导读:本文包含了混合跟踪算法论文开题报告文献综述及选题提纲参考文献，主要关键词:移动增强现实,多传感器,混合跟踪,扩展卡尔曼滤波器
混合跟踪算法论文文献综述
曹若琛,陈靖,王涌天[1]（2016）在《一种面向移动终端的混合跟踪定位算法》一文中研究指出通过扩展卡尔曼滤波器(EKF)对手机移动终端的加速度计、陀螺仪以及视觉数据进行融合,实现混合跟踪。在此基础上,对基于EKF的数据融合算法进行改进,当失去视觉校正时,利用同步跟踪的背景区域速度更新目标区域速度,使算法在目标区域提取特征点数不足的情况下可以持续跟踪;同时引入参考坐标系,定义世界坐标系在参考坐标系中的姿态,校正在基于EKF的数据融合算法中由于光照遮挡等问题出现的角度跳变错误;最后,在实际环境中进行测试,实验结果显示本混合跟踪算法相比传统单一视觉的跟踪注册算法和以往基于EKF的数据融合算法具有明显优势。(本文来源于《太原理工大学学报》期刊2016年04期）
彭雪,陈一民,黄晨[2]（2015）在《基于磁感应和Kinect的混合跟踪算法研究》一文中研究指出跟踪注册技术是增强现实系统中的一个重要研究内容,其致力于将虚拟信息与真实环境精确配准和对实物的精准跟踪,从而构建高效稳定的增强现实系统。在跟踪注册过程中,单一的跟踪注册技术有其自身的局限性与不足,为提高增强现实中跟踪注册的精确性和鲁棒性,结合Kinect深度信息跟踪和磁感应跟踪自身的优缺点,提出了一种基于模糊逻辑和自适应卡尔曼滤波的混合跟踪算法,对磁感应跟踪和Kinect跟踪数据进行动态加权融合,从而实现对手部的实时、精准跟踪。实验表明:该算法能有效地提高基于磁感应和Kinect深度信息跟踪的精确性和鲁棒性。(本文来源于《微型电脑应用》期刊2015年10期）
王旭阳,张燕[3]（2014）在《基于自适应状态转移的混合跟踪算法》一文中研究指出为提高粒子滤波视觉目标跟踪算法的准确性和实时性,提出一种基于自适应状态转移的混合跟踪算法。首先采用零阶自适应变化模型来获取目标的可能状态,然后利用均值漂移算法的局部优化特性找到后验概率的最大值。在多峰值情况下由粒子滤波随机产生粒子,用新的粒子集来确定目标的最终位置。实验结果表明,这种改进的算法在保证准确性的同时,降低了系统的计算时间。(本文来源于《计算机工程与应用》期刊2014年08期）
徐升,陈一民,黄晨,陆壬淼,叶聪丽[4]（2012）在《增强现实中的混合跟踪算法研究》一文中研究指出单一的跟踪方法存在较大的局限性,为提高增强现实中跟踪环节的实时性和准确性,针对视觉跟踪和磁力跟踪的特点进行研究,提出了一种基于自适应粒子滤波的混合跟踪算法,用于对头部运动轨迹估计。该算法通过分析系统状态,自适应地融合多传感器数据,并建立相应的状态转移模型和系统量测模型;另外,该算法能在非线性非高斯的环境下动态地改变滤波器的粒子数和噪声方差,最终实现对头部运动轨迹的实时、正确估计。实验结果表明,该算法能有效地提高基于视觉和磁的混合跟踪的鲁棒性和运动估计的准确性。(本文来源于《微型电脑应用》期刊2012年01期）
李薪宇,陈东义[5]（2011）在《紧耦合多传感器混合跟踪算法》一文中研究指出在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。(本文来源于《中国图象图形学报》期刊2011年10期）
左军毅,张怡哲,王正平[6]（2010）在《依赖模板匹配纠错的混合跟踪算法》一文中研究指出经典均值漂移跟踪器(MST)和模板匹配跟踪器(TMT)在性能的许多方面具有强互补性。为利用这种互补性提高跟踪的可靠性,提出了一种混合跟踪算法(HTA)。HTA维持了颜色直方图和亮度模板两种目标模型,并分别以TMT和MST为主、辅跟踪器。当目标被遮挡或周围出现相似颜色模式的干扰物而造成主跟踪器错跟时,算法自动切换到辅跟踪器进行纠错;干扰消失或目标被重新捕获时,可自动切换到主跟踪器。实验结果表明,HTA对复杂跟踪环境适应性强且计算量不大。(本文来源于《计算机应用研究》期刊2010年11期）
陈靖,王涌天,刘越,刘伟,郭俊伟[7]（2010）在《适用于户外增强现实系统的混合跟踪定位算法》一文中研究指出单一传感器无法解决户外增强现实系统中的跟踪定位问题.为了提高视觉跟踪定位算法的精度和鲁棒性,提出一种基于惯性跟踪器与视觉测量相结合的混合跟踪定位算法.该算法在扩展卡尔曼滤波框架下,通过融合来自视觉与惯性传感器的信息进行摄像机运动轨迹估计,并利用视觉测量信息对惯性传感器的零点偏差进行实时校正;同时采用SCAAT方法解决惯性传感器与视觉测量间的时间采样不同步问题.实验结果表明,该算法能够有效地提高运动估计的精度和稳定性.(本文来源于《计算机辅助设计与图形学学报》期刊2010年02期）
混合跟踪算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
跟踪注册技术是增强现实系统中的一个重要研究内容,其致力于将虚拟信息与真实环境精确配准和对实物的精准跟踪,从而构建高效稳定的增强现实系统。在跟踪注册过程中,单一的跟踪注册技术有其自身的局限性与不足,为提高增强现实中跟踪注册的精确性和鲁棒性,结合Kinect深度信息跟踪和磁感应跟踪自身的优缺点,提出了一种基于模糊逻辑和自适应卡尔曼滤波的混合跟踪算法,对磁感应跟踪和Kinect跟踪数据进行动态加权融合,从而实现对手部的实时、精准跟踪。实验表明:该算法能有效地提高基于磁感应和Kinect深度信息跟踪的精确性和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合跟踪算法论文参考文献
[1].曹若琛,陈靖,王涌天.一种面向移动终端的混合跟踪定位算法[J].太原理工大学学报.2016
[2].彭雪,陈一民,黄晨.基于磁感应和Kinect的混合跟踪算法研究[J].微型电脑应用.2015
[3].王旭阳,张燕.基于自适应状态转移的混合跟踪算法[J].计算机工程与应用.2014
[4].徐升,陈一民,黄晨,陆壬淼,叶聪丽.增强现实中的混合跟踪算法研究[J].微型电脑应用.2012
[5].李薪宇,陈东义.紧耦合多传感器混合跟踪算法[J].中国图象图形学报.2011
[6].左军毅,张怡哲,王正平.依赖模板匹配纠错的混合跟踪算法[J].计算机应用研究.2010
[7].陈靖,王涌天,刘越,刘伟,郭俊伟.适用于户外增强现实系统的混合跟踪定位算法[J].计算机辅助设计与图形学学报.2010