-
公开(公告)号：CN112147651B
公开(公告)日：2023-10-10
申请号：CN202010883589.X
申请日：2020-08-28
Applicant: 江苏大学
Abstract: 本发明公开了一种异步多车协同目标状态鲁棒估计方法，通过主车和协同车分别获得同一辆目标车的观测数据和自身定位数据，主车接收协同车传输的数据，主车在当前感知时刻th获得目标车的观测数据#imgabs0#并从缓存中取出离th时刻最近的tc时刻的协同车发送的目标车观测数据#imgabs1#及协同车的定位数据；将th时刻主车定位数据插值到tc时刻，并计算tc时刻协同车在主车坐标系中的坐标值#imgabs2#应用卡尔曼滤波器预测tc时刻协同车的状态#imgabs3#和协方差矩阵#imgabs4#目标车的状态#imgabs5#和协方差矩阵#imgabs6#根据观测数据#imgabs7#利用期望最大化算法计算tc时刻修正后的协同车和目标车的状态、tc时刻主车坐标系与协同车坐标系之间的夹角及th时刻修正后的目标车的状态。
-
公开(公告)号：CN110288627B
公开(公告)日：2023-03-31
申请号：CN201910429444.X
申请日：2019-05-22
Applicant: 江苏大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于深度学习和数据关联的在线多目标跟踪方法，包括如下步骤：1、输入视频当前帧的图像；2、应用目标检测器得到图像中所有的检测响应；3、利用深度余弦度量学习模型提取检测响应的外观特征；4、初始化目标状态；5、利用卡尔曼滤波算法预测目标在下一帧的位置和尺度；6、基于两阶段数据关联将目标与检测响应的匹配关联，得到最优关联结果；7、根据步骤6中的最优关联结果更新目标的状态和特征；8、输入下一视频帧的图像，重复步骤2、3、4、5、6、7，直到视频结束。与现有技术相比，本发明能在目标交互与遮挡、目标间具有相似外观等复杂情况下，实现目标之间的正确关联，完成鲁棒且持续的多目标跟踪。
-
公开(公告)号：CN110288627A
公开(公告)日：2019-09-27
申请号：CN201910429444.X
申请日：2019-05-22
Applicant: 江苏大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于深度学习和数据关联的在线多目标跟踪方法，包括如下步骤：1、输入视频当前帧的图像；2、应用目标检测器得到图像中所有的检测响应；3、利用深度余弦度量学习模型提取检测响应的外观特征；4、初始化目标状态；5、利用卡尔曼滤波算法预测目标在下一帧的位置和尺度；6、基于两阶段数据关联将目标与检测响应的匹配关联，得到最优关联结果；7、根据步骤6中的最优关联结果更新目标的状态和特征；8、输入下一视频帧的图像，重复步骤2、3、4、5、6、7，直到视频结束。与现有技术相比，本发明能在目标交互与遮挡、目标间具有相似外观等复杂情况下，实现目标之间的正确关联，完成鲁棒且持续的多目标跟踪。
-
公开(公告)号：CN112147651A
公开(公告)日：2020-12-29
申请号：CN202010883589.X
申请日：2020-08-28
Applicant: 江苏大学
Abstract: 本发明公开了一种异步多车协同目标状态鲁棒估计方法，通过主车和协同车分别获得同一辆目标车的观测数据和自身定位数据，主车接收协同车传输的数据，主车在当前感知时刻th获得目标车的观测数据 并从缓存中取出离th时刻最近的tc时刻的协同车发送的目标车观测数据 及协同车的定位数据；将th时刻主车定位数据插值到tc时刻，并计算tc时刻协同车在主车坐标系中的坐标值 应用卡尔曼滤波器预测tc时刻协同车的状态 和协方差矩阵 目标车的状态 和协方差矩阵 根据观测数据 利用期望最大化算法计算tc时刻修正后的协同车和目标车的状态、tc时刻主车坐标系与协同车坐标系之间的夹角及th时刻修正后的目标车的状态。
-
-
-
Search Results
4
records
(took 0.015 seconds)
