包邮面向灾难救援的目标定位、跟踪和分类

第1章绪论2.2基于网格改进极大似然的移动机器人动态定位2.2.1极大似然的网格概率分布算法2.2.2改进极大似然的网格概率分布算法2.2.3面向对称性部署的改进极大似然网格概率分布定位2.3基于卡尔曼滤波的盲区定位2.3.1一般状态空间模型2.3.2改进的经典卡尔曼滤波算法2.3.3适用于网络盲区虚拟信标节点的卡尔曼滤波算法2.4仿真和实验结果分析2.5本章小结 第3章基于改进APIT的移动机器人动态定位第1章绪论 1.1研究背景与意义 1.1.1选题依据和背景情况 1.1.2课题研究目的 1.2无线传感器网络定位算法概述 1.2.1无线传感器网络定位算法分类 1.2.2无线传感器网络定位的关键技术 1.3目标跟踪算法概述 1.3.1目标跟踪算法分类 1.3.2目标跟踪的关键技术 1.4面向高维数据的深度学习分类算法概述 1.4.1面向高维数据的深度学习分类算法的类别 1.4.2面向高维数据的深度学习分类的关键技术 1.5国内外研究现状 1.5.1无线传感器网络定位研究现状 1.5.2摄像机网络定位研究现状 1.5.3无线多媒体传感器网络定位研究现状 1.5.4基于卡尔曼滤波的目标跟踪研究现状 1.5.5面向高维数据的深度学习分类研究现状 1.6研究内容及组织结构 1.6.1主要研究内容 1.6.2章节安排 第2章基于网格改进极大似然的移动机器人动态定位 2.1基于RSSI极大似然的移动机器人动态定位 2.1.1RSSI测距模型 2.1.2RSSI测距模型特征分析 2.1.3极大似然的动态定位算法 2.2基于网格改进极大似然的移动机器人动态定位 2.2.1极大似然的网格概率分布算法 2.2.2改进极大似然的网格概率分布算法 2.2.3面向对称性部署的改进极大似然网格概率分布定位 2.3基于卡尔曼滤波的盲区定位 2.3.1一般状态空间模型 2.3.2改进的经典卡尔曼滤波算法 2.3.3适用于网络盲区虚拟信标节点的卡尔曼滤波算法 2.4仿真和实验结果分析 2.5本章小结 第3章基于改进APIT的移动机器人动态定位 3.1基于三边测量的动态定位和测距优化算法 3.1.1三边测量定位算法 3.1.2卡尔曼滤波优化RSSI测距模型算法 3.2基于改进APIT的移动机器人动态定位算法 3.2.1*佳三角形内点测试数学模型 3.2.2改进APIT算法 3.2.3适用于网络盲区的改进APIT算法 3.3仿真实验和结果分析 3.3.1基于测距的改进APIT定位算法实验 3.3.2基于卡尔曼滤波的移动机器人动态定位算法实验 3.3.3卡尔曼滤波算法在绝对网络盲区的定位实验 3.4室内移动机器人自主动态定位实验 3.5本章小结 第4章基于隐形边的移动机器人动态定位和路径规划 4.1移动机器人定位和路径规划以及自动部署概述 4.1.1隐形边定位算法 4.1.2移动机器人路径规划概述 4.1.3移动机器人自动部署无线传感器网络概述 4.2基于隐形边的移动机器人*大范围定位 4.2.1无须隐形边的无线传感器网络定位算法 4.2.2应用隐形边的移动机器人*大范围动态定位算法 4.2.3应用隐形边的定位算法和三边测量算法的拟合 4.3基于三角形和生成树的移动机器人路径规划 4.3.1应用三角形和生成树的路径规划算法 4.3.2实现冗余网络覆盖的漏洞修复算法 4.3.3虚拟网格的边界穿越算法 4.4仿真实验与结果分析 4.4.1应用隐形边的*大范围定位算法分析 4.4.2基于三角形和生成树的路径规划算法分析 4.5本章小结 第5章基于公垂线中点质心的移动机器人动态定位 5.1基于摄像机网络的多摄像机联合标定算法 5.1.1Harris角度检测和提取算法 5.1.2多摄像机联合标定的线性模型 5.1.3非奇异标定板部署 5.2基于改进公垂线中点质心的移动机器人动态定位算法 5.2.1自适应背景混合模型 5.2.2公垂线中点质心3D定位算法 5.2.3改进公垂线中点质心3D定位算法 5.2.4实验结果分析 5.3基于无线多媒体传感器网络的联合同步机制 5.3.1分布式计算系统架构 5.3.2API包封装算法 5.3.3面向无线多媒体传感器网络的多摄像机联合同步算法 5.3.4实验数据分析 5.4本章小结 第6章基于递推*小二乘的移动机器人动态定位 6.1基于无线多媒体传感器的网络架构 6.1.1无线多媒体传感器网络的自组织网络 6.1.2无线多媒体传感器网络的目标检测算法 6.1.3无线多媒体传感器网络的定位系统硬件平台 6.2基于递推*小二乘的移动机器人动态定位算法 6.2.1面向畸变补偿的多视角联合标定算法 6.2.2面向3D定位的*小二乘算法 6.2.3面向3D定位的递推*小二乘算法 6.3基于无线多媒体传感器网络的定位误差补偿机制 6.3.1多视角3D定位误差分析 6.3.2面向无线多媒体传感器网络的3D定位误差补偿算法 6.4实验数据及分析 6.4.1多视角联合标定实验数据分析 6.4.2面向WMSN的移动机器人3D定位实验数据分析 6.5本章小结 第7章基于卡尔曼滤波的时空正则化相关滤波器 7.1时空正则化相关滤波器 7.2基于卡尔曼滤波的时空正则化相关滤波器 7.2.1视觉跟踪优化问题 7.2.2KF和STRCF的整合 7.2.3步长控制方法 7.3实验与分析 7.3.1框架参数 7.3.2OTB2013数据集 7.3.3OTB2015数据集 7.3.4TempleColor数据集 7.4本章小结 第8章面向高维数据的一维VGG深度学习网络 8.1多准则决策的预处理方法 8.1.1预处理过程 8.1.2多准则决策优化问题(MCDMOP) 8.2一维视觉几何群网络体系结构 8.2.11D_VGGNet的体系结构 8.2.2一维卷积层 8.2.3池化层 8.2.4全连接层 8.2.5训练1D_VGGNet 8.3实验与分析 8.3.1框架参数和数据集 8.3.21D_VGGNet的测试阶段 8.3.31D_VGGNet的训练阶段 8.4本章小结 第9章总结与展望 9.1总结 9.2展望 参考文献