电视跟踪系统的复合控制延迟卡尔曼滤波算法

为解决电视跟踪系统中由于脱靶量滞后存在降低系统跟踪精度的问题,在电视跟踪等效复合控制系统中提出了一种改进的卡尔曼滤波算法--电视跟踪延迟卡尔曼滤波算法,以对脱靶量滞后信号进行补偿.并在电视跟踪等效复合控制系统中对该算法进行了仿真实验.实验结果证明:①该算法在电视跟踪等效复合控制系统中是有效的;②该算法比以往的无延迟卡尔曼滤波算法和脱靶量延迟补偿滤波算法更有效地改善了速度预测误差,减小了跟踪误差,从而提高了电视跟踪系统的跟踪精度.     

卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究

针对跟踪传感器延迟对伺服系统的精度和稳定性的不利的影响,本文提出了一种补偿方法。根据已延迟的跟踪传感器信号通过卡尔曼预测滤波来计算当前的目标位置和速度信号,并将这两个信号分别作为伺服系统的位置引导信号和速度顺馈信号进行闭环跟踪。理论分析和仿真数据表明,卡尔曼预测滤波能够在几帧内预测得到较准确的目标位置和速度信号,该补偿方法能够有效地提高伺服系统的跟踪精度和稳定性。     

脱靶量累加前馈补偿电视跟踪器的跟踪误差

电视跟踪系统通常采用速度、位置双闭环控制。前馈控制可以提高跟踪精度但无法实现;速度、加速度滞后补偿,跟踪精度提高有限。动态高型方法是在负反馈控制系统中增加若干积分环节以提高跟踪精度。随着目标速度的提高和光电跟踪设备自动化程度的提高,对电视跟踪器伺服系统的跟踪精度提出了越来越高的要求。本文创新性引出一种斜坡累加补偿方法,通过理论证明和仿真,指出它与动态高型技术高度相似,从而从新的角度解释了动态高型提高跟踪精度的机理,并为动态高型方法在工程上实现电视跟踪伺服系统的跟踪精度的提高提供了坚实的理论依据。     

电视跟踪测量系统中的脱靶量实时校正方法

本文较系统地介绍了电视跟踪测量系统中对脱靶量实时输出所采用的两种数据校正方法。该方法在实际工程应用中已被证明是行之有效的。文中给出了应用每种数据校正方法的检测结果和数学模型。     

光电跟踪系统非线性新息自适应卡尔曼滤波算法

为解决非线性部分状态卡尔曼滤波算法中由于线性化误差所导致的滤波精度下降问题,提出采用UT变换方法计算系统状态误差方差,及基于新息自适应调整系统噪声方差,进而构成一种新的非线性自适应部分状态卡尔曼滤波算法,并总结出详细算法结构.同时,将此方法应用到非线性测量光电跟踪系统中,并与U卡尔曼滤波和非线性部分状态卡尔曼滤波进行性...     

高帧频电视跟踪系统的特点与关键技术研究

阐述高帧频电视跟踪系统在精密测量领域中的作用和技术特点，展示根据其特点并围绕多项关键技术研究所取得的进展，提供一些应用实践结果，可作参考。     

高帧频电视跟踪算法的研究

在对高速运动目标进行高精度的跟踪测量时 ,常采用高帧频电视跟踪系统。针对高帧频电视象元分辨率低、处理时间短、信噪比低的特点 ,对其定位跟踪算法进行了研究。     

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,并总结出详细算法结构.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

跟踪测量电视全自动调光系统

介绍一种实际应用的跟踪测量电视的调光系统。它采用视频信号控制带有电子快门的ＣＣＤ摄像机的积分时间以平面电机自动光圈,实现范围全自动调光、简要叙述了光系统的组成和工作原理。     

一种用于电视跟踪系统中的多模式数据融合方法

基于单传感器多模式数据融合的思想,设计了一种联合卡尔曼滤波器。通过卡尔曼滤波分 散处理多个模式跟踪结果数据,再将处理结果进行全局融合得出跟踪最终结果。仿真和室内实验都表明,这种方法用于实时电视跟踪系统中可有效提高跟踪精度,融合后的均方误差是融合前的0.05倍,具有一定的容错能力,运算量小,且易于实时实现。     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

基于二阶转换测量Kalman滤波的目标跟踪算法

为了减小传统跟踪滤波算法线性化误差,提高光电跟踪系统的跟踪速度和跟踪精度,本文在三维空间中,提出了二阶去偏转换测量卡尔曼滤波算法.该算法利用二阶泰勒展开的方法,推导出了光电跟踪系统观测方程的转换测量值误差的均值和协方差矩阵表达式,并对测量误差进行去偏差补偿处理,再经过转换测量卡尔曼滤波,可显著减小传统滤波算法的线性化误差.仿真结果表明,二阶去偏转换测量卡尔曼滤波(SCMKF)算法的跟踪精度优于非去偏转换测量卡尔曼滤波(CMKF)和扩展卡尔曼滤波(EKF),以及unscented卡尔曼滤波(UKF)算法,并且具 有更快的收敛速度,和采用统计方法的去偏转换测量卡尔曼滤波(DCMKF)的跟踪精度相当,但计算简单,提高了跟踪速度.     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

卡尔曼滤波器在机载跟踪伺服系统中的应用

本文介绍卡尔曼滤波器在机载成象/跟踪伺服系统中的应用,重点放在控制算法及其实现上。文中指出,这种跟踪滤波器能够在一个采样周期内消除误差,因此,提高了控制带宽,跟踪瞄准误差的限度由滤波器预测误差所决定;整个带宽可以调整;对目标机动性适应能力好;计算要求适度,易于实现。最后给出采用高速数字处理器(TMS320)实现的设计。     

基于扩展卡尔曼滤波的气力输送动态称重系统

为了提高粉料在气力输送过程中动态称重的精度,提出了一种基于扩展卡尔曼滤波算法的动态称重方法。通过设置多个称重传感器,对采集的数据进行融合并滤波处理,以消除干扰噪声对系统测量的影响。同时采用减重计量法,将数据处理结果通过智能控制器实时调节卸料控制阀的开关度,以提高动态称重的精度。实验结果表明:称重30kg二氧化硅粉末,平均误差在0.3%以下。