一种轮廓跟踪UPF方法.pdfVIP

一种目标轮廓跟踪的UPF方法1 袁健,张文霞 青岛科技大学 自动化与电子工程学院 青岛 山东 266042 摘 要：针对通用目标轮廓跟踪中 CONDENSATION 粒子算法的不足，提出一种轮廓跟踪的 UPF 方法。通过将 Unscented 卡尔曼滤波器与粒子滤波的结合，并实时考虑观测值，可以精确 的、实时的跟踪目标区域，并且对背景干扰具有很强的鲁棒性。 关键词：轮廓跟踪，UPF 方法，鲁棒性 1 引言 巡航段自主导航信息的处理主要处理小行星轮廓图像，提供探测器到小行星的惯性指向。 其中最重要的是实时捕获小行星，实现对小行星轮廓的跟踪。从而为自主导航滤波器提供实 时的位置、角度信息，利于滤波算法的展开。对目标小行星轮廓图像捕获的好坏，直接关系 到滤波算法的稳定性与精度。通用的CONDENSATION 算法 ［１， ２，３］，使用先验转移概率来作 为推荐分布。先验概率转移概率并没有考虑到观测的数据，因此许多粒子被耗费在低概率空 间。这里提出一种基于Unscented变换 ［４－７］ 的粒子滤波器轮廓跟踪方案，来产生推荐分布 并能充分考虑到观测值，因此可以极大的提高了跟踪的效率。为了说明其性能的优越，把它 用在人脸跟踪，通过与常用的CONDENSATION方法的比较，就可以看出其在轮廓跟踪方面的优 越性。 2 跟踪目标的非线性系统建模 目标跟踪涉及非线性系统的建模以及对非线性系统的跟踪，一方面，卡尔曼滤波对噪声 的假设，仅仅是基于高斯模型。另一方面，传统的粒子滤波器，比如：CONDENSATION 算法， 使用先验转移概率来作为推荐分布。先验概率转移概率并没有考虑到观测的数据，因此许多 粒子被耗费在低概率空间，造成较大的概率误差。基于卡尔曼滤波及其改进的跟踪方法是一 种参数技术。包括扩展卡尔曼滤波，它可以用来解决视频跟踪问题。但是因为它是基于一阶 泰勒级数展开，导致了极大的舍入误差。Unscented卡尔曼滤波是基于UT变换的，避免了对 系统观测方程和测量方程的线性化来实现状态的预测。其可以达到二阶甚至三阶(高斯情况) 的精度。但是他仍然假设后验概率是高斯型的，这就导致了他不能处理多模型分布的困难。 蒙特卡罗模拟是一种非参数的估计方法，通过使用一些随机采样点来估计后验概率。其中得 到广泛应用的是粒子滤波方法，由于粒子滤波使用转移先验概率p (x / x ) 的方法作为推荐 t t −1 分布，由于状态转移并没有考虑最近的观测值，选取的粒子可能是低概率的，其对后验概率 的贡献甚至可以忽略。在视觉跟踪领域，由于原来的CONDENSATION方法是采用状态转移概率 来作为推荐分布的，属于粒子方法；此外，还有两种采用辅助跟踪器的粒子滤波算法。但是 这种粒子跟踪器也需要一种好的推荐分布来才能使用粒子滤波。Rudolph van der Merwe提 出的unscented paiticle filter ［５－７］方法是基于unscented transformation和粒子滤波 方法的一种跟踪滤波方法，它能够处理非高斯非线性情况，利用了粒子滤波对全局概率框架 的良好适应性以及UKF方法对实时观测值的考虑来进行滤波的优越性来进行跟踪滤波。对于 非线性系统，UKF方法是性能最优的卡尔曼滤波器。通过使用UKF来产生推荐分布，可以将通 1本课题得到国家 863 子课题资助 编号：2004aa735080-5 名称：深空探测器自主导航技术 用的粒子滤波转化为高性能的UPF。 3 Unscented 粒子滤波器 在许多应用中，我们需要估计随机变量通过低阶系统的均值、方差。UT变换是一种精确 计算均值和方差的方法。它是一种sigma点采样方法 ［４，６］，通过对代表先验概率的sigma点 的选取，从而实现对状态均值和方差的精确捕获，用这些sigma点来代表状态的概率分布属 性，然后将这些sig