文献综述-靶标匀速运动的弹道产生

附录： 靶标匀速运动的弹道产生 摘要 单视靶标的运动表现是一个强大的观察员运动函数。如果没有运动，靶标的跟踪问题是无法解决的。通过设计观察员的路径，我们可以实现可能的最好的评估效果。本文描述了一种弹道设计方法，该方法基于对靶标洲际协方差误差的预测上。该方法运用一个角度、宽度已知的研究算法去得到实时的路径，以求在固定的时间得到最小的不确定边带，或在最小的时间内获得不确定的边带。 1. 绪论 对于自动视野机器人来说，基于靶标跟踪的单视方法是一种重要的评估方法。电脑视觉是一种信息丰富的传感器 ，它可以提供包括目标监测、识别、跟踪等多种功能。比如，提供空中监视的微航空器有限制可利用的酬载的大小限制。假如照观察员运动已知，目标对象的行动可能一条唯一图象轨道中得到评估。 一个重要问题是目标估计物表现对照观察员运动的依赖性。 众所周知 , 对于基于靶标运动的单视方法，跟踪对象的运动在任何瞬时是不可观测的，只有确定的观察员路径时该问题才能得到解决。此外，好的观察员运动轨迹可能一起好的评估表现。 弹道设计问题不是一个新的问题了，它被广泛地研究，以解决被动生波探侧器的相关问题。在生波探侧器学 , 估计问题指单轴跟 踪或目标行动分析。对象一般被称为目标和负担的传感器 - 照观察员在这种情况 下 - 即观察员。 为了优选估计物表现的设计观察员弹道的概念是由 第一次提出的 2 。他们论及了弹道设计的问题是一个固定式目标，该目标由使用 息矩阵 (和设计来使它的定列式减到最小的一种数字算法描述。并且，他们还获得了能用来的到观察员路径的下层界面。 扩大了由合并观察员运动限制的固定式目标问题。对于被动生波探侧器的应用来说，这些限制主要来自描述敌意作用操作的环境。 为一个移动的目标 的弹道设计由 5 研究。他们通过将测量方程导入一个线性的伪测量中，线性化了目标行动分析问题。并且他们使用了一种分离时间公式以使分析降低到多车道的耳朵代数。 他们表示 , 在某些假定情况下，最佳路径可以被计算为一个任意回旋的目标。 本文论及的问题里是为基于跟踪的单视观察员弹道设计。期望的弹道，可以在实时使估计不确定性减到最小在指定的时光或使时间减到最小情况下得到。我们的方法将扩大由论及三个不同问题产生的基于生波探侧器学的结果。 首先 , 有限的照观察员视野必须被合并。与典 型的有一个充分的 360 度视野的生波探侧器系统相比 , 计算机视觉系统被设定这样 , 如果照观察员是针对性的可能只采取目标测量。一些照观察员不从他们的标题独立地被移动，并无法因此保持针对目标 (例如 , 观察员为一固定对地面流浪者 ) 。因此 , 弹道设计方法必须考虑到带来目标在照观察员视野外面 的行动。 其次是，两个问题的解答。早先结果只使目标估计的不确定性在指定的时间减到最小。 这里 , 供选择问题还包括 - 当需要达到一个指定的估计不确定性后使时间减到最小。但查寻空间太大的以至于使最佳方案出现合理时间 , 所以必须开发 一种实时战略 8 。 为了完成这些引伸，一个新的优化方法被提出了。一种宽度优先搜索算法的使用引起了一套满足被强加给系统的所有限制的弹道。金字塔叠代计划使用快速算法。优化费用被定义未使用被预言的目标错误协变性矩阵。在最后的目标状态下，使这个矩阵减到最小的定列式与最大化共有信息是等效的。 以下部分提出了一种新的弹道设计方法。 基于跟踪的单视估计首先显示了它对观察员行动的依赖性。随后提出新弹道设计方法的细节 , 包括新价值函数和新优化方法。一个典型的跟踪的情节将会被被模仿，并且结果显示目标行动的估计运用弹道 设计方法的成功。 2. 基于跟踪的单视方法 虽然在本文里提出了适用于充分的三维问题的方法 , 但只有第 2 个平面案件被提出了。 展示了平行于第 2 部分的伪轴跟踪问题 3果。目标行动估计问题的几何被显示于在表 1 。 目标状态由它的位置和速度描述。估计状态传染媒介是 对于一个恒定的速度目标 , 状态更新等式是 这里 vk 代表加速度，零意味着以协方差矩阵处理高斯白色噪声这里假设观察员的运动已知。在这种情况下，视觉测量是 图 这里 vk 代表加速度，零意味着以协方差矩阵处理高斯白色噪声 是已知的观察员的运动。线性化的测量矩阵为： 目标行动对观察员行动估计物的依赖性如式 (4) - (7) 。这是由弹道设计方法表现的依赖性。笔记 , 过滤器实施被执行在一个被变换的坐标系。结果，根据修改过的极座标由 9 提议提出了在本文用途延长的 滤器 (。 3. 弹道设计 弹道设计方法包括四步。首先 ,观察员运动被定义为了查寻空间。其次 , 定义限制描述系统的局限。第三 , 指定优化的目标的价值函 数认。最后 , 得到满足观察员模型的解答 ,限制和价值函数。这里新方法被描述未引起观察员弹道在实时情况下使用一个重申搜索算法。 观察员道路被显示于上图 2 。明显 , 为了做目标行动预测至少唯一回旋是需要的 4 。 为了减少优化的复杂，观察员速度和回旋期是被保留的常数。时间为各回旋被分布在零半径轮之间时 图 2. 弹道参数 ( ) 和随后而来的恒定的速度超越 ( ) 这是一个更长的轮导致的更短的超越。回旋的大小和数量可能被任意地调整以使观察员路径平滑。自由变量是各回旋的观察员标题。 描述允许的观察 员运动的公式如下 : 这里 是观察员的标题 ,v 是观察员的速度 , 是观察员的角速度 , 是各回旋的期间 , 是总弹道期间 ,而 n 是回旋的数量。 优化问题 二个不同的优化问题是依照由位置估计错误协变性矩阵定义的被公式化的使用被预言的位置不确定性椭圆的区域。这个椭圆代表区域在真 实的目标状态有一些信息位于的目标估计附近。因为它可能容易地被从协变性矩阵的定列式计算，所以该区域使用描述椭圆。减少这个区域与减少估计的不确定性是等效的。 第一优化问题把不确定性椭圆的区域作为价值函数来使用。它减到最小为回旋的固定的数字和期间 , 如下 : 第二个是回旋的数量被作为费用使用。它减到最小为一个固定的回旋期间和指定的最后的椭圆区域 : 如下的优化方法将使些公式化有用化 : 位置不确定性椭圆的区域与目标位置估计协变性如下表示： 估计错误协变性的困难是预言它的价值。这当设计方法要求预言目标行动时候由使用克服目标估计。使用这个运动 ,估计物等式被繁殖为各条候选人弹道。收效预言的错误协变性最后使计算费用变为弹道。 限制 视觉视野和估计不确定性椭圆 共同导致了设计方法的二个局限。如上所述 ,当繁殖估计物等式时，视野限制被强制执行。 第二个限制是为了防止观察员进入在目标估计附近的不确定性椭球。由于目标能以大可能性出现在椭球的任何地方 ,所以有必要限制观察员。 这个限制可能如下： 这里 是从等式 (13)被预言的位置误差协变性， c 是换算系数。限制面向沿候选人弹道的每被申请点。 优化方法 弹道设计问题的解决是通过执行一个宽度优先搜索的解决金字塔。对于价值函数 , 一棵宽度优先搜索树被使用以引起候选人弹道名单满足的所有指定的限制，并且计算描述那些弹道的被预言的错 误协变性。最佳的候选人弹道被辨认并且过程被重覆使用这条弹道使查寻狭窄。 虽然优化的理想的结果是全球性的极小值 , 这个问题仍无法在合理的时间被解决 8 。查寻空间有许多个地方，极小值为基于梯度的方法和对于一次详尽的查寻太大。然而 , 当实时使用一份重申金字塔计划时，就可以获得一个最适度一下的结果。 自由变量的弹道优化是各回旋的标题。标题空间被离散为大量相等的间隔时间。间隔时间的数量将界定查寻树的大小和优化过程的期间。 查寻树被从最初的观察员位置向外扩展。对于各可能的标题价值 , 观察员行动和估计物等式及时 被繁殖并且收效的位置被检查。如果新位置满足限制，它就会增加。 在查寻树时的各个结描述了一个观察员的状态和被繁殖的由那个状态决定估计物的结果。由于从结回到树的根有一个独特的道路 , 各个结代表一条从原始的观察员状态对结状态弹道。并且 , 因为估计物预言的结果对那点被存放在结 , 估计物的传播对下个结是唯一计算并且完全估计不需要被重估。 对于固定时间，极小值不确定性优化查寻树被简单地扩展到渴望的时间的深度。一旦这个水平被到达，弹道将以低成本解决。 对于固定不确定性极小值时间，优化查寻树被扩展到渴望的不确定性。由于扩展 首先是广度 , 优选的弹道将是第一个遇到的不确定性。 一旦优选的弹道被发现 , 标题空间是更好的解决方法。再进行宽度优先搜索并且发现新解答。 这个做法被重覆指定的次数直到达到最后的渴望的标题空间决议。实践上四到六步是充足达到少于一度的标题空间的方法。 4. 结果 这里提出模仿结果展示弹道的设计方法。每秒的恒定的速度和 度秒的转动的率进行运动。设计方法通过使用固定时间极小值不确定性价值函数来确定。观察员被提供 题空间离散为五个间隔时间，并且金字塔叠代被进行四次。 为这模仿计算机，视觉系统被塑造成为一台视野 20 度的针孔照相机。 观察者在 (标靶从 (始 图 3 。 观察员 , 目标 ,估计弹道 修改过的极座标估计物 8 被用来计算目标的位置和速度。 弹道设计方法被设定在估计物运行了几秒钟之后。在这时间以后目标估计是在 (米以 (米每秒的速度运动。图 3 显示观察员 , 目标和估计的运动曲线。 观察员路线有三个主要特点。首先 ,观察员在道路过程中走向目标。随着对目标范围减少 , 可达成的轴承率会增量 , 考虑到更宽的三角测量和因此产生的更小的错误。其次 , 当朝目标行动时 , 观察员延视线的正切向向目标运动。它是这创造轴承变动必要观察目标的斜向一边的行动。最后 ,观察员至少有一次向目标的转动。对于譬如飞机或流浪者 , 这也许会导致视觉系统忽略目标。如果它失去，为了需要的目标规程需要被实施。 目标行动估计物的结果被显示在图 4 和表 5 。第一图显示位置误差是时间的函数。当期望错误在 y 维度保持很小。相反 , 错误在 x 维度 , 哪些严密对应得与目标范围 , 作为计时聚合。 但是 , 在路径以前估计错误 是小并且观察员成功地估计了目标的运动。第二个图显示速度错误。速度的两个组分聚合在运动过程中。观察员是被停止