卡爾曼濾波在運動目標跟蹤問題中的研究與應用.pdf

1、運動目標的檢測與跟蹤是計算機視覺研究領域的重要課題。它融合了圖像處理和計算機視覺領域的諸多先進技術，在軍事視覺制導、機器人視覺導航、深水導航、安全監(jiān)測、及交通管理等許多方面都有廣泛的應用，該技術有著不可估量的發(fā)展前景。本文使用一個不發(fā)生旋轉和平移的單攝像頭捕獲處于勻速運動傳送帶上的工件的運動信息。將經過圖像檢測處理得到的信息傳送給后面的模塊，作為觀測量，應用卡爾曼濾波進行狀態(tài)估計。
　　本文分為三個部分對這一課題進行論述：

2、　　第一部分，數學模型和卡爾曼濾波理論。首先建立了四種與運動目標檢測相關的坐標系，然后根據工件的運動狀態(tài)建立系統的數學模型，最后介紹了用于系統狀態(tài)估計的卡爾曼濾波理論。
　　第二部分，運動目標的圖像處理。主要介紹了圖像的預處理、邊緣檢測、二值圖像和動態(tài)背景差分技術。將二值圖像和動態(tài)背景差分技術結合運用在經過圖像預處理的運動目標的灰度圖像上，檢測出圖像中的目標，設計一個灰度質心閾值，提取目標的特征點。
　　第三部分，擴展卡爾曼

3、濾波、衰減記憶擴展卡爾曼濾波和Unscented卡爾曼濾波在目標跟蹤中的應用。針對文中的非線性系統(觀測方程是非線性的)，作者采用擴展卡爾曼濾波對運動目標的運動狀態(tài)進行估計，成功地獲得了目標的運動信息。對模型進行線性化有可能產生不穩(wěn)定的濾波，衰減記憶擴展卡爾曼濾波可以加強當前數據的權系數，降低歷史測量值對估計值的影響，從而更好地對狀態(tài)進行估計。針對擴展卡爾曼濾波需計算Jacobi矩陣的導數，而這往往會帶來極大的工作量，本文提出Unsce