为了抵抗满载时的负载, 轨道车辆制造时车体底座会保留一定向上的挠曲变形, 这就要求在进行铝蜂窝板和地板胶铺设前对车体底座表面面型进行测量。提出了一种基于点状目标图像测量原理的车体底座面型测量方法, 该方法用CMOS相机对车体底座上的4个LED目标进行图像测量, 这4个LED形成关联多目标点。先对CMOS相机采集到的LED目标图像用均值滤波、动态阈值二值化处理和轮廓提取的方法进行预处理, 再通过灰度质心法, 提取出多个光斑的位置。通过判断各光斑的位置和大小, 排除可能存在的伪目标点或遮拦, 根据提取到的光斑数量的不同, 采用不同的参考点进行比较。在任意一个LED目标被遮挡时, 算法仍能有效地解出被测LED目标中心位置。实验结果表明, LED靶标中心提取的最大偏差小于0.06 mm, 完全能满足车体底座面型测量的需求。

以LYTRO相机为例,提出一种基于微透镜阵列型(MLA)光场相机的多目标快速测距方法。该方法的研究过程分为三个部分:第一部分,通过对原始数据进行点扩展函数计算及色彩恢复,并对数据进行超分辨处理,获取重聚焦序列图像,完成对待测目标的预处理过程;第二部分,利用三角形定理,通过贴片的方法,提出一种直接测距法;第三部分,对现有的相对测距法进行超分辨处理,大幅提高算法精度,同时利用改进型的拉普拉斯算子验证算法的正确性。最后将这两种算法结合,即得到一种MLA光场相机的多目标快速测距算法。实验证明,对于少量待测物体,直接测距法精度高,速度快;对于数量较多的待测物体,将直接测距法与相对测距法相结合,不但能够保证精度,还可以提高时效性。该方法为光场相机深度获取、三维重建等方面的研究提供了重要的数据参考及较为精准的评价依据。

为了满足对多个目标的全视景监视和跟踪需求,给出了一种基于多探测器的全视景多目标监视及跟踪系统设计方案,该方案利用视频拼接技术和多目标跟踪算法,实现对目标的360°监视和跟踪,并实时输出目标的位置信息。首先对比了四种实现全景监视和跟踪的技术途径的优劣,确定采用多探测器拼接技术构成全景监视和多目标跟踪系统,接着介绍了上述全景监视和多目标跟踪系统的组成和原理,给出系统设备在厂内和外场的试验验证效果,试验结果表明系统监视和跟踪效果满足设计要求。该系统满足军、民用全景监视和多目标跟踪领域的使用需求。

针对战场侦察等环境下，目标侦测定位需要快速、多目标、全方位等特点，本文设计提出栅格化目标定位方法。介绍了该定位方法实现的集成激光测距、热像仪等仪器的一体化平台，利用具有夜视作用的热像仪做图像采集，激光测距仪标定距离，电子罗盘定向；信息处理单元运用图像处理技术，在采集数据的基础上建立栅格化极坐标模型，目标进入能够快速匹配对目标定位，实现全方位快速目标检测定位，尤其对群多目标定位具有较大优势。

提出一种基于4个线阵TDI-CCD相机组成的三空间靶面结构对多弹丸着靶参数进行测试, 以解决弹幕**等高射速**多弹丸同时着靶时的立靶密集度测试难题。测试时, 2个CCD相机在空中交汇形成与预定弹道方向垂直的立靶靶面I; 靶面II和靶面III分别由1个CCD相机的探测面形成, 并分别与靶面I在竖直方向和水平方向上成一定夹角。根据三靶面的空间几何结构、飞行弹丸在4个线阵CCD相机上的成像时间和成像角度, 分析了单发弹丸的着靶坐标、飞行速度和穿靶角度。根据多弹丸在三靶面间的成像位置关系以及弹丸飞行速度约束, 推导出多发弹丸着靶时的时空散布参数, 如弹序、弹丸存速和着靶坐标。仿真和实际试验验证显示测试的多靶面间目标匹配率达到100%。 提出的测试方法有效地解决了多发弹丸同时着靶时出现的假目标问题并克服了单CCD立靶测试参数单一等缺点。

研究了压缩感知(CS)理论在无线传感器网络(WSNs)多目标定位中的应用。提出一种基于离散萤火虫算法的压缩感知重构方法, 并设计了具体算法实现流程, 该算法摆脱了传统压缩感知重构算法对稀疏度K的依赖且能够准确地重构出原始信号。基于此, 将新的压缩感知重构算法应用于WSNs目标定位, 建立了WSNs系统模型, 构造了合理的测量矩阵和稀疏矩阵, 并分析了测量矩阵与重构结果之间的关系, 最终实现了WSNs多目标定位。仿真结果表明该方法在稀疏信号重构性能及多目标定位精度方面具有较好效果, 定位精度优于贪婪匹配跟踪(GMP)算法、正交匹配追踪(OMP)算法和最大似然估计(MLE)算法, 且用于WSNs定位的传感器节点数目减少了20%, 抗噪性达到了20 dB。

强地杂波下的弱固定目标检测是机场跑道异物监测雷达需解决的关键问题之一, 传统的恒虚警检测算法在多目标环境下会出现“自屏蔽”效应, 不能有效地检测到目标。本文提出了一种剔除平均杂波图恒虚警检测算法, 在分析系统特性和跑道环境的基础上, 结合调频连续波雷达体制建立了多目标回波信号模型。在剔除若干个样本值后, 由余下的样本值估计背景杂波强度, 对多次连续扫描测量值作递归滤波处理, 获得了平稳的检测门限, 有效地检测到了目标。最后, 进一步讨论了相关参数对检测性能的影响。

由于场景中存在目标遮挡与重叠的影响，以及检测时产生的分割错误，同一个目标往往被识别为若干运动区域，或者多个目标被识别为同一个运动区域,从而导致目标数量识别错误。为了解决这一问题，提出了一种结合融合与分离操作的理论来分析视频的方法,将多目标跟踪的问题转化成为一个找寻后验极值的问题。采用图论的方法表示观测结果，利用图像序列中目标运动轨迹和外观相似度的信息，将多目标跟踪的问题归结为找寻图中多个最优路径的问题。该方法采用了滑动窗口框架以便统计固定数目帧的信息。实验结果表明该方法能够应对实际中发生的上述现象，达到了准确识别多目标数量的目的。

结合改进的辅助粒子滤波与马尔科夫随机场，提出一种多目标跟踪算法来跟踪红外场景中的多个目标。依据目标区域的灰度直方图描述目标，使用标准辅助粒子滤波对各目标的采样粒子集进行粗略优化，同时在辅助粒子采样过程中引入Mean-shift算法来提高粒子采样效率，解决多目标跟踪时粒子数量呈指数级增长的问题，并进一步提高算法的实时性。针对多目标跟踪常出现的目标遮挡导致跟踪失败的问题，引入图模型理论，利用马尔科夫随机场来表示多目标跟踪模型，将多目标的跟踪问题转换为图模型的推理问题。实验结果表明，该跟踪算法使用较少粒子便能实现跟踪，跟踪正确率达84%，且能有效解决多目标跟踪时的相互遮挡问题。

航迹起始是多目标航迹处理中的重要问题。针对异步被动传感器系统航迹起始困难的问题, 提出了一种基于蚁群导航思想的异步被动传感器航迹起始算法。该算法首先利用各传感器在多个扫描周期的测量建立候选目标集, 采用极大似然法确定每一个候选目标的初始状态估计, 然后再利用蚁群导航算法实现真实航迹的检测, 最后由极大似然法估计出每一批目标的初始状态。仿真实验表明, 该算法不但能够有效实现航迹起始, 而且降低了虚假航迹的起始率。