简介：移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象，实现非理想光照下，对橘红色目标足球的运动检测。提出在传统三帧差分法基础上，先利用Markowitz投资组合模型进行足球目标的特征提取，将场地非感兴趣的目标中，出现全部像素值发生变化的目标去除，再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制，选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像，结果表明跟踪图像不含非目标物的干扰，克服了差分图像存在空洞的问题，为移动机器人提供了一种实用的运动目标检测方法。

简介：传统惯性/卫星紧组合导航系统采用载波相位平滑伪距可以有效提高伪距观测量精度，但平滑伪距后观测量噪声不符合白噪声特性而导致卡尔曼滤波器容易发散；同时由于周跳的存在会更加严重影响滤波器的稳定性。针对上述问题，分析了平滑伪距噪声特性并建立了噪声模型，在此基础上设计了鲁棒自适应滤波算法对观测噪声进行实时估计和补偿，结合抗差估计理论进行滤波以减小观测量噪声水平和模型不确定对滤波器带来的影响。理论分析和仿真结果表明，在复杂环境下，基于载波相位平滑伪距的鲁棒自适应紧组合导航系统定位精度提高了一倍以上。

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。