简介:为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。
简介:在对以往跳变同步技术进行梳理分析的基础上,针对军事信息网络的实际情况,借鉴分布式时间戳(DistributedTimestampSynchronization,DTS)技术,提出分布式改进型PTP同步(DistributedImprovedPTP(PrecisionTimeProtocol)Synchronization,DIPS)技术,通过改进型IEEE1588v2协议进行全网时间同步,并利用GPS/北斗授时系统和本地高精度晶振对主时钟进行智能时钟纠正,不仅提高了时间同步精度,而且有效提高了系统可靠性,可很好地适应复杂恶劣的军事斗争环境。