基于数据融合的目标测距方法研究

单目视觉进行目标识别有着巨大优势,但在目标测距方面存在精度不足且测量过程不稳定的问题,一种基于4线激光雷达与摄像头融合的联合测距的方法被提出并改善这一问题。首先利用卷积神经网络检测图像中的目标,得到相应的检测框;与此同时,通过标定相机内外参,将三维的激光点云数据转换到二维平面,得到2种数据对于检测环境的一致性表达。然后利用R-Tree算法快速配准检测框与相应的点云数据。此时,利用点云的深度信息能获得目标在真实世界的位置,并提出联合测距的方法来进一步提高测距精度。最终经实车采集的数据验证了所提算法的有效性。     

基于视觉传感的焊缝跟踪系统研究现状

视觉传感技术在焊接机器人上的应用,大大提高了机器人的焊接效率和焊接质量。文中介绍了基于视觉传感的 焊缝跟踪系统的分类及主动视觉和被动视觉技术的基本原理;分析了图像处理技术的滤波去噪、图像分割与边缘检测和 特征分析等研究方法;分析了焊缝跟踪系统的控制结构和智能控制技术的应用现状。最后提出根据视觉传感系统测得 焊缝的信息,实时调节焊接参数以及焊枪角度等工艺参数进行自动化和智能化焊接是未来发展方向。     

基于自适应共生矩阵选择的目标跟踪方法

针对单一固定特征无法适应目标及其背景变化的情况,提出了一种基于HSV颜色空间的共生矩阵的自适应特征选择的方法。首先将图像转换为HSV颜色空间,在每个颜色通道内对目标及其背景区域计算不同参数的共生矩阵,选择其中差异最大的前4个共生矩阵作为目标特征模型,通过比率对数矩阵计算的反向投影图,采样均值平移算法跟踪目标。仿真实验验证了该算法的有效性。     

一种基于多目标的角度时延联合跟踪算法

提出了一种多目标角度时延联合跟踪算法.该算法首先利用高分辨处理估计出目标的个数及其初始角度和初始时延,接着通过相邻时刻估计得到的信道频域冲激响应的差,再得到各个目标相邻时刻的角度差和时延差,从而估计出不同时刻各个目标的角度和时延.相邻时刻估计得到的目标的角度和时延是自动关联的,避免了运算量较大的数据关联过程,而且在跟踪过程中并不需要进行子空间分解.仿真结果表明,该算法具有较高的跟踪性能.     

基于模糊多目标线性规划的软件缺陷预测方法研究

为了提高软件开发过程的可测性和可信性,本文在分析软件缺陷预测数据特点的基础上,提出了一种新的带特征选择的模糊多目标线性规划分类器FMCLPC-FS.首先,定义了一个模糊隶属度函数来处理原始数据中的噪声和异常值;然后,利用核函数将非线性可分问题转化为线性可分或近似线性可分问题.此外,在多目标线性规划分类器MCLPC中引入...     

基于牵引控制的移动多智能体系统的目标跟踪

研究了基于牵引控制的移动多智能体系统的目标跟踪问题.假设多智能体系统组成一个有向连通网络而且存在一个全局可达节点,应用Lyapunov稳定性定理研究了施加牵引控制的多智能体系统的目标跟踪,根据Nyquist判据和Greshgorin圆盘定理探讨了具有通信时延的多智能体系统的运动收敛性.最后,计算机仿真验证了结论的正确性.     

多目标决策方法比较研究

应用四种多目标决策方法对同一问题进行分析，然后运用等级相关理论对其结果进行了比较。由比较得出的最优方法对四川省３４个部门进行排序，确定了四川省应该优先发展的几个关键部门。     

一种基于VSMM的自适应高机动目标跟踪方法

自适应交互式多模型(AIMM)方法已经解决了许多复杂的机动目标跟踪问题,但过多的模型竞争会使AIMM性能下降,限制了这种方法的应用.文中结合变结构多模型(VSMM)可包含更多模型而不至于引起模型间"过度"竞争的优点,提出了一种自适应变结构多模型(AVSMM)方法.该方法采用与AIMM方法相似的自适应机制对机动目标进行跟踪,能够包含更多的运动模型,不必担心模型间发生"过度"竞争而使跟踪性能下降.仿真结果表明,在跟踪机动目标时,AVSMM方法比AIMM方法具有更高的跟踪精度.     

基于APH-PCA的应急调度系统多目标优化方法研究

本文讨论在＂路径最短＂、＂运输费用最少＂、＂物品完好率最大＂和＂道路拥堵率最小＂的目标下应急资源的调度问题。根据应急网络多权重的特点,采用层次分析和主成分分析相结合的方法,将多目标问题转化为最短路径算法可用的单目标网络权值,从而得到应急资源调度的最优路径,并且通过算例证明了该方法的可行性。方法简单、实用,为在多目标下进行应急调度的路径选择提供了新的方法和思路。     

基于ABAQUS及modeFrontier的多目标优化方法

在涉及有限元分析的多目标优化设计中,为满足多目标优化算法的数据需求,需要反复进行有限元分析计算,存 在设计工作繁琐,效率低的问题,为解决这一问题,提出了一种将有限元分析方法和多目标优化方法进行集成的设计方 法。该方法基于ABAQUS软件二次开发实现有限元分析,基于modeFRONTIER软件实现多目标优化和优化数据的后处 理工作,将两者集成在同一个优化工作流中来完成多目标优化设计。采用该方法对支架结构进行多目标优化设计,结果 表明该方法不但可行,而且可以大大简化优化设计工作步骤,实现了优化设计的自动化,提高了优化设计工作效率。该 方法可实现涉及有限元分析的多目标优化设计的自动化,为从事多目标优化设计工作者提供极大便利。     

改进的多目标多传感器数据融合相关算法

数据融合是利用计算机对数据进行一定处理，得出目标状态及势态估计的多层次多平台过程。详细讨论了对目标的跟踪算法，此算法不仅对多目标，而且对新出现目标和机动目标均能进行识别和跟踪。     

多平台协同跟踪中的传感器分配方法研究

多平台多传感器的协同探测是协同作战的重要组成部分,如何有效地进行传感器管理是协同探测问题的关键。该文提出了一种基于H∞滤波器目标跟踪的传感器分配方法,用集合论中关系的概念定义了传感器目标分配集,建立了传感器管理的分配模型,将每一种传感器的检测方案看成一个H∞滤波器,根据H∞滤波误差上限γ选择最佳的分配方案。     

基于DEVS的目标跟踪系统UML建模

目标跟踪系统的建模是信息融合研究的热点之一。本文在目标跟踪系统分析的基础上,将DEVS的形式化描述和UML图形化描述结合起来,研究DEVS的数学模型到UML类模型的映射关系和建模过程,为目标跟踪系统的设计和实现提供了一种可行的方法,并通过EclipseUML环境下的建模和JAVA编程证明其有效性。     

广义合作目标跟踪的误差空间估计方法

提出了广义合作目标的概念及误差空间估计方法,提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动,通过将目标的机动分散到引导数据和引导误差,在目标状态空间中根据目标的运动模型进行滤波,在误差空间中根据引导误差模型进行滤波与预测,再进行合成得到目标位置预测数据。实验结果表明在相同的机动水平下,该方法的跟踪性能优于Kalman滤波与强跟踪滤波。     

基于粒子滤波的目标主动轮廓跟踪算法

传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。     

基于热扩散理论的窗融合方法研究

窗融合是滑动窗目标检测方法中的一个重要步骤。针对传统方法的缺陷,提出了一种新的窗融合方法。该方法把每个初始窗口当作系统中的一个位置,两个窗口的检测分数和重叠面积用来计算对应位置之间的热传导系数,最终利用线性各向异性热扩散条件下系统温度之和最大化问题来模拟窗融合工作。采用贪婪算法获得目标函数的近似最优解,相应的热源即为窗融合结果。在VOC2009目标数据库和INRIA行人数据库上的实验显示,该方法不仅能够删除重复检测,还可以排除误检以及防止相邻目标干扰。相比传统的非极大值抑制方法,该方法在不损失召回率的前提下显著地提升了目标的检测精度。     

基于模糊集理论的知识融合方法研究

在知识管理领域中, 根据知识源的特点, 通过融合处理多源知识, 形成新的知识层, 提高知识的内涵、层次和置信度, 并提升实现系统任务目标的能力。在基本知识层、方法层和思想层三级融合层次的基础上, 研究多源知识融合处理, 得出融合结构与框架。将信息融合处理技术移植到知识融合处理中, 形成基于模糊集理论的知识融合算法, 得出处理流程和基于Petri网的融合模型。利用基于模糊集理论的知识融合算法, 综合各预警模型的观察结果, 讨论企业失败预警问题。实例和仿真结果表明:知识融合判别方法降低了企业失败预警判别的不确定性, 知识融合在知识管理领域应用是有效和可行的。     

多目标决策问题及处理方法

通常的决策问题是单目标决策问题,是指在一定的约束条件下找出使某一目标达到最优的方案。但是有时用一个指标无法全面衡量一个方案的优劣,需要用多个指标来反映,这就是多目标决策问题。它是要寻求在一定的约束条件下使多个目标都达到最满意值的方案。     

MEM模型在多传感器多目标无源定位与跟踪中的应用

针对多传感器机动多目标无源定位问题的目标数量多、定位难的特点 ,采用复合弹性系数神经网络模型对该问题进行建模 ,并进行组合优化 ,以期能利用多个传感器较准确地对多个机动目标进行无源定位与跟踪。仿真结果表明该模型能有效地锁定真实目标 ,当多个目标较分散或较集中时 ,该模型仍能有效锁定和跟踪