期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机场活动地图信息改进AIMM-UKF算法的移动目标跟踪
被引量：
1
1
作者
常鑫
马光辉
+1 位作者
高建树
郝世宇
《交通信息与安全》
CSCD
北大核心
2024年第2期87-94,104,共9页
针对机场场面高密度交通以及多类型移动目标的特殊性,为保证机场自动化设备如无人驾驶技术在机场内的应用,需要进一步优化定位算法来提高移动目标的跟踪精度;通过分析现有的自适应交互式多模型-无迹卡尔曼滤波跟踪算法(adaptive interac...
针对机场场面高密度交通以及多类型移动目标的特殊性,为保证机场自动化设备如无人驾驶技术在机场内的应用,需要进一步优化定位算法来提高移动目标的跟踪精度;通过分析现有的自适应交互式多模型-无迹卡尔曼滤波跟踪算法(adaptive interactive multi-model-unscented Kalman filter algorithm,AIMM-UKF)在移动目标跟踪过程中模型匹配度和跟踪精度上的不足,研究了1种基于机场活动地图信息改进的自适应交互式多模型-无迹卡尔曼滤波跟踪算法。根据机场地图数据库(airport map database,AMDB)细化的机场操作规程文件,通过ArcGIS软件对某机场施工CAD图简化处理并利用二次多项式配准法对机场地图进行精确校正,完成高精度机场地图修正,将接收到的机场智能监控设备采集到的数据进行实时处理,结合高精度机场地图信息对发生位置偏移的移动目标的坐标信息进行修正,改变移动目标跟踪算法的观测值,在自适应修正马尔可夫转移概率矩阵的基础上,利用观测矩阵对其进行二次修正,提高移动目标跟踪精度和模型匹配度。经蒙特卡洛仿真实验表明:该改进算法利用高精度机场地图信息对移动目标的观测值进行修正,与自适应修正马尔可夫转移概率矩阵的交互式多模型-无迹卡尔曼滤波算法相比,位置的均方根误差(root mean square error,RMSE)平均降低了62.69%,速度的RMSE平均降低了56.84%。本文算法具有更高的模型匹配度和更佳的滤波效果,提高了场面移动目标的跟踪精度。
展开更多
关键词
机场交通管控与运行
场面移动目标
机场地图数据库
aimm-ukf
转移概率矩阵
观测矩阵
在线阅读
下载PDF
职称材料
基于激光雷达的无人驾驶场景行人轨迹预测方法
2
作者
马庆禄
李世朋
+1 位作者
张杰
刘明
《交通信息与安全》
北大核心
2025年第5期93-102,114,共11页
为了提升无人驾驶场景中行人轨迹预测的精度,研究了基于激光雷达点云处理的改进型自适应交互多模型无迹卡尔曼滤波(adaptive interactive multiple model unscented Kalman filter,AIMM-UKF)的预测方法。对原始点云采用点云流式处理技...
为了提升无人驾驶场景中行人轨迹预测的精度,研究了基于激光雷达点云处理的改进型自适应交互多模型无迹卡尔曼滤波(adaptive interactive multiple model unscented Kalman filter,AIMM-UKF)的预测方法。对原始点云采用点云流式处理技术进行体素网格降采样与基于密度的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)分割,提取行人最小外接包围盒质心作为观测输入,有效提升了输入数据的可靠性与实时性;在传统交互多模型无迹卡尔曼滤波(interactive multiple model unscented Kalman filter,IMM-UKF)IMM-UKF基础上引入3层自适应机制:基于似然函数的时变转移概率动态调整模型切换,设计模型权重二次修正因子强化优胜模型并抑制非匹配模型干扰,以及观测噪声协方差随点云密度自适应调节,以应对远距离点云稀疏问题。在园区实车测试场景下,利用VLP-32激光雷达对5~20 m的行人轨迹数据进行验证,实验结果表明:与传统IMM-UKF相比,本文方法总体预测误差降低23.02%,急转向峰值误差降低29.76%;在5~20 m范围内,误差降幅稳定在21%以上,其中20 m距离下预测误差由27.15 cm降至21.26 cm,表现出良好的远距离适应能力。与主流生成式算法(基于图注意力网络的车辆-行人互动轨迹预测模型、多尺度小波变换增强图神经网络、多行人信息融合网络)相比,本文方法的平均位移误差(average displacement error,ADE)为19.3 cm,较最优的多行人信息融合网络算法降低7.21%,同时单帧计算耗时仅62 ms,满足无人驾驶系统对实时性的高要求。该方法在结构化环境中实现了高精度、低延迟的行人轨迹预测,通过点云流式处理与自适应多模型机制的协同优化,有效提升了无人驾驶系统的动态环境感知与行为决策能力。
展开更多
关键词
智慧交通
行人轨迹预测
aimm-ukf
算法
激光雷达点云处理
在线阅读
下载PDF
职称材料
题名
基于机场活动地图信息改进AIMM-UKF算法的移动目标跟踪
被引量：
1
1
作者
常鑫
马光辉
高建树
郝世宇
机构
中国民航大学交通科学与工程学院
中国民航大学电子信息与自动化学院
出处
《交通信息与安全》
CSCD
北大核心
2024年第2期87-94,104,共9页
基金
国家重点研发计划项目(2021YFB2600500)资助。
文摘
针对机场场面高密度交通以及多类型移动目标的特殊性,为保证机场自动化设备如无人驾驶技术在机场内的应用,需要进一步优化定位算法来提高移动目标的跟踪精度;通过分析现有的自适应交互式多模型-无迹卡尔曼滤波跟踪算法(adaptive interactive multi-model-unscented Kalman filter algorithm,AIMM-UKF)在移动目标跟踪过程中模型匹配度和跟踪精度上的不足,研究了1种基于机场活动地图信息改进的自适应交互式多模型-无迹卡尔曼滤波跟踪算法。根据机场地图数据库(airport map database,AMDB)细化的机场操作规程文件,通过ArcGIS软件对某机场施工CAD图简化处理并利用二次多项式配准法对机场地图进行精确校正,完成高精度机场地图修正,将接收到的机场智能监控设备采集到的数据进行实时处理,结合高精度机场地图信息对发生位置偏移的移动目标的坐标信息进行修正,改变移动目标跟踪算法的观测值,在自适应修正马尔可夫转移概率矩阵的基础上,利用观测矩阵对其进行二次修正,提高移动目标跟踪精度和模型匹配度。经蒙特卡洛仿真实验表明:该改进算法利用高精度机场地图信息对移动目标的观测值进行修正,与自适应修正马尔可夫转移概率矩阵的交互式多模型-无迹卡尔曼滤波算法相比,位置的均方根误差(root mean square error,RMSE)平均降低了62.69%,速度的RMSE平均降低了56.84%。本文算法具有更高的模型匹配度和更佳的滤波效果,提高了场面移动目标的跟踪精度。
关键词
机场交通管控与运行
场面移动目标
机场地图数据库
aimm-ukf
转移概率矩阵
观测矩阵
Keywords
airport traffic control and operation
surface moving target
AMDB
adaptive interacting multiple mod-el-unscented Kalman(
aimm-ukf
)
probability transition matrix
observation matrix
分类号
V351.392 [航空宇航科学与技术—人机与环境工程]
在线阅读
下载PDF
职称材料
题名
基于激光雷达的无人驾驶场景行人轨迹预测方法
2
作者
马庆禄
李世朋
张杰
刘明
机构
重庆交通大学交通运输学院
中冶赛迪信息技术(重庆)有限公司
出处
《交通信息与安全》
北大核心
2025年第5期93-102,114,共11页
基金
国家自然科学基金项目(52072054)
重庆市自然科学基金面上项目(CSTB2023NSCQ-MSX0551)
2024年研究生科研创新项目(CYS240483)资助。
文摘
为了提升无人驾驶场景中行人轨迹预测的精度,研究了基于激光雷达点云处理的改进型自适应交互多模型无迹卡尔曼滤波(adaptive interactive multiple model unscented Kalman filter,AIMM-UKF)的预测方法。对原始点云采用点云流式处理技术进行体素网格降采样与基于密度的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)分割,提取行人最小外接包围盒质心作为观测输入,有效提升了输入数据的可靠性与实时性;在传统交互多模型无迹卡尔曼滤波(interactive multiple model unscented Kalman filter,IMM-UKF)IMM-UKF基础上引入3层自适应机制:基于似然函数的时变转移概率动态调整模型切换,设计模型权重二次修正因子强化优胜模型并抑制非匹配模型干扰,以及观测噪声协方差随点云密度自适应调节,以应对远距离点云稀疏问题。在园区实车测试场景下,利用VLP-32激光雷达对5~20 m的行人轨迹数据进行验证,实验结果表明:与传统IMM-UKF相比,本文方法总体预测误差降低23.02%,急转向峰值误差降低29.76%;在5~20 m范围内,误差降幅稳定在21%以上,其中20 m距离下预测误差由27.15 cm降至21.26 cm,表现出良好的远距离适应能力。与主流生成式算法(基于图注意力网络的车辆-行人互动轨迹预测模型、多尺度小波变换增强图神经网络、多行人信息融合网络)相比,本文方法的平均位移误差(average displacement error,ADE)为19.3 cm,较最优的多行人信息融合网络算法降低7.21%,同时单帧计算耗时仅62 ms,满足无人驾驶系统对实时性的高要求。该方法在结构化环境中实现了高精度、低延迟的行人轨迹预测,通过点云流式处理与自适应多模型机制的协同优化,有效提升了无人驾驶系统的动态环境感知与行为决策能力。
关键词
智慧交通
行人轨迹预测
aimm-ukf
算法
激光雷达点云处理
Keywords
intelligent transportation
pedestrian trajectory prediction
aimm-ukf
algorithm
LiDAR point cloud processing
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机场活动地图信息改进AIMM-UKF算法的移动目标跟踪
常鑫
马光辉
高建树
郝世宇
《交通信息与安全》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于激光雷达的无人驾驶场景行人轨迹预测方法
马庆禄
李世朋
张杰
刘明
《交通信息与安全》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
