基于面积比矩阵的加权特征向量点匹配算法

提出一种在仿射变换下点集关系描述算子--面积比矩阵,证明了其在仿射变换群下的不变性质;并由该性质推导得出特征向量(EA)匹配算法抗噪性能差的原因,在此基础上给出了基于面积比矩阵的加权特征向量算法.算法构造不同图像的面积比矩阵,对矩阵进行分解得到其特征值和特征向量,通过特征值进行加权获得图像中点的特征向量,比较图像点的特征向量获取匹配关系.因面积比矩阵的仿射不变性质,算法能实现仿射变换下点集精确匹配;采用的加权特征向量法改进了EA匹配法,具有更好的抗噪性能.实验表明算法切实可行.     

一种基于改进SIFT的航拍图像自动配准算法

针对传统SIFT算法匹配时间长、错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像自动配准算法.首先,通过特征点检测时设定检测极值点数目,按照DOG空间层次结构由粗到精来搜索特征点,并使用改进的SIFT特征描述符生成算法;其次,利用最近邻匹配准则进行初步匹配得到初始匹配点对,并采用双向匹配方法对匹配特征点对进行筛选;然后,基于马氏距离的特征点相似度量方法进行二次匹配,并使用RANSAC算法求取仿射变换模型;最后,通过双线性插值对变换后的图像进行重采样和插值.实验结果表明:该算法可以实现航拍图像之间的有效配准,在配准性能上优于传统SIFT算法.     

一种多机器人系统任务分配规划算法

针对一类可将复杂任务分解为多目标集合的任务分配问题,提出了一种基于网络图的多机器人系统任务分配规划算法。首先根据目标集合和机器人系统的初始状态,建立对应的网络图。在此基础上,将任务分配问题转换为受约束的最少成本流程问题。为保证获得目标集合的最优解,提出一种结合分支界限原理和拉格朗日松弛原理的最优求解算法。在仿真中,利用提出的算法求解随机设定位置的机器人和目标点集,仿真结果表明,提出的算法可以实现目标点集的优化分配。     

基于转移费用矩阵的机器人路径规划方法

本文描述了机器人路径规划的一种新方法：基于转移费用矩阵的机器人路径规划方法。通过定义转移费用矩阵的概念及其上的二元运算,将最优路径的生成,转化为矩阵的运算,使得有限步的矩阵运算,即可得到环境中所有点间的最优路径,达到了在预处理阶段构造最优路径集的目的。最后,介绍了该方法在移动机器人任务规划中的应用     

基于改进SIFT的航拍图像快速匹配方法

针对传统SIFT算法存在特征描述符计算复杂,匹配时间长,错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像快速匹配方法。该方法采用基于圆形窗口的梯度方向累加值与同心圆形窗口内的灰度累加值、灰度差分值来构建18维的改进特征描述符,并在特征点匹配过程中,采用基于相关系数相似度量准则的双向匹配方法来获取初始匹配特征点对。最后,运用RANSAC算法进一步消除错配和估算仿射变换模型,并通过双线性插值法对变换后的图像进行重采样和插值。实验表明,该方法可以实现航拍图像之间的有效匹配,在匹配速度和匹配精度上优于传统SIFT算法,具有较好的实时性。     

拓扑结构/模糊逻辑的车载导航系统地图匹配算法

研究了地图匹配技术在车辆组合导航系统中的特点,利用模糊逻辑处理近似信息的优势和路网的拓扑结构,提出了一种基于拓扑结构/模糊逻辑的匹配地图算法,通过模糊逻辑部分的搜索子算法和投影子算法计算路段的隶属度,再结合路网自身的拓扑结构来选择匹配路段及投影匹配点,详细介绍了该算法的设计和流程.实际跑车实验证明,该算法有效地提高了匹配正确率和匹配效率.     

基于特殊矩阵的同时定位与地图构建

同时定位与地图构建是机器人在未知环境中自主导航的一个重要研究内容。为了提高全协方差SLAM算法的计算和存储效率,通过对系统状态向量进行重构和选择适当的观测向量,系统模型和系统协方差矩阵可以表示成特殊形式的矩阵。基于这两个矩阵的特性,提出了一个改进的SLAM方法,对机器人的位置和方向进行间接地估计,同时降低了SLAM算法的时间复杂度和空间复杂度。实验表明改进算法是一致的和收敛的。     

基于EMA算法的变结构交互多模型算法

标准交互多模型(IMM)算法使用固定数目和时不变的模型集,往往不能兼顾算法的实时性与跟踪精度。基于增加期望模型(EMA)算法的思想,提出综合利用前一时刻的模型匹配概率与当前时刻的混合概率作为加权系数调整系统噪声模型集,调整后的模型集被认为非常接近系统实际噪声模型。将该模型集自适应技术与IMM算法结合得到一种变结构交互多模型(EMA-VIMM)算法。使用机动目标跟踪仿真实例,与标准IMM算法进行了仿真对比,分析了跟踪性能与RMSE误差。仿真结果表明,EMA-VIMM算法不仅极大地提高了跟踪精度,而且与标准IMM算法相比,具有稳定的跟踪性能和较低的计算量。     

基于偏差映射聚类的目标关联方法

多传感器目标关联是确定不同传感器系统观测的若干信号是否来源于同一目标,它是现代多传感器系统中的一个重要问题。传统的关联方法通过计算不同观测间的关联代价,通过求解代价矩阵最优解来获得关联匹配,但是容易受到环境和传感器性能的影响。提出了一种基于偏差映射聚类(bias mapping cluster,BMC)的目标关联方法,通过对多个传感器间观测目标偏差映射点进行聚类,搜索局部密度最大的映射点集作为传感器间的目标关联结果,走出了利用数学方法求解全局最优解的传统模式。相较其他传感器间目标关联方法,仿真结果表明该方法能有效利用目标观测的空间散布特性,关联正确率更高,并对虚假目标和目标失配等情况具有更强的适应性。     

基于点模式匹配的雷达航迹与航行计划匹配算法

在雷达航迹与航行计划匹配时,针对传统算法对单点信息依赖程度较高,在信息缺失、目标机动等情况下匹配效果差的问题,提出了一种基于滑窗的改进点模式匹配算法。首先,提取了雷达航迹多特征点,利用特征点集弥补单点信息的不足,通过简化匹配分数的计算,降低了点模式匹配复杂度。仿真实验结果表明,改进的点模式匹配算法显著提高了信息缺失、目标机动等情况下的匹配正确率。     

狭窄环境中基于几何法的全局路径规划新方法

研究狭窄障碍环境下基于几何法的移动机器人全局路规划方法。用不同多边形表示机器人和障碍物,多边形集合构成环境地图。利用数组矩阵存储机器人和障碍物的顶点坐标,便于计算机进行识别、分析和计算。在此基础上,建立了两个子函数——障碍物筛选子函数和凸包计算子函数。通过对两个子函数的循环调用,找出所有较优无碰路径,最后根据一定准则选择全局最优路径。该算法把狭窄障碍环境中的路径规划问题转换成凸包计算问题,且能够生成多条可供替换的较优路径。当环境空间相对狭窄、机器人形状较为复杂,在路径转弯处作旋转运动时,可根据安全需要选择合适的运动路径,从而增加了算法的适用性。仿真结果表明:该算法简便高效,能够满足路径实时规划要求。     

基于矩阵对策与遗传算法的无人机空战决策

针对无人机自主空战决策的实时性与准确性需求,提出一种矩阵对策法与遗传算法相结合的空战决策算法。基于空战优势函数以及无人机机动模型建立了无人机空战决策模型,使用改进的矩阵对策法获取我方无人机最优选择策略的大致范围,再在此范围内使用遗传算法寻找最优策略,最后通过直线飞行机动和S型规避机动仿真验证了算法的可行性。仿真结果表明,所提算法不仅能够提高机动决策的精度,还在一定程度上避免了单纯遗传算法计算量大、计算时间长的问题,满足空战合理性与实时性需求。     

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.     

基于离散哈特莱变换的快速图像匹配方法研究

为解决传统图像匹配算法计算量大,运算速度慢,难以满足图像匹配实时性要求的不足,提出基于离散哈特莱变换(DHT)的快速图像匹配算法,通过采用二维实函数的离散哈特莱变换和互相关运算,减少数据运算量和存储量,达到保持图像匹配精度,缩短图像匹配时间,提高匹配效率的效果。实验结果表明,该算法图像匹配精度高,匹配速度快,实时性好,有效提高了图像匹配的时效性。     

一种结合弹道规律的模糊交互式多模型算法

针对交互式多模型算法中转移概率矩阵与实际运动不匹配而影响跟踪精度的问题,通过分析某型导弹的典型弹道,将弹道规律融合到模型概率转移矩阵中,然后将转移概率模糊化处理,提出了一种基于弹道规律的模糊交互式多模型算法,然后以导弹蛇形运动转至比例导引的机动过程为例进行了仿真验证,比较了典型交互式多模型算法和模糊交互式多模型算法的跟踪性能。仿真结果表明:该算法可显著提高导弹机动段的跟踪精度。     

基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。     

再生分辨矩阵与决策熵的不完备决策系统属性约简

为了有效地解决不完备决策系统的属性约简问题,提高属性约简的效率,提出了基于再生分辨矩阵与决策熵的不完备属性约简算法。该算法利用基于容差关系的分辨矩阵来计算相对核,通过再生分辨矩阵计算再生集和再生集属性来缩小加入约简集的条件属性选择范围,以再生集属性的分辨度和决策熵为依据,选择加入约简集的条件属性,并通过实例进行验证分析。结果表明,该算法适用于协调不完备决策系统与不协调不完备决策系统,能够有效地降低时间复杂度,并得到最优属性约简。     

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。     

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。     

基于加权MHD的反舰导弹预定目标选择方法

平均Hausdorff距离(MHD)方法基于编队的整体形状进行匹配来寻找对应点,因此,不像距离选择区法和扩展搜索图选择法那样受导弹自控段的导航误差和目标机动散布的影响。为了进一步提高反舰导弹的目标选择能力,考虑所匹配点集不同区域对Hausdorff距离函数的贡献程度不一样,提出了加权MHD(WMHD)来研究编队预定目标选择问题。首先通过刚体变换方法将火控雷达和末制导雷达探测到的编队点集进行位置匹配,然后利用WMHD方法获取其最优变换位置,最后据此最优变换位置预测预定选择目标在末制导雷达开机的位置。通过仿真实验表明其具有较强对抗冲淡干扰和形状扭曲失真的能力,且性能明显优于MHD方法。