专利交易市场

本发明公开了一种基于可见光、红外和激光雷达数据融合的目标跟踪方法，通过获取车辆的可见光相机数据、红外摄像机数据、激光雷达数据；根据所述可见光相机和红外摄像机获取二维图像数据，对可见光图像和红外图像进行融合，增强图像目标信息，提高目标检测的检测率及准确性；利用检测算法分别从融合后的图像和激光雷达的点云数据中检测提取出二维、三维目标信息；将点云目标投影到图像上，然后根据点云目标检测框以及运动状态等信息，对不同时间的目标进行数据关联进行目标状态滤波，同时通过图像检测目标进行补充，完成对图像目标和点云目标的融合跟踪。

本发明公开了利用目标可见性实现航迹管理的多传感器航迹融合方法。现有多传感器航迹融合方法将所有可能航迹上传至融合中心，通讯量大且计算复杂。本发明如下：一、选取两个航迹集分别作为主航迹集和辅航迹集。二、融合中心对主航迹集内的各航迹与辅航迹集内的各航迹分别进行航迹关联融合，得到最终的融合航迹集。三、将融合航迹集中的各航迹分为目标航迹、终止航迹、未知身份航迹。本发明可减少传感器送至融合中心的航迹数目，可降低传感器与融合中心间的通讯量，同时减少融合中心的计算量。本发明的航迹管理功能可在融合中心进一步加快目标航迹的确认，并抑制虚假航迹，减少虚假航迹对航迹关联和融合的干扰，复杂环境下表现更优。

本发明公开了基于OSPA(2)距离的多传感器多目标航迹关联与融合方法。现有方法缺少对整个航迹特征的考虑，导致航迹之间的关联性能降低。本发明方法首先建立系统模型，获取估计航迹集；然后基于OSPA(2)距离度量各个估计航迹集之间的距离，获得属于同一目标的估计航迹集；最后对属于同一目标的估计航迹集采用联邦滤波器融合方法来进行航迹的融合。本发明方法可以准确获得属于同一目标的估计航迹集，其获得的最终航迹的RMSE位置误差低于所有单传感器，可以取得更高的精度。

本发明公开一种基于D‑S推理的多平台传感器测量数据融合方法，包括如下步骤：获取K类传感器测量数据；再采用最优分布式融合算法对系统航迹进行估计得到精确后的K类传感器测量数据；利用Dempster‑Shafer证据推理方法，对步骤2得到的K类传感器测量数据分别合成多平台同类传感器的特征信息；采用基于Bayes方法的Jeffrey规则的证据更新优化多平台同类传感器的特征信息，此规则中定义强条件mass函数更新证据和弱条件mass函数更新证据；按照与步骤3和步骤4相同的方法对多平台异类传感器进行特征信息融合；然后进行决策输出，得到总体融合数据。本发明解决了现有的协同冲突消除方法如果直接应用于多平台的多源异构传感器系统，会引起计算量大、精确度低的问题。

本发明涉及信息安全技术，尤其涉及一种基于高斯分布的系统偏差的目标点迹融合方法，步骤为：将雷达传感网中传感器测量进行立体几何投影，将其转换到同一坐标系中；从雷达传感网中读取传感器中数据，数据包括目标的位置的坐标数据的测量值和传感器坐标数据；通过测量值及目标坐标参数表示计算雷达传感网系统偏差；通过假设系统偏差服从高斯分布，利用最大似然函数估计法获取优化目标函数；通过优化目标函数利用最大梯度上算法获取目标坐标位置；解决的了目前当雷达系统偏差较大时，最小二乘法无法精确定位目标的情况，通过假设偏差服从高斯分布，利用最大似然函数估计法，更精确地确定了雷达传感网中的目标位置。

本发明属于传感器数据处理领域，具体涉及一种基于多传感器数据强化学习的人体减跌防震智能监测方法及系统，包括：对被监测对象进行实时监测，采用多传感器采集被监测对象的感知数据；根据感知数据得到人体跌倒相关状态；将相关状态信息输入半观测马尔科夫决策过程模型，得到最优执行策略；根据该策略执行臂系统执行相应动作，该动作包括从候选的部位的执行臂中选择一个最大保护作用的执行臂，激活执行臂并输出充气命令，达到减跌防震的作用；执行臂动作完成后再次收集传感器感知数据，并得到人体跌倒相关状态，之后进入下一阶段决策支持过程；本发明基于强化学习的智能气囊干预方式能够对于不同跌倒类型的患者有针对性地降低跌倒的损伤风险。