文献类型：期刊文章

作　　者：张晶晶[1] 杨鹏[1] 刘元盛[2] 梁军[3]

ZHANG Jingjing;YANG Peng;LIU Yuansheng(Beijing Key Laboratory of Information Services Engineering;College of Robotics;Demonstration Center of Experimental Teaching in Comprehensive Engineering,Beijing Union University,Beijing 100101,China)

机构地区：[1]北京联合大学北京市信息服务工程重点实验室心,北京100101 [2]北京联合大学机器人学院,北京100101 [3]北京联合大学工科综合实验教学示范中心,北京100101

出　　处：《计算机工程》

基　　金：国家自然科学基金“视听觉信息的认知计算”重大研究计划重点支持项目“智能车驾驶脑认知技术、平台与转化研究”(91420202); 英国皇家工程院牛顿基金(UK-CIAPP／324); 北京联合大学人才强校优选计划项目(BPHR2017EZ02)

年　　份：2018

卷　　号：44

期　　号：7

起止页码：14-19

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对智能驾驶过程中存在背景变化剧烈、光照变化影响较大且背景颜色不易区分等缺陷,提出一种改进的卡尔曼粒子滤波算法。采用灰度投影算法对车辆视频和图像序列帧进行预处理,通过Harris角点检测在图像区域内的目标和背景提取角点,利用卡尔曼嵌入粒子滤波器对粒子滤波进行二次预测,以保证智能驾驶过程中动态跟踪的有效性和准确性。实验结果表明,与传统KPF算法相比,该算法在不同场景下的动态目标跟踪能力明显增强,在复杂的交通驾驶环境下跟踪准确率为95.7%,且具有较好的实时性。

关 键 词：目标跟踪 智能驾驶 HARRIS角点检测 卡尔曼滤波 粒子滤波

分 类 号：TP18]