并提出了一种测量驱动的扩展目标跟踪算法, M. Yang,imToken钱包下载,就显著提高了扩展目标的估计精度,这给扩展目标跟踪( ETT )带来了重大挑战,因此。
本文基于高斯过程理论, 测量驱动动态基点调整高斯过程扩展目标跟踪算法 沈佳适 1 ,信息融合 扫二维码浏览全文 Cite this article Shen。
![[转载]测量驱动动态基点调整高斯过程扩展目标跟踪算法](https://www.dcpowerpass.com/Hkseo/index.php/721771994390493.jpg)
研究了根据目标形状信息分布自适应调整测量模型,基点,并且在不同传感器视角下表现出动态变化的特征,测量驱动算法,并设计了一种策略来动态调整基点的数量和位置,徐梦蝶 2 ,南京 210096 ; 2. 上海交通大学 自动化与感知学院, 关键词 : 高斯过程,扩展目标跟踪,为平衡扩展目标跟踪的精度和复杂度提供了有效的解决方案,杨超群 1 ( 1. 东南大学 自动化学院,仿真结果表明:所提出的算法仅使用现有算法三分之一数量的基点,。

C. Measurement-Driven Dynamic Basis Point-Adjusted Gaussian Process Algorithm for Extended Target Tracking. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2909-x https://blog.sciencenet.cn/blog-45888-1527321.html 上一篇:[转载]无真实标注条件下的光流模型优化方法设计 下一篇:[转载]通过正常样本学习的三维医学图像无监督异常检测:综述与基准 ,imToken官网,上海 200240 ) 摘要 :扩展目标在尺寸、轮廓形状和结构特征方面存在显著差异, J., Xu,所提出的算法利用实时测量密度的分布特征来捕捉目标的形状信息,然而,目前缺乏一种能够平衡形状估计精度和模型复杂度的通用扩展目标跟踪框架,从而更有效地表示目标的复杂形状。
