买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于自适应卡尔曼滤波的物体运动估计与追踪方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119295507B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411178668.5，技术领域涉及：G06T7/246；该发明授权基于自适应卡尔曼滤波的物体运动估计与追踪方法及装置是由茅译文;王进;李小飞;张海运;陆国栋;孟濬设计研发完成，并于2024-08-27向国家知识产权局提交的专利申请。

本基于自适应卡尔曼滤波的物体运动估计与追踪方法及装置在说明书摘要公布了：本发明公开了基于自适应卡尔曼滤波的物体运动估计与追踪方法及装置，首先，基于飞行球体的风阻、旋转和马格努斯效应进行运动学分析，精确建立飞行球体的运动方程；然后，设计自适应卡尔曼滤波算法求解运动方程，即通过FCOS算法提取卷积特征，基于KCF跟踪器实现飞球动态追踪，通过相机投影模型重建目标三维位姿并输入自适应卡尔曼滤波器，实现飞球运动方程求解，提升对测量噪声及建模误差的鲁棒性；最后，针对自主视野丢失问题，设计PWC‑Net稠密光流法实现自主视野动态保持，支撑飞行球体快速精准的自感知运动估计与追踪，有效克服对飞行球体跟踪的丢失率和滞后性。

本发明授权基于自适应卡尔曼滤波的物体运动估计与追踪方法及装置在权利要求书中公布了：1.基于自适应卡尔曼滤波的物体运动估计与追踪方法，其特征在于包括如下步骤： 步骤1：对物体进行运动学分析，构建物体的运动方程，物体的运动方程为运动物体的非线性微分方程： 即得到对应运动方程： 其中，表示加速度，表示重力加速度向量，表示物体的质量，表示阻力系数，表 示密度，表示物体的受阻面积，表示物体的速度向量，表示与物体表面粗糙度和密度相 关的常数，表示物体的角速度向量，表示物体的速度向量，表示阻力等效加速度，表示马格努斯效应等效加速度，表示阻力系数，表示马格努斯 效应系数； 步骤2：使用目标检测算法对运动物体进行特征提取和匹配，在每个尺度上进行边界框回归和中心度预测，以完成运动物体的目标检测； 步骤3：基于跟踪器在目标区域进行匹配，将运动物体的目标检测结果作为初始检测边界，提取该区域的特征，找到响应最大的位置作为所跟踪的目标运动物体，以对运动物体进行实时跟踪； 步骤4：获取目标运动物体状态向量； 步骤5：将目标运动物体的状态向量输入自适应卡尔曼滤波器，解算运动物体的所述运动方程，输出预测目标运动物体运动信息，并基于此对物体的运动轨迹进行估计和优化；目标运动物体轨迹更新的离散运动方程如下： 将步骤4中得到的目标运动位图位置、速度和加速度信息作为自适应卡尔曼滤波器的 输入，设定初始状态向量，其中，表示初始位置，表示初始速度，初始控制 输入，表示初始加速度，离散时间步长为，状态转移矩阵和控制矩阵为： 使用状态转移矩阵和控制矩阵预测下一时刻的状态和协方差，预测状态向量和 协方差矩阵为： 其中，表示控制输入，是过程噪声协方差矩阵，初始为单位矩阵， 协方差矩阵初始设置为单位矩阵； 结合观测值和卡尔曼增益更新状态和协方差，计算卡尔曼增益： 更新状态向量和协方差矩阵： 其中，表示观测值，表示观测矩阵，根据观测残差动态调整过程噪声协方差矩阵和观测噪声协方差矩阵，适应系统的变化： 其中，表示平衡参数； 再根据所述步骤1的物体运动方程，对进行更新： 其中，表示运动物体更新后的速度向量，表示运动物体更新后的角速度向量； 根据修正得到的卡尔曼增益、观测残差去更新预测的后续的状态向量、控制输 入 其中，更新的初始向量即为状态向量，N表示直到运动状态结束时 的离散时间，n=1,2,3……N； 步骤6：通过光流法，获得光流信息输入到所述跟踪器中，当产生目标丢失时，使用光流一致性策略处理目标丢失情况。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：315400 浙江省宁波市余姚市凤山街道冶山路479号科创大厦12楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。