1、本文在地面目標狀態(tài)估計方面展開深入研究，提出了一種基于單目視覺的速度估計算法，通過云臺攝像機可以準確地估計出地面目標在世界坐標系下的運動速度，提高了系統(tǒng)的準確性。此外，編寫了一套應用軟件，將狀態(tài)估計算法嵌入其中，用于驗證其性能。主要研究內(nèi)容包括：
　　 ⑴針對視覺傳感器難以直接獲得高度信息以及傳統(tǒng)的高度計測量偏差較大的缺陷，提出了一種基于地面目標尺寸的高度估計算法。首先，需要從圖像中檢測出目標的兩個邊界點。為此，本文設計了一套三

2、級檢測機制，分別為基于灰度直方圖的邊界點檢測策略、基于道路樣本庫的邊界點檢測算法以及基于自適應閾值分割的邊界點檢測方法，各層算法復雜度由易到難，以保證邊界點檢測的成功。此外，對于圓形或橢圓形這種特殊形狀的目標則采用CamShiR算法，借助目標形狀特征，可以更加快速地計算出其在圖像中的邊界點。在此基礎上，結合地面目標的尺寸信息，通過單目視覺的方法估計出云臺攝像機距目標所在平面的垂直高度，進而估計攝像機與目標之間的深度距離，為隨后的狀態(tài)估計

3、所用。
　　 ⑵在估計地面目標運動速度的過程中，由于低成本的視覺傳感器成像精度低，使得如何準確地估計其運動狀態(tài)成為一個難題，因此本文采用了一種自適應Kalman濾波算法來估計目標在世界坐標系下的運動速度。該算法的優(yōu)點是可以估計目標運動速度中包含的噪聲，獲得噪聲統(tǒng)計特性。在此基礎上，對觀測噪聲協(xié)方差矩陣進行在線調(diào)整，以抑制目標運動過程中的狀態(tài)突變現(xiàn)象，有效彌補視覺傳感器成像精度低的缺陷。首先，在跟蹤過程中利用云臺攝像機記錄目標的圖

4、像信息。其次，當跟蹤過程結束后，在離線情況下利用此信息估計目標運動速度所對應的過程噪聲協(xié)方差矩陣Q以及觀測噪聲協(xié)方差矩陣R，從而獲得噪聲的統(tǒng)計特性。在隨后的應用中，將Q、R作為卡爾曼濾波所需的協(xié)方差矩陣，設定比例因子，當狀態(tài)觀測值與預測值之間的偏差超過設定閾值時，利用該增益因子對觀測噪聲協(xié)方差矩陣進行在線調(diào)整，抑制噪聲突變，最終精確地估計出目標在世界坐標系下的運動狀態(tài)。
　　 ⑶在狀態(tài)估計過程中，由于目標的運動，會使其在圖像中的