基于Kalman滤波器的轨迹推算系统设计开题报告

1. 研究目的与意义

目标轨迹推算跟踪一直是人们关心的热点问题，kalman滤波预测凭借其跟踪精度较高在跟踪中备受青睐。

运动目标的检测识别与跟踪技术是目前迅速发展的一个研究领域，把图像处理技术与kalman滤波算法结合起来也是目标轨迹推算跟踪的一个研究方向。

图像运动目标的识别就是指在视频序列中提取每一帧图像的运动目标的信息。

2. 国内外研究现状分析

卡尔曼滤波器的广泛应用己经超过40年，包括在军事方面的雷达系统以及导弹追踪、工业过程、机器人导航与控制、传感器数据融合、信号处理、通信和社会经济等不同领域。

近年来更是被广泛应用于计算机图像处理，例如人脸识别、图像分割、图像边缘检测、目标识别和跟踪等。

henry medeiros等人提出于一个分布式对象跟蹋系统，叫在尤线电摄像机网络中采用基于集群的卡尔曼滤波器对动态目标进行跟踪。

3. 研究的基本内容与计划

kalman滤波方法是rudolf emil kalman在20世纪60年代初提出的一种时域方法。

它基于状态空间模型来解决最优滤波问题，最终将问题归结为计算或求解riccati方程。

kalman滤波器是一个对动态系统的状态序列进行线性最小方差估计的算法，采用递归滤波的方法，可以任意一点作为观测起点。

4. 研究创新点

利用卡尔曼滤波模型对轨迹位置点进行连续推算,通过采用系统的状态空间模型以及观测模型,以最小均方差为准则估计动态系统的状态,进而实现准确和高效的位置预测. 所提模型的优势在于预测对象过程中具有无偏、稳定和最优的特性.