留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

卡尔曼粒子滤波中基于精确运动模型的局部区域估计

徐超 高敏 杨耀

徐超, 高敏, 杨耀. 卡尔曼粒子滤波中基于精确运动模型的局部区域估计[J]. 红外与激光工程, 2015, 44(11): 3475-3482.
引用本文: 徐超, 高敏, 杨耀. 卡尔曼粒子滤波中基于精确运动模型的局部区域估计[J]. 红外与激光工程, 2015, 44(11): 3475-3482.
Xu Chao, Gao Min, Yang Yao. Accurate local region prediction by precise motion model in Kalman-particle filter[J]. Infrared and Laser Engineering, 2015, 44(11): 3475-3482.
Citation: Xu Chao, Gao Min, Yang Yao. Accurate local region prediction by precise motion model in Kalman-particle filter[J]. Infrared and Laser Engineering, 2015, 44(11): 3475-3482.

卡尔曼粒子滤波中基于精确运动模型的局部区域估计

基金项目: 

军内科研项目;军械工程学院科研基金(YJJM11018)

详细信息
    作者简介:

    徐超(1987-),男,博士生,主要从事计算机视觉及图像末制导技术方面的研究。Email: 475084845@qq.com

  • 中图分类号: TP391

Accurate local region prediction by precise motion model in Kalman-particle filter

  • 摘要: 粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加。将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法。该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置。文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应对大机动目标的跟踪。因此,引入了高阶状态变量加加速度,并将其用于改进分层卡尔曼粒子滤波的运动模型。利用分层卡尔曼粒子滤波、粒子滤波以及提出的方法进行了跟踪试验,结果表明,基于精确运动模型的改进分层卡尔曼粒子滤波模型的跟踪方法能够提高线性运动的预测精度,实现复杂环境下精确稳定的跟踪。
  • [1] Martnez A, Jimnez J J. Tracking by means of geodesic region models applied to multidimensional and complex medical images[J]. Computer Vision and Image Understanding, 2011, 115: 1083-1098. (in Chinese)
    [2] Comaniciu D, Ramesh V, Meer P. Kernel-based object tracking [J]. IEEE Trans Pattern Anal Mach Intell, 2003, 25(5): 564-577. (in Chinese)
    [3] Avidan S. Ensemble tracking [J]. IEEE Trans Pattern Anal Mach Intell, 2007, 29(2): 261-271. (in Chinese)
    [4] Tian Li, Zhou Fugen, Meng Cai. Parallel particle filter object tracking based on embedded multi-core DSP systems [J]. Infrared and Laser Engineering, 2014, 43(7): 2354-2361. (in Chinese)
    [5] Cao Yang, Zhao Mingfu, Luo Binbin, et al. Airborne platform's tracking algorithm for free space optical [J]. Infrared and Laser Engineering, 2012, 41(11): 3065-3068. (in Chinese)
    [6] Li Quan, Zhao Xunjie, Peng Qingyan, et al. Windows adaptive particle filter algorithm based on principal component analysis [J]. Infrared and Laser Engineering, 2014, 43(10): 3474-3479. (in Chinese)
    [7] Yilmaz A, Javed O, Shah M. Object tracking: A survey [J]. ACM Comput Surv, 2006, 38(4): 1-45. (in Chinese)
    [8] Wang H, Suter D, Schindler K, et al. Adaptive object tracking based on an effective appearance filter [J]. IEEE Tran Pattern Anal Mach Intell, 2007, 29(9): 1661-1667. (in Chinese)
    [9] Bimbo A D, Dini F. Particle filter-based visual tracking with a first order dynamic model and uncertainty adaptation [J]. Computer Vision and Image Understanding, 2011, 115: 771-786. (in Chinese)
    [10] Zivkovic Z, Cemgil A T, Krse B. Approximate Bayesian methods for kernel-based object tracking [J]. Computer Vision and Image Understanding, 2009, 113: 743-749. (in Chinese)
    [11] Isard M, Blake A. CONDENSATIONconditional density propagation for visual tracking [J]. International Journal on Computer Vision, 1998, 29: 5-28. (in Chinese)
  • [1] 刘云哲, 董岩, 王伟, 宋建林.  光电跟踪系统的摩擦模型辨识与补偿策略研究 . 红外与激光工程, 2023, 52(11): 20230151-1-20230151-9. doi: 10.3788/IRLA20230151
    [2] 顾有林, 张熙, 胡以华, 孟凡昊, 陈国龙, 丁婉莹, 何海浩.  气溶胶粒子凝聚模型研究进展(特邀) . 红外与激光工程, 2023, 52(6): 20230243-1-20230243-19. doi: 10.3788/IRLA20230243
    [3] 梅博, 杨中华, 李梦男.  无信标星间激光通信系统粗精复合扫描方法 . 红外与激光工程, 2022, 51(6): 20210434-1-20210434-10. doi: 10.3788/IRLA20210434
    [4] 洪汉玉, 赵俊, 时愈, 吴世康.  加权L1范数测度的模糊核区域估计及空可变复原 . 红外与激光工程, 2020, 49(8): 20200001-1-20200001-9. doi: 10.3788/IRLA20200001
    [5] 亓超, 宿殿鹏, 王贤昆, 王明伟, 石波, 阳凡林.  基于分层异构模型的机载激光测深波形拟合算法 . 红外与激光工程, 2019, 48(2): 206004-0206004(8). doi: 10.3788/IRLA201948.0206004
    [6] 孙世宇, 张岩, 胡永江, 李建增.  改进模型估计的无人机侦察视频快速拼接方法 . 红外与激光工程, 2018, 47(9): 926003-0926003(9). doi: 10.3788/IRLA201847.0926003
    [7] 王伟, 纪毅, 石忠佼, 林德福, 林时尧.  基于扩展卡尔曼滤波器的捷联导引头刻度尺参数辨识 . 红外与激光工程, 2017, 46(4): 417003-0417003(6). doi: 10.3788/IRLA201746.0417003
    [8] 杨宏韬, 高慧斌, 刘鑫.  基于双重扩展卡尔曼滤波器的共轴跟踪技术研究 . 红外与激光工程, 2016, 45(5): 531001-0531001(5). doi: 10.3788/IRLA201645.0531001
    [9] 姜淑娟, 王可.  应用卡尔曼滤波技术的激光熔覆宽度检测 . 红外与激光工程, 2016, 45(12): 1206003-1206003(5). doi: 10.3788/IRLA201645.1206003
    [10] 范新明, 曹剑中, 杨洪涛, 王华伟, 杨磊, 廖加文, 王华, 雷杨杰.  改进粒子群优化在稳定平台多空间分析模型的应用 . 红外与激光工程, 2015, 44(8): 2395-2400.
    [11] 董鑫, 欧阳高翔.  基于容积卡尔曼滤波的空间碎片相对导航 . 红外与激光工程, 2015, 44(S1): 152-157.
    [12] 赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗.  五阶容积卡尔曼滤波算法及其应用 . 红外与激光工程, 2015, 44(4): 1377-1381.
    [13] 赵兵, 曹剑中, 杨洪涛, 周祚峰, 史魁, 徐伟高.  改进的平方根容积卡尔曼滤波及其在POS中的应用 . 红外与激光工程, 2015, 44(9): 2819-2824.
    [14] 徐超, 高敏, 杨耀.  自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
    [15] 许芃, 李东光, 靳佰良.  采用区域生长和EMDs模型的运动目标检测方法 . 红外与激光工程, 2014, 43(10): 3486-3491.
    [16] 刘涛, 张文平, 陈慧芳, 冯桂兰, 刘月明.  卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用 . 红外与激光工程, 2014, 43(5): 1643-1647.
    [17] 刘磊, 沈宏海, 张葆.  卡尔曼滤波器在抑制力矩扰动中的应用 . 红外与激光工程, 2014, 43(7): 2240-2244.
    [18] 赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成.  扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
    [19] 邹盼, 刘晖, 张闻文, 陈钱, 顾国华, 张连东.  利用期望最大化算法的EMCCD噪声分布模型的参数估计 . 红外与激光工程, 2013, 42(1): 268-272.
    [20] 吴晓.  LED芯片粗精定位系统 . 红外与激光工程, 2013, 42(9): 2478-2484.
  • 加载中
计量
  • 文章访问数:  325
  • HTML全文浏览量:  24
  • PDF下载量:  154
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-03-13
  • 修回日期:  2015-04-15
  • 刊出日期:  2015-11-25

卡尔曼粒子滤波中基于精确运动模型的局部区域估计

    作者简介:

    徐超(1987-),男,博士生,主要从事计算机视觉及图像末制导技术方面的研究。Email: 475084845@qq.com

基金项目:

军内科研项目;军械工程学院科研基金(YJJM11018)

  • 中图分类号: TP391

摘要: 粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加。将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法。该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置。文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应对大机动目标的跟踪。因此,引入了高阶状态变量加加速度,并将其用于改进分层卡尔曼粒子滤波的运动模型。利用分层卡尔曼粒子滤波、粒子滤波以及提出的方法进行了跟踪试验,结果表明,基于精确运动模型的改进分层卡尔曼粒子滤波模型的跟踪方法能够提高线性运动的预测精度,实现复杂环境下精确稳定的跟踪。

English Abstract

参考文献 (11)

目录

    /

    返回文章
    返回