通过对粒子滤波算法中建议分布与重采样2种改进技术分析,提出了一种粒子滤波自适应优化算法.首先,基于退火参数自适应优化混合建议分布,以改进建议分布的采样范围.然后,在基于有效样本大小的自适应重采样技术之
标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要
退化现象是粒子滤波算法应用中的一个主要问题,常规的再采样方法虽可解决退化问题,但容易导致粒子耗尽.对此,提出一种基于权值选择的粒子滤波算法.按照粒子权值的大小选择较好的粒子用于滤波,以增加样本的多样性
基于“当前”统计模型, 提出了双站无源被动跟踪的改进粒子滤波算法. 该算法使用扩展卡尔曼滤波提议分 布的粒子滤波, 融合双站测量数据, 包含了残差重抽样步骤以及马尔可夫链蒙特卡罗法等技巧. 在双站测量
针对低信噪比时标准粒子滤波对弱小目标的检测与跟踪时存在的粒子贫乏、跟踪精度对粒子数目要求高等问题，提出一种基于高斯粒子群优化粒子滤波的弱小目标检测前跟踪算法。利用高斯粒子群优化算法优化重采样后的粒子集
OPENCV,自己测试好用,C++,XCODE写的
需要手动选择开始跟踪的物体,使用粒子滤波的方法对选择的物体进行跟踪,使用色彩空间作为跟踪的特征
标准粒子滤波实例
它是对采用粒子滤波跟踪的文献梳理,既有对理论背景、框架的介绍,也有对相关文献的综述,适合于入门者仔细阅读。
结合这个例子看粒子滤波的公式介绍会轻松很多
用户评论