基于INS与成像FOV的MITL目标识别增强模型

本文档探讨的是"基于INS和成像FOV的MITL目标识别辅助模型"，发表在2016年的国际控制与自动化会议（ICCA 2016）上，其国际标准编号为978-1-60595-329-8。MITL（Man-in-the-loop）目标识别系统是一种创新的解决方案，它通过远程的人工干预来识别目标，旨在克服自动目标识别（ATR）系统在复杂背景下的低识别概率问题。然而，尽管MITL依赖于ATR的模板匹配，但实时模板并未通过匹配准则进行校验，这导致了识别率低、精度差以及可靠性不足的问题。 为了改进这些问题，研究人员将目光转向了集成惯性导航系统（Inertial Navigation System, INS）和光学传感器的视场（Field Of View, FOV）技术。他们提出了一种新的辅助模型，利用INS的精确定位能力以及成像FOV对周围环境的覆盖范围，旨在增强目标的实时识别性能。 该模型的设计着重于利用INS提供的位置和姿态信息，结合图像传感器的FOV，对目标进行更准确的定位和特征提取。通过实时监控和分析由INS和FOV数据组成的场景，模型能够实时更新和验证模板，从而提高识别准确性和可靠性。作者们还进行了详细的模拟实验，验证了这种新型辅助模型的有效性和实用性。 总结来说，本文的核心贡献在于提出了一种融合了INS和成像FOV的智能策略，旨在提升MITL目标识别系统的性能，特别是在复杂的环境条件下。这种方法有望解决传统MITL系统中的瓶颈问题，为远程目标识别任务提供更为高效和稳定的解决方案。