一种抗遮挡的时空上下文目标跟踪

目标跟踪是一个比较热门的研究方向,其性能受到多方面影响。时空上下文跟踪算法是利用目标附近的信息对目标进行跟踪,但该算法的不足是仅使用单一的灰度特征和固定的学习率。将HOG(Histogram of Oriented Gradient)特征与灰度特征进行融合,且对跟踪结果进行相似度计算进而抑制目标的漂移,采用自适应变化的学习率以适应跟踪目标的变化。经过仿真实验证明,相较于时空上下文跟踪算法所提出的方法鲁棒性更好,对光照的变化、目标形变以及遮挡等情况下都具有较强的跟踪能力。     

跟踪微分器在光电火控系统中的应用

光电火控系统主要由光电跟踪系统、火控计算机、火炮随动系统组成,光电跟踪系统视频取差器的滞后特性以及火炮随动系统的不平稳性,直接制约着光电火控系统精确跟踪并打击目标的性能。针对上述问题,介绍了非线性跟踪微分器的原理,利用其滤波特性和微分信号提取特性,创造性地提出将其应用于光电火控系统中。仿真和工程试验证明,采用非线性跟踪微分器的系统,在跟踪精度上有明显的提升。     

目标协同跟踪系统图像监控软件流程设计

为更好地对复杂战场环境下敌方目标运动状态作出精确估计并实施精确打击,提出了构建基于多传感器的目标协同跟踪系统的设计方案。设计的系统主要由可见光无人传感器平台、指挥控制中心、传输设备组成,重点阐述了指挥控制中心图像监控软件设计流程。该系统的设计为进一步研究基于微波、毫米波、红外、可见光等混合多源传感器的目标协同跟踪系统提供一定的参考价值。     

基于事件触发的船舶航向自适应控制研究

针对非线性船舶航向控制系统,充分考虑系统具有未知常数参数,从执行机构实际出发构造触发事件并基于反步法设计控制器输入信号,提出了基于事件触发的自适应控制器的设计方法。理论证明及仿真分析表明,基于事件触发的自适应控制器在保障系统稳定的同时,实现了系统输出对指令信号的良好、快速的跟踪效果,提高了执行机构的执行效率。     

改变系统结构的多环姿态跟踪控制

针对航天器姿态跟踪控制中存在稳态误差和转动惯量摄动未知的问题,给出一种高精度自适应姿态跟踪控制策略。通过扩展姿态动力学系统结构,将姿态角积分项引入姿态控制器中,以消除稳态误差和提升姿态跟踪精度,给出扩展系统的期望轨迹设置方法。给出一种结构更为简化的多环递归跟踪控制策略,结合自适应估计设计了自适应多环递归姿态跟踪控制器。与滑模自适应控制器对比仿真,验证了方法的优越性。     

光电稳定平台中Stribeck摩擦力矩的补偿方法

针对光电稳定平台低速控制伺服系统中经典PI控制器不能很好地补偿Stribeck摩擦力矩的问题,提出了一种滑模变结构控制策略。通过仿真分析得出,滑模变结构控制的超调量为0.01 rad/s,小于经典控制的超调量0.07 rad/s,同时滑模变结构控制的调节时间为0.16 s,也小于经典控制的调节时间0.23 s;并且对于载体扰动,滑模变结构控制的补偿时间为0.13 s,小于经典控制的补偿时间0.27 s。仿真结果表明,采用滑模变结构控制补偿Stribeck摩擦力矩后,光电稳定平台的抗干扰能力得到了有效提高。     

基于MPC和ESO-DO的四旋翼轨迹跟踪控制

针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control, MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer, DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。     

无人空战指控建模仿真方法研究

针对当前无人空战仿真中,缺乏支持全流程作战指挥控制建模与仿真这一问题,结合当前无人空战仿真系统相关研究,系统梳理和研究指控模型构建方法,通过探索不同仿真层级不同类型的无人机指挥控制建模原理和方法,设计并且构建了一套适合指挥信息系统装备特点的指控模型仿真系统。通过进行符合预设约束的想定设定,对目标作战任务进行了效能评估和对比,可为无人空战相关指挥信息系统装备的论证、评估方式提供理论和现实指导。     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

融合视觉图像处理的目标识别技术在移动机器人中的应用

为了提升移动机器人的运动人体识别效果,研究利用Faster-RCNN-KF对动态人体图像进行实时跟踪,并结合Facenet-MTCNN实现跟踪对象人脸识别。运动人体跟踪检测实验和人脸识别测试结果显示,Faster-RCNN-KF算法跟踪误差仅为0.000 5 m,且跟踪响应速度和误差更正速度较快;Facenet-MTCNN目标识别算法在训练中的分类精度最高能够达到99.15%,分类中的时间延迟为0.01 s,能够有效识别跟踪对象的身份信息。研究结果表明,视觉图像处理技术能够实现人体的有效跟踪检测,并能对不同身份的跟踪对象进行人脸识别,对移动机器人跟踪与识别技术发展具有重要价值。