本文關(guān)鍵詞：基于卡爾曼濾波器的非合作目標(biāo)飛行器視覺追蹤，由筆耕文化傳播整理發(fā)布。

【摘要】：空間捕獲目標(biāo)飛行器可以為飛行器補(bǔ)給燃料、修理、營救遇難飛行器以及處理太空垃圾等，但是當(dāng)目標(biāo)飛行器失效后，對其捕獲是非常困難的。通過視覺伺服實時追蹤目標(biāo)飛行器是捕獲飛行器的必要前提，因此本論文在921項目支持下研究基于卡爾曼濾波器的非合作目標(biāo)飛行器視覺追蹤。為了模擬太空中視覺追蹤非合作式目標(biāo)飛行器運(yùn)動的真實情況，本文通過ADAMS生成已知目標(biāo)運(yùn)動軌跡來模擬非合作式目標(biāo)飛行器的運(yùn)動。結(jié)合非合作目標(biāo)飛行器運(yùn)動模型未知、空間光照環(huán)境惡劣等工況以及算法實時性好的要求，本論文選用卡爾曼濾波器算法來對目標(biāo)進(jìn)行視覺追蹤，并在目標(biāo)勻速直線、勻加速直線和復(fù)雜曲線運(yùn)動模型下對卡爾曼濾波器進(jìn)行了算法改進(jìn)、模型優(yōu)化以提高對目標(biāo)的追蹤精度。由于無法直接產(chǎn)生攝像機(jī)坐標(biāo)系下的已知軌跡點(diǎn)即參考點(diǎn)，本文在不借助光學(xué)定位儀的前提下提出了一種由目標(biāo)運(yùn)動平面上的軌跡點(diǎn)映射到攝像機(jī)坐標(biāo)系軌跡點(diǎn)的算法。為了便于選取卡爾曼濾波器參數(shù)、更好地評測算法性能，本文引入了除誤差協(xié)方差外的另一種判斷算法預(yù)測精度的指標(biāo)，即預(yù)測點(diǎn)相對于參考點(diǎn)的最小均方誤差MSE。在實驗中，檢測到目標(biāo)狀態(tài)向量中速度值收斂較慢并且由于速度不可直接觀測，本文通過位置插分引入速度項作為速度觀測量來修正速度預(yù)測值以加速系統(tǒng)狀態(tài)變量的收斂，提高視覺追蹤精度。由于非合作目標(biāo)飛行器的運(yùn)動模型是未知的，，本文通過混合模型卡爾曼濾波器來克服此難題。為了驗證算法對于噪聲的適應(yīng)性，分別對參考點(diǎn)人為加入高斯噪聲和隨機(jī)噪聲，并使用論文中改進(jìn)和模型優(yōu)化后的算法來對目標(biāo)軌跡進(jìn)行預(yù)測。通過具體實驗分析，本文中所提出的參考點(diǎn)映射算法準(zhǔn)確、簡便易行；算法的改進(jìn)和模型的優(yōu)化能較顯著提高對非合作目標(biāo)飛行器的視覺追蹤精度；改進(jìn)后的卡爾曼濾波器算法相較于改進(jìn)前對噪聲有更好的適應(yīng)性。
【關(guān)鍵詞】：非合作目標(biāo) 最小均方差MSE 參考點(diǎn)映射算法 位置插分 混合模型卡爾曼濾波器 噪聲適應(yīng)性
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;V441
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題背景與研究意義10-11
• 1.2 國內(nèi)外研究概況11-15
• 1.2.1 目標(biāo)識別與追蹤研究現(xiàn)狀11-13
• 1.2.2 卡爾曼濾波器（Kalman Filter）研究現(xiàn)狀13-15
• 1.3 本論文的主要研究工作15-16
• 第2章 機(jī)械臂運(yùn)動學(xué)模型及工作空間分析16-24
• 2.1 機(jī)械臂正運(yùn)動學(xué)16-18
• 2.2 機(jī)械臂逆運(yùn)動學(xué)18-21
• 2.3 機(jī)械臂工作空間分析21-22
• 2.4 本章小結(jié)22-24
• 第3章 運(yùn)動目標(biāo)檢測與追蹤24-36
• 3.1 檢測運(yùn)動目標(biāo)的一般方法24
• 3.1.1 背景相減法24
• 3.1.2 幀間差法24
• 3.1.3 光流法24
• 3.2 仿射不變矩24-26
• 3.3 本文檢測運(yùn)動目標(biāo)的方法：KF 算法26-34
• 3.3.1 空間目標(biāo)識別26-27
• 3.3.2 雙目視覺計算方法27-29
• 3.3.3 KF 算法29-34
• 3.4 兩種評測算法預(yù)測精度的指標(biāo)34-35
• 3.5 本章小結(jié)35-36
• 第4章 實驗驗證36-74
• 4.1 實驗系統(tǒng)設(shè)計36-38
• 4.2 三種目標(biāo)運(yùn)動模型的 KF 算法實驗38-64
• 4.2.1 目標(biāo)勻速直線運(yùn)動38-49
• 4.2.2 目標(biāo)直線勻加速運(yùn)動49-57
• 4.2.3 目標(biāo)復(fù)雜曲線運(yùn)動57-64
• 4.3 KF 預(yù)測模型改進(jìn)64-66
• 4.3.1 目標(biāo)勻速直線運(yùn)動64-65
• 4.3.2 目標(biāo)勻加速直線運(yùn)動65
• 4.3.3 目標(biāo)復(fù)雜曲線運(yùn)動65-66
• 4.4 KF 算法對噪聲的適應(yīng)性66-72
• 4.4.1 高斯噪聲66-69
• 4.4.2 隨機(jī)噪聲69-72
• 4.5 KF 預(yù)測算法在曲線插值中的應(yīng)用72-73
• 4.6 參考點(diǎn)映射算法在求觀測誤差中的用途73-74
• 4.7 本章小結(jié)74
• 第5章 結(jié)論74-76
• 5.1 主要研究成果及主要創(chuàng)新點(diǎn)74-75
• 5.2 展望75-76
• 參考文獻(xiàn)76-80
• 攻讀學(xué)位期間發(fā)表的論文與研究成果清單80-81
• 致謝81

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 沈曉晶,潘俊民;機(jī)器人視覺伺服系統(tǒng)控制結(jié)構(gòu)的研究[J];工業(yè)儀表與自動化裝置;2002年04期

2 王雋永;何衍;陳家乾;;基于單目視覺直線跟蹤的SLAM實現(xiàn)[J];機(jī)電工程;2007年06期

3 翟光;仇越;梁斌;李成;;在軌捕獲技術(shù)發(fā)展綜述[J];機(jī)器人;2008年05期

4 季虎,孫即祥,邵曉芳,毛玲;圖像邊緣提取方法及展望[J];計算機(jī)工程與應(yīng)用;2004年14期

5 王學(xué)斌;徐建宏;張章;;卡爾曼濾波器參數(shù)分析與應(yīng)用方法研究[J];計算機(jī)應(yīng)用與軟件;2012年06期

6 林靖,陳輝堂,王月娟,蔣平;機(jī)器人視覺伺服系統(tǒng)的研究[J];控制理論與應(yīng)用;2000年04期

7 陳爾奎,喻俊志,王碩,譚民;一種基于視覺的仿生機(jī)器魚實時避障綜合方法[J];控制與決策;2004年04期

8 祖莉,王華坤,范元勛;戶外小型智能移動機(jī)器人運(yùn)動軌跡跟蹤控制[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2003年01期

9 梅迎春;王朝立;廖勤武;;基于OpenCV的攝像機(jī)標(biāo)定的應(yīng)用研究[J];計算機(jī)工程與設(shè)計;2009年16期

10 丁承君,張明路,張愛軍;移動機(jī)器人路徑識別與跟蹤的計算機(jī)仿真[J];系統(tǒng)仿真學(xué)報;2001年S1期

  本文關(guān)鍵詞：基于卡爾曼濾波器的非合作目標(biāo)飛行器視覺追蹤，由筆耕文化傳播整理發(fā)布。

本文編號：253550