面向災難救援的目標定位、跟蹤和分類

目錄

第1章緒論

1.1研究背景與意義

1.1.1選題依據和背景情況

1.1.2課題研究目的

1.2無線傳感器網絡定位算法概述

1.2.1無線傳感器網絡定位算法分類

1.2.2無線傳感器網絡定位的關鍵技術

1.3目標跟蹤算法概述

1.3.1目標跟蹤算法分類

1.3.2目標跟蹤的關鍵技術

1.4面向高維數據的深度學習分類算法概述

1.4.1面向高維數據的深度學習分類算法的類別

1.4.2面向高維數據的深度學習分類的關鍵技術

1.5國內外研究現狀

1.5.1無線傳感器網絡定位研究現狀

1.5.2攝像機網絡定位研究現狀

1.5.3無線多媒體傳感器網絡定位研究現狀

1.5.4基於卡爾曼濾波的目標跟蹤研究現狀

1.5.5面向高維數據的深度學習分類研究現狀

1.6研究內容及組織結構

1.6.1主要研究內容

1.6.2章節安排

第2章基於網格改進極大似然的移動機器人動態定位

2.1基於RSSI極大似然的移動機器人動態定位

2.1.1RSSI測距模型

2.1.2RSSI測距模型特徵分析

2.1.3極大似然的動態定位算法

2.2基於網格改進極大似然的移動機器人動態定位

2.2.1極大似然的網格概率分佈算法

2.2.2改進極大似然的網格概率分佈算法

2.2.3面向對稱性部署的改進極大似然網格概率分佈定位

2.3基於卡爾曼濾波的盲區定位

2.3.1一般狀態空間模型

2.3.2改進的經典卡爾曼濾波算法

2.3.3適用於網絡盲區虛擬信標節點的卡爾曼濾波算法

2.4模擬和實驗結果分析

2.5本章小結

第3章基於改進APIT的移動機器人動態定位

3.1基於三邊測量的動態定位和測距優化算法

3.1.1三邊測量定位算法

3.1.2卡爾曼濾波優化RSSI測距模型算法

3.2基於改進APIT的移動機器人動態定位算法

3.2.1最佳三角形內點測試數學模型

3.2.2改進APIT算法

3.2.3適用於網絡盲區的改進APIT算法

3.3模擬實驗和結果分析

3.3.1基於測距的改進APIT定位算法實驗

3.3.2基於卡爾曼濾波的移動機器人動態定位算法實驗

3.3.3卡爾曼濾波算法在絕對網絡盲區的定位實驗

3.4室內移動機器人自主動態定位實驗

3.5本章小結

第4章基於隱形邊的移動機器人動態定位和路徑規劃

4.1移動機器人定位和路徑規劃以及自動部署概述

4.1.1隱形邊定位算法

4.1.2移動機器人路徑規劃概述

4.1.3移動機器人自動部署無線傳感器網絡概述

4.2基於隱形邊的移動機器人最大範圍定位

4.2.1無須隱形邊的無線傳感器網絡定位算法

4.2.2應用隱形邊的移動機器人最大範圍動態定位算法

4.2.3應用隱形邊的定位算法和三邊測量算法的擬合

4.3基於三角形和生成樹的移動機器人路徑規劃

4.3.1應用三角形和生成樹的路徑規劃算法

4.3.2實現冗餘網絡覆蓋的漏洞修復算法

4.3.3虛擬網格的邊界穿越算法

4.4模擬實驗與結果分析

4.4.1應用隱形邊的最大範圍定位算法分析

4.4.2基於三角形和生成樹的路徑規劃算法分析

4.5本章小結

第5章基於公垂線中點質心的移動機器人動態定位

5.1基於攝像機網絡的多攝像機聯合標定算法

5.1.1Harris角度檢測和提取算法

5.1.2多攝像機聯合標定的線性模型

5.1.3非奇異標定板部署

5.2基於改進公垂線中點質心的移動機器人動態定位算法

5.2.1自適應背景混合模型

5.2.2公垂線中點質心3D定位算法

5.2.3改進公垂線中點質心3D定位算法

5.2.4實驗結果分析

5.3基於無線多媒體傳感器網絡的聯合同步機制

5.3.1分佈式計算系統架構

5.3.2API包封裝算法

5.3.3面向無線多媒體傳感器網絡的多攝像機聯合同步算法

5.3.4實驗數據分析

5.4本章小結

第6章基於遞推最小二乘的移動機器人動態定位

6.1基於無線多媒體傳感器的網絡架構

6.1.1無線多媒體傳感器網絡的自組織網絡

6.1.2無線多媒體傳感器網絡的目標檢測算法

6.1.3無線多媒體傳感器網絡的定位系統硬件平臺

6.2基於遞推最小二乘的移動機器人動態定位算法

6.2.1面向畸變補償的多視角聯合標定算法

6.2.2面向3D定位的最小二乘算法

6.2.3面向3D定位的遞推最小二乘算法

6.3基於無線多媒體傳感器網絡的定位誤差補償機制

6.3.1多視角3D定位誤差分析

6.3.2面向無線多媒體傳感器網絡的3D定位誤差補償算法

6.4實驗數據及分析

6.4.1多視角聯合標定實驗數據分析

6.4.2面向WMSN的移動機器人3D定位實驗數據分析

6.5本章小結

第7章基於卡爾曼濾波的時空正則化相關濾波器

7.1時空正則化相關濾波器

7.2基於卡爾曼濾波的時空正則化相關濾波器

7.2.1視覺跟蹤優化問題

7.2.2KF和STRCF的整合

7.2.3步長控制方法

7.3實驗與分析

7.3.1框架參數

7.3.2OTB2013數據集

7.3.3OTB2015數據集

7.3.4TempleColor數據集

7.4本章小結

第8章面向高維數據的一維VGG深度學習網絡

8.1多準則決策的預處理方法

8.1.1預處理過程

8.1.2多準則決策優化問題(MCDMOP)

8.2一維視覺幾何群網絡體系結構

8.2.11D_VGGNet的體系結構

8.2.2一維捲積層

8.2.3池化層

8.2.4全連接層

8.2.5訓練1D_VGGNet

8.3實驗與分析

8.3.1框架參數和數據集

8.3.21D_VGGNet的測試階段

8.3.31D_VGGNet的訓練階段

8.4本章小結

第9章總結與展望

9.1總結

9.2展望

參考文獻