内定位的系统误差修正

到达时间（time of arrival,TOA）的测距易受多径干扰的影响而产生较大的系统误差,造成室内定位时精度变差。针对上述问题,首先分析了TOA定位中系统误差的产生及特点,而后提出一种基于粒子群优化的定位算法。算法利用测距值与所求解位置的空间约束关系建立求解域,而后应用粒子群算法求解,并通过建立关于系统误差的罚函数和适应度函数实现误差修正,并减小粒子搜索空间,加快算法收敛速度。实验表明,利用本文描述的定位算法,可以有效抑制室内定位中测距产生的系统误差,定位精度得到明显提高。     

基于特征点轨迹增长的视频稳像算法

现今的特征点轨迹稳像算法都是基于网格变形达到稳定视频的最终目的,而保证结果不扭曲失真且稳定的网格变形需要由一定数量的长特征轨迹通过相应最优算法来实现。目前所提出的算法无法在保证良好时间性能下达到这一要求,针对这个问题,提出一种基于特征点轨迹增长的视频稳像算法。首先提取特征轨迹,为避免算法优先选择较长轨迹而导致轨迹分布过于集中造成局部抖动的问题出现,将特征点位置分布与轨迹长度相结合作为选择策略使特征点轨迹分布更加均匀;接着利用低秩矩阵迭代逼近原理生成虚拟轨迹来实现轨迹增长;最后利用网格变形生成稳定帧。将本文的算法与另外两种典型的特征点轨迹稳像算法相比较,其中包括基于对极几何点转移的稳像算法以及基于三焦点张量重投影的特征点轨迹稳像算法。实验结果表明,本文算法的特征点分布均匀且轨迹利用率高,与基于对极几何点转移的稳像算法相比,稳像效果更稳定并且时间复杂度更低,与基于三焦点张量重投影的特征点轨迹稳像算法相比,在保证稳像效果的同时时间复杂度更低。