ردیابی هدف آلوده به نویز با استفاده از فیلتر کالمن توسعه یافته ی تکرار شونده در محیط های شامل انسداد دید

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 501

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NPECE01_010

تاریخ نمایه سازی: 6 بهمن 1395

Abstract:

تعقیب اهداف متحرک به وسیله چشم از جمله قابلیت های سیستم بینایی در انسان و سایر موجودات می باشد چنین عملکرد در بینایی ماشین توسط یک سیستم ردیابی تصویری حاصل می شود ردیابی تصاویر و یا هدف در محیط هایی که امکان وجود اکولوژن و یا به عبارتی دیگر انسداد دید کم و نور به اندازه مطلوب موجود نیست اهمیت پیدا می کند در این زمینه حالت الگوریتم به این صورت است که با استفاده از فیلترهای ذرات برای حفظ تخمین مکان هدف و سرعت صورت می پذیرد روشی که در این مقاله مورد استفاده قرار گرفته است نوع توسعه یافته و تکرار شونده ی فیلتر کالمن است در مقاله حاضر سعی بر آن است که با پیاده سازی الگوریتم به درک بیشتری از اهمیت فیلتر کالمن و نیز درک اولیه در زمینه ردیابی هدف دست یابیم مدل های مختلفی از فیلتر کالمن به منظور ردیابی اهداف مورد استفاده قرار گرفته است اما در مقاله حاضر سعی بر آن است تا مشکل ردیابی اهداف در محیط هایی که نور به اندازه کافی وجود ندارد یا شامل انسداد دید است را بر طرف نماییم بنابراین چنانچه ردیابی بر اساس داده های سیستم در محیط هایی که نور به اندازه کافی وجود ندارد انجام گیرد مدل در محیط های دیگر کیفیت نداشته و دقت ردیابی کاهش می یابد که این مسئله در فیلتر کالمن به بروز خطای غیر قابل قبول می انجامد لذا ما به دنبال ارائه راهکاری هستیم که بتوانیم اثر این خطا را به حداقل برسانیم

Keywords:

فیلتر کالمن تکرارشونده توسعه یافته , ردیابی , محیط اداری انسداد دید , Tracking Error

Authors

حمید قدیری

استادیار دانشگاه آزاد اسلامی واحد قزوین دانشگاه آزاد اسلامی واحد قزوین دانشکده مهندسی برق پزشکی و مکاترونیک قزوین ایران

فرشاد جعفرپور

دانشجوی کارشناسی ارشد مهندسی برق موسسه آموزش عالی دارالفنون قزوین

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • pseudolinear Kalman filter with 3Dه 1.Sheng Xu, Kutluyil Dogangay, and ...
  • Osman Topgu, and Hakan Biyik, _ O cclus ion-resistant target ...
  • Vladimir Savic, Henk Wymeersch, and Erik G. Larsson, "Target Tracking ...
  • Wu Wenyu, Chen Huatao, Zhuang Ting, and Cui Wei, "High ...
  • K. David Solomon Raj, and I. Mohan Krishna, "Kalman filter ...
  • Abbas Dehghani, and Ali P ourmo hammad, _ Small target ...
  • Jindrich Dunik, Ondrej Straka, Miroslav Simandl, and Erik Blasch, _ ...
  • Sandy Mahfouz, Farah Mourad- Chehade, Paul Honeine, Joumana Farah, and ...
  • _ M _ _ ammad-Reza Khabbazi, and Reza Mahboobi Esfanjani, ...
  • Tong Zhou, and Yunyi Yan, _ target tracking based On ...
  • Chengcheng Liu, Tao Zhang, and Yunze Cai, _ adaptive Kalman ...
  • Gargi Phadke, and Rajbabu Velmurugan, _ Improved mean shift for ...
  • Yongchen Li, and Jianxun Li, "Robust adaptive Kalman filtering for ...
  • A robust converted ءه 14.Jiao Lian-Meng, Pan Quan, Feng Xiao-Xue, ...
  • Bin Zheng, Xiangyang Xu, Yaping Dai, and Yuanyuan Lu :Object ...
  • Ahmed Abdel-Hadi, ،" Real-time object tracking using color-based Kalman particle ...
  • Xin Li, Kejun Wang, Wei Wang, and Yang Li, "A ...
  • Target Tracking Algorithm Based on Wavelet Trans formation and Kalman ...
  • Jie Zhao, Wen Qiao, and Guo-Zun Men, _ approach based ...
  • نمایش کامل مراجع