基于平方根UKF的海上多平台误差配准方法

给出了多传感器数据对准的坐标变换模型,并分别构建了关于导航系统误差和传感器系统误差的测量方程和状态方程,然后设计了一种平方根UKF误差配准算法以对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准。仿真实验验证了该算法的正确性和有效性。     

单平台三维传感器组网配准的最小二乘法

针对单平台多部三维传感器组网的校准和姿态偏差给出了一种综合估计算法。根据不同传感器跟踪相同目标时的空中叠合条件,由一阶泰勒展式导出了相对偏差的线性化公式,再利用最小二乘法实时估计出传感器量测间存在的偏差,从而进行配准。本算法对传感器近距离组网或者单舰多传感器组网的配准具有较好的精度和稳健性。     

网络化作战系统中的多雷达时空数据配准

阐述了多个雷达数据空间配准几何坐标转换算法,建立目标运动和测量模型,在此基础上利用最小二乘法对多雷达异步测量数据进行时间配准,最后研究了在时空数据配准处理后基于扩展卡尔曼滤波的状态估计和误差估计,并进行了仿真验证,对网络化作战传感器网络建设有参考意义.     

低导航精度下多舰雷达数据空间配准方法

海上多舰火控雷达数据融合系统中,导航数据精度低、地球表面不平坦都将给传感器数据的空间配准带来工程实现困难。提出一种基于雷达相对定位的多平台观测数据配准方法,用于解决以罗兰C为主要导航设备的多舰数据配准问题。性能分析和仿真实验表明,该方法对导航设备精度的要求不高,具有较强的实用性。     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

网络化火控系统空间配准技术仿真

研究了固定平台空间配准的两种算法:二维空间实时质量控制算法(RTQC)与三维空间基于合作目标的空间配准算法。在网络化火控缩微环境中对两种算法分别进行了仿真试验。结果表明,RTQC算法不仅能够有效消除传感器测量系统误差,而且比基于合作目标的空间配准算法更易实现。     

机载雷达与地面雷达的最大似然配准算法

空、地多雷达配准是空地一体化预警的前提。通过建立空中运动雷达与地面静止雷达的配准模型,以最大似然算法为基础,导出其空间系统误差配准参数及目标运动状态估计的具体公式,并对系统误差估计值的卡拉美-罗界进行了讨论。仿真结果表明,该算法具有较快的迭代收敛速度和较好的配准效果。     

误差配准在两种纯距离定位算法的应用比较

组网雷达系统中,由于观测信息量的增加,对目标存在多种定位算法。很多情形下,误差配准公式是基于某一定位算法推导而来,误差配准的结果也相应的用来提高此定位算法的定位精度。定位算法的复杂程度不同导致基于此算法推导误差配准公式难度不一致,不同定位算法的定位精度也不尽相同。因此,对两种多距离定位算法的定位精度、误差配准推导难易程度进行了理论分析和仿真计算,给出了定位精度的解析表达式和仿真结果。利用表达式简单的定位算法推导基于最小二乘的误差配准公式,并将误差配准结果反馈给定位精度高的定位算法,以最大程度提高误差配准结果的应用效果,减轻计算复杂度,提高信息的利用度。     

多平台多传感器数据融合中的时间一致

解决多平台多传感器系统数据融合中传感器误差配准问题,首先要实现各传感器的时间一致,将关于同一目标的各传感器不同步的量测信息同步到同一基准时标下.将时间误差分为确定性和不确定性两种,分析了引起多传感器时间误差的原因,提出一种基于Kalman滤波的时间对准算法,有效解决了一定范围内不确定传输延迟引起的时间不一致问题.     

基于模型转换的异步空间配准算法

在分布式融合系统中,融合中心在对传感器发送过来的航迹数据进行融合处理前,需要采用空间配准算法来消除航迹数据中可能存在的系统误差.已有的空间配准算法未考虑滤波处理中的状态方程对配准过程的影响.对不同传感器具有不同状态方程条件下的异步空间配准实现进行了研究,采用将模型误差和系统误差合并处理的思路,提出了基于模型转换的异步空间配准(AMCBA)算法.仿真结果表明AMCBA算法能够实现对模型误差和系统误差的准确估计.     

基于ECEF坐标转换的AEWS数据配准算法

数据配准是多传感器数据融合的先期处理过程.基于地心地固坐标系(ECEF)研究了预警机系统(AEWS)与地面雷达数据处理中心的数据配准问题.首先给出AEWS与地面雷达数据处理中心数据配准几何坐标转换算法;然后利用卡尔曼滤波实时估计出预警机对地面雷达数据处理中心的系统偏差,从而实时对预警机系统(AEWS)进行配准,计算机仿真结果证明了该算法的正确性和有效性.     

一种基于图像分类的遥感图像配准方法

遥感图像配准是遥感图像融合中最重要的预处理步骤。寻找适应性强、精度高、计算快的配准算法一直是研究的核心问题。在研究现有配准算法的基础上,提出了一种基于图像分类的特征匹配方法。该方法在基于控制点的多项式粗配准的基础上,利用分类图像相关实现了基于仿射变换模型的精配准。实验结果表明:对于同质和异质遥感图像,此方法的配准精度都达到了子像素级;而计算量与传统的基于灰度相关的方法和基于特征匹配的方法相比则大为减少。     

自适应联邦卡尔曼滤波的时间配准方法

针对现有组合导航信息融合时间配准方法存在的算法实时性不高、配准精度不高等缺陷,对组合导航系统时间误差进行了分析,提出了一种基于自适应联邦卡尔曼滤波的重叠分段时间配准算法。通过对传感器量测信息进行重叠分区处理,将不同起始时刻、不同采样频率的量测量统一至同一时刻处理,有效提高了采样率与配准精度。将其应用到SINS/GPS组合导航系统,实验结果表明,该算法能显著减小组合导航系统误差,提升了系统平稳性。     

基于点云配准的室内移动机器人6自由度位姿估计

针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法.首先通过RGB-D传感器获取环境深度图像,根据特征提取算法提取点云特征;然后以特征点为配准点,运用随机一致性采样(RANdom SAmple Consensus,RANSAC)算法对点云进行初配准,剔除部分错误匹配点,获得初始变换矩阵;最后采用改进的迭代最近点(Iterative Closet Point,ICP)算法进行精配准,获得点云间的最终变换矩阵,实现位姿估计.实验结果表明:该方法有效地提高了大规模点云配准效率,得到了较精确的位姿估计信息.     

采用LSRSERM方法进行多雷达数据配准

基于雷达网系统误差分析,提出了一种最小二乘相对系统误差配准法,并给出了一种多雷达数据配准方案。仿真和实际数据证明,该方法可以使同一目标观测航迹的分裂程度减小一个数量级。     

分布式多传感器融合跟踪

针对传感器观测的非线性问题,引入了无迹卡尔曼滤波算法,它在稳定性和精确性等方面均高于卡尔曼滤波,进一步,针对其弱可观测性,采用多个传感器分布式融合跟踪策略.而协方差交集算法,它不需要考虑每个传感器之间的相关度,根据实际要求选择好合适的权值后,可以直接进行融合,并且达到很好的精度,于是,提出了基于协方差交集算法的分布式多...     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

基于强跟踪滤波器的多雷达配准方法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。     

图像配准及其在目标精确定位中的应用

随着卫星和无人机等空天侦察平台的发展和广泛应用,图像成为精确定位目标的一个重要信息源,而其中一个重要途径就是战术图像与参考卫星图像的配准.由于成像设备、时间和光照条件的差异,战术图像和卫星图像在亮度上存在很大的不同.为解决这些问题,提出了一种基于部分Hausdorff距离的图像配准算法.试验表明,该算法对于噪声、光照变化和局部场景变化具有较强的鲁棒性.     

分布式多传感器系统误差实时检测分析

针对现有分布式多传感器系统中无法知道何时需要进行系统误差估计与配准的问题,采用基于与航迹相关的检验统计量研究系统误差的实时检测。首先,分析了分布式传感器系统中传感器系统误差对各传感器上报到融合中心的航迹的影响,在此基础上构建了系统误差实时检测的检验统计量,同时给出了检测的门限与准则,最后通过建立合适的仿真环境分析了在各传感器分别有无系统误差情况下的检测问题,并且通过实测数据进一步验证,仿真结果以及实测数据验证了检测算法的可靠性及实用性。