CN105321380A - 基于传感器轨迹id更新phd过滤器中的强度 - Google Patents

基于传感器轨迹id更新phd过滤器中的强度 Download PDF

Info

Publication number
CN105321380A
CN105321380A CN201510594941.7A CN201510594941A CN105321380A CN 105321380 A CN105321380 A CN 105321380A CN 201510594941 A CN201510594941 A CN 201510594941A CN 105321380 A CN105321380 A CN 105321380A
Authority
CN
China
Prior art keywords
track
intensity
measurement result
sensor
predicted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510594941.7A
Other languages
English (en)
Other versions
CN105321380B (zh
Inventor
V·L·巴格什瓦
M·R·埃尔格斯马
E·A·尤特诺伊尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN105321380A publication Critical patent/CN105321380A/zh
Application granted granted Critical
Publication of CN105321380B publication Critical patent/CN105321380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D9/00—Recording measured values
    • G01D9/28—Producing one or more recordings, each recording being of the values of two or more different variables
    • G01D9/30—Producing one or more recordings, each recording being of the values of two or more different variables there being a separate recording element for each variable, e.g. multiple-pen recorder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D9/00—Recording measured values
    • G01D9/28—Producing one or more recordings, each recording being of the values of two or more different variables
    • G01D9/32—Producing one or more recordings, each recording being of the values of two or more different variables there being a common recording element for two or more variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

基于传感器轨迹ID更新PHD过滤器中的强度。在一个实施例中，提供了一种使用概率假设密度过滤器追踪多个对象的方法。所述方法包括使用至少一个传感器获得对应于第一对象的测量结果，所述的至少一个传感器为测量结果提供一个或多个第一轨迹ID。基于Tk第一轨迹强度为第一对象生成Tk+1第一预测强度。获得来自至少一个传感器中的第一传感器的Tk+1测量结果，第一传感器为Tk+1测量结果提供第二轨迹ID。将第二轨迹ID与一个或多个第一轨迹ID相比较，并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID，用Tk+1测量结果选择性地更新Tk+1第一预测强度以生成用于第一对象的Tk+1第一测量结果-到-轨迹强度。

Description

基于传感器轨迹ID更新PHD过滤器中的强度
相关申请的交叉引用
本申请涉及以下共同未决美国专利申请，其在此通过引用并入本文：
同一日期同此提交的，题为“MERGINGINTENSITIESINAPHDFILTERBASEDONASENSORTRACKID”的美国专利申请序列号14/448,808(代理人案卷号H0043916)；
同一日期同此提交的，题为“ADJUSTINGWEIGHTOFINTENSITYINAPHDFILTERBASEDONSENSORTRACKID”的美国专利申请序列号14/448,813(代理人案卷号H0045529)；以及
同一日期同此提交的，题为“TWOSTEPPRUNINGINAPHDFILTER”的美国专利申请序列号14/448,819(代理人案卷号H0045530)。
背景技术
看到和规避或感知和规避(SAA)的目的是为无人飞行器***(UAS)提供使用或不使用有源的(active)基于防撞***的应答器来执行自我分离和针对所有空中交通的防撞的能力。SAA要求UAS在本机(ownship)飞行器的操作附近检测和追踪入侵者飞行器以识别执行自我分离和防撞所要求的指导演习(guidancemaneuver)。对于UASSAA能力，检测和追踪功能是关键使能者(enabler)，因为对于未检测的，未追踪的入侵者飞行器而言，UAS不能执行自我分离或防撞演习。检测功能指的是使用监视传感器来测量入侵者飞行器相对于本机UAS的位置。追踪功能指的是将监视传感器测量结果融合在一起以估计相对于本机UAS的入侵者飞行器的轨线统计(本文也称为轨迹)。监视传感器为测量结果提供了对应的测量ID，其可以是跨时间相关的或者跨时间随机的。
追踪功能通过如下来估计入侵者飞行器的轨迹：使用数据关联算法来分配对当前轨迹的测量结果，使用过滤器来用轨迹统计的当前估计融合传感器测量结果，以及使用监视传感器聚合运算(fusionoperation)、发起轨迹、保持轨迹并删除轨迹的轨线管理器。
一个追踪***使用了随机有限集(RFS)来追踪用于UASSAA的多个入侵者飞行器(IA)，其中RFS为多重假设测试(MHT)方法的实现。RFS将多重IA追踪问题投射到集值状态空间中，在那里集值状态矢量和集值测量矢量的统计被使用它们的一阶矩(在此也被称为强度)来近似，并被应用在贝叶斯过滤器框架中以使用高斯混合来估计IA轨迹统计。所得到的过滤器被称为概率假设密度(PHD)过滤器。强度指的是权重(weight)、状态平均矢量、以及集值状态空间的元素的状态协方差矩阵，其中这个元素对应于轨迹的统计。
发明内容
在一个实施例中，提供了一种用概率假设密度过滤器追踪多个对象的方法。该方法包括用至少一个传感器获得对应于第一对象的多个测量结果，该至少一个传感器为多个测量结果提供一个或多个第一轨迹ID。基于多个测量结果为第一对象生成Tk第一轨迹强度，Tk第一轨迹强度包括权重，状态平均矢量，和第一对象在时间Tk的轨迹的统计的状态协方差矩阵。然后基于Tk第一轨迹强度为第一对象生成Tk+1第一预测强度，Tk+1第一预测强度对应于时间Tk+1。从至少一个传感器的第一传感器获得Tk+1测量结果，第一传感器为Tk+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1。第二轨迹ID与一个或多个第一轨迹ID相比较，并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID来用Tk+1测量结果选择性地更新Tk+1第一预测强度，以在时间Tk+1生成用于第一对象的Tk+1第一测量结果-到-轨迹强度。
附图说明
应理解的是，附图仅描绘了示例性实施例，并且因此不被认为限制范围，通过附图的使用，该示例性实施例将使用附加特征和细节被描述，其中：
图1是其中可以使用基于PHD过滤器的追踪***的示例环境的框图。
图2是图1的环境中使用的示例追踪***的框图。
图3是用于用图2的追踪***追踪多个的对象的示例方法的流程图。
根据惯例，不同描述的特征并未按比例绘制，但被绘制成强调与示例性实施例相关的特定特征。
具体实施方式
本文描述的主题提供了一种通过使用轨迹标识符(ID)更新在概率假设密度(PHD)过滤器中正被追踪的强度的方法，所述轨迹标识符(ID)由获得对应于强度的对象测量结果的一个或多个传感器来提供。轨迹ID是由传感器提供的标识符，其中标识符是跨时间与一系列测量结果相关联的。轨迹ID的一种类型是国际民航组织(ICAO)飞行器地址，其连同相应的测量信息被飞行器发射并连同相应的测量信息被传感器接收。能够接收此类ICAO飞行器地址的传感器的示例包括自动相关监视-广播(ADS-B)传感器和空中防撞***(TCAS)模式S传感器。轨迹ID的另一种类型是来自于随着时间的推移与测量结果相关的传感器的标识符。特别地，此类传感器通过随着时间的推移使测量结果相关并且向那些轨迹分配ID来识别对象的轨迹。连同测量结果一起由传感器提供这些ID。因为由随着时间的推移使其自己的测量结果相关的传感器生成这些ID，所以这些ID是传感器特定的。也就是说，即使第一传感器和第二传感器可以获得相同对象的测量结果，第一传感器和第二传感器也使其自己的测量结果相关，而不是其它传感器的测量结果相关；因此，由每个传感器提供的轨迹ID是不同的，并且对应于来自那个传感器而不是其它传感器的测量结果。提供此类用于相关测量结果的轨迹ID的传感器的示例包括TCAS模式C传感器，特定LiDAR、和特定雷达。本文描述的主题利用这些轨迹ID以改善准确度和效率，可以使用其在PHD过滤器中追踪多个对象。
图1是其中可以使用基于PHD过滤器的追踪***102的示例环境的框图。在本文所示的示例中，追踪***102被安装在飞行器104内，然而，追踪***102可以被安装在任何交通工具内，或者可以是独立的***。追踪***102被配置成检测和追踪环境中的其它对象。在这个示例中，追踪***102被配置成检测空中的对象，例如入侵者飞行器(IA)106，108。在示例中，追踪***102是感知和规避(SAA)***的一部分并且飞行器104是无人飞行器***(UAS)。
图2是示例追踪***102的框图。追踪***102包括多个传感器202-206，其被配置为在传感器202-206周围的环境中检测对象。所述多个传感器202-206可包括任何适当的传感器，例如雷达202，TCAS传感器203，ADS-B传感器204，光学照相机205，和LiDAR206。其它传感器也可以被使用。另外，可以使用包括多个相同类型的传感器的任何数目的传感器。传感器202-206被耦合到一个或多个处理设备208。传感器202-206被配置成获得测量结果并发送测量结果到一个或多个处理设备208。如上面提到的，传感器202-206中的一些或全部可以被配置成将轨迹ID连同测量结果发送到一个或多个处理设备208。
基于从传感器202-206接收的测量结果，一个或多个处理设备208被配置成追踪多个对象(例如入侵者飞行器106，108)。为了追踪对象，一个或多个处理设备208被配置成执行存储在一个或多个数据存储设备212上的指令210，数据存储设备212被耦合到一个或多个处理设备208。当由一个或多个处理设备208执行时，指令210引起一个或多个处理设备208实施动作以基于来自于传感器202-206的测量结果来追踪对象。一个或多个处理设备208可以包括中央处理单元(CPU)，微控制器，微处理器，(例如，数字信号处理器)，现场可编程门阵列(FPGA)，专用集成电路(ASIC)，或其它处理设备。在某些示例中，一个或多个数据存储设备212包括非易失性电子硬件设备，以用于存储机器可读数据和指令。在示例中，一个或多个数据存储设备212在用于存储计算机可读指令或数据结构的任何适当的计算机可读介质上存储信息。计算机可读介质可以被实施为可以由一个或多个处理设备208访问的任何可用介质。适当的计算机可读介质可包括存储介质，例如磁或光学介质。例如，存储介质可以包括常规的硬盘，光盘-只读存储器(CD-ROM)，固态驱动器(SSD)，其它的闪存，只读存储器(ROM)，以及电可擦除可编程ROM(EEPROM)。一个或多个处理设备208还被耦合到存储器214，存储器214被配置成在由一个或多个处理设备208执行期间存储数据和指令。存储器214可以包括易失性或非易失性介质，例如随机存取存储器(RAM)(包括，但不限于，同步动态随机存取存储器(SDRAM)，双倍数据速率(DDR)RAM，RAMBUS动态RAM(RDRAM)和静态RAM(SRAM)等)。在示例中，一个或多个处理设备208被配置成将关于对象的轨迹的信息输出到输出设备，例如显示设备。在一些示例中，一个或多个处理设备208提供轨迹信息到较大的SAA***，以用于控制无人飞行器***的移动。
图3是用于用追踪***102追踪多个对象的示例方法300的流程图。追踪***102实施一个循环(loop)，该循环计算多个强度并基于从传感器202-206新获得的测量结果在每个循环期间更新强度。循环实时地操作以追踪由传感器202-206测量的多个对象。如上面讨论的，循环实施概率假设密度(PHD)过滤器以更新强度。PHD过滤器循环试图为每个正被追踪的对象保持单一的强度。在用于飞行器104的追踪***102的情况下，PHD过滤器循环试图为每个入侵者飞行器106，108，和/或传感器202-206的视场内的其它机载对象保持单一的强度。在给定的循环期间，保持与在那个时间正被追踪的该多个对象对应的一个或多个强度。通过循环的每次迭代更新被保持到下一时间步(timestep)的每个强度，除非特定强度被删除(不再被追踪)。
追踪方法300在测量结果上操作，其具有由传感器202-206提供的与之相关联的轨迹ID。因此，一个或多个测量结果及其相关联的轨迹ID由传感器202-206提供(块302)。一个或多个测量结果每个具有与之相关的单一的相应的轨迹ID。在一些示例中，还由传感器202-206获得不具有与之相关的轨迹ID的其它测量结果。这些其它测量结果还可被用来更新由方法300的循环保持的强度，其采用的方式为本领域技术人员已知的。图3中未示出用此类其它测量结果更新强度的动作。
追踪方法300利用由传感器202-206提供的轨迹ID来确定是否用从传感器202-206新获得的测量结果更新当前保持强度。追踪方法300利用这样的事实，即由传感器202-206提供的轨迹ID指示与先前的测量结果潜在的相关以确定哪些强度将用哪些测量结果来更新。为了做这个，追踪方法300将一个或多个轨迹ID与当前保持强度相关联。在一些示例中，所有当前保持强度具有与之相关联的至少一个轨迹ID，然而，在其它示例中，一个或多个当前保持强度可以不具有与之相关联的轨迹ID。在任何情况下，不具有与之相关联的轨迹ID的强度可通过如这里所述的方法300继续进行。不具有与之相关联的轨迹ID的任何强度可以以任何合适的方式更新，包括采用本领域技术人员已知的方式。图3中未示出更新不具有与之相关联的轨迹ID的强度的动作。
如上所述，方法300的每个循环更新未被删除到下一时间步的每个强度。如本文使用的，时间步被称为Tk，Tk+1用于紧接着时间步Tk的时间步，Tk+2用于紧接着时间步Tk+1的时间步等等。对应于时间步的时间长度可以以任何合适的方式来确定，例如基于由一个或多个传感器202-206提供的测量结果的频率。对于方法300的给定循环，由传感器202-206提供的一个或多个测量结果对应于一个或多个强度正在被更新所处的时间步。因此，在示例循环中，输入到循环中的一个或多个强度(块304)对应于时间步Tk并且输入到循环中的一个或多个测量结果(块302)对应于时间步Tk+1。在循环的此迭代期间，一个或多个强度被预测到时间步Tk+1(块308)并使用对应于时间步Tk+1的一个或多个测量结果将其更新到时间步Tk+1。
在示例中，一个或多个Tk强度(对应于时间步Tk的强度)从循环的前一迭代被提供(块304)。一个或多个Tk强度是从循环的前一迭代输出的一个或多个强度。在其中追踪***102向SAA***提供对象的轨迹的示例中，一个或多个Tk强度被输出到SAA***作为用于时间步Tk的轨迹。在通过方法300更新期间，每个强度通过多个中间阶段进展。对于给定的时间步已经完成更新并且被输出(例如，到SAA***)的强度在本文被称作“轨迹强度”。因此，输入到方法300的循环中的一个或多个Tk强度也被在此称为一个或多个Tk“轨迹”强度。
忽略不具有与之相关联的轨迹ID的任何Tk轨迹强度(如以上所讨论的)，输入到循环中的一个或多个Tk轨迹强度的每个具有与之相关联的相应的一个或多个轨迹ID。这些轨迹ID中的每个对应于来自传感器202-206的一个或多个测量结果，其已经被用来更新(在先前的时间步中)相应的Tk轨迹强度。一个或多个轨迹ID可对应于已被用来在任何时间步(包括Tk时间步和在Tk时间步之前)更新Tk轨迹强度的测量结果。例如，相应的一个或多个轨迹ID可对应于已被用来在Tk时间步、Tk-1时间步、Tk-2时间步等等来更新对应的Tk轨迹强度的测量结果。下面提供了关于将一个或多个轨迹ID与轨迹强度相关联的过程的更多细节。
在任何情况下，一个或多个Tk轨迹强度(块304)共同地具有与之相关联的第一一个或多个轨迹ID。类似地，来自传感器202-206的一个或多个测量结果(块302)共同地具有与之提供的第二一个或多个轨迹ID。将第二一个或多个轨迹ID与第一一个或多个轨迹ID相比较以确定用一个或多个测量结果中的哪些(如果存在的话)来将Tk轨迹强度中的哪些(如果存在的话)更新。在示例中，为了将第二一个或多个轨迹ID与第一一个或多个轨迹ID相比较，将来自第二一个或多个轨迹ID的每个轨迹ID与来自一个或多个第一轨迹ID的每个轨迹ID相比较。当来自第二一个或多个轨迹ID的轨迹ID与来自第一一个或多个轨迹ID的轨迹ID相同时匹配发生。基于第二一个或多个轨迹ID中的任何轨迹ID是否与和相应的Tk轨迹强度相关联的第一一个或多个轨迹ID的一个或多个轨迹ID相匹配，一个或多个Tk轨迹强度被选择性地更新。即，基于第二一个或多个轨迹ID中的任何轨迹ID是否与和给定的Tk轨迹强度相关联的一个或多个轨迹ID中的任何轨迹ID相匹配，给定的Tk轨迹强度被选择性地更新。
除了在一个或多个轨迹ID之间使用比较以确定是否更新一个或多个Tk轨迹强度之外，统计距离测试也被使用。统计距离测试包括计算强度和测量结果之间的统计距离。任何合适的距离测试可以被使用，例如Malhanobis距离测试。因为一个或多个测量结果对应于时间步Tk+1，为了准确地计算统计距离，针对一个或多个Tk+1轨迹强度的每个计算用于时间步Tk+1的预测强度(Tk+1预测强度)(块308)。这些一个或多个Tk+1预测强度可以以任何合适的方式被计算，包括以本领域技术人员已知的方式。一旦Tk+1预测强度被计算，则可以分别地在一个或多个Tk+1预测强度和一个或多个测量结果之间计算统计距离。基于相应的统计距离(如下面所解释的)是否低于阈值，然后选择性地更新Tk+1预测强度。可以以任何适当的方式来选择阈值。
在示例中，针对一个或多个测量结果和Tk+1预测强度的每对来计算统计距离。即，统计距离在一个或多个测量结果中每个和一个或多个Tk+1预测强度中的每个之间被计算。如果测量结果-Tk+1预测强度对中的任何测量结果具有至少一个匹配轨迹ID并且具有低于阈值的统计距离，则那个Tk+1预测强度被用配对的测量结果更新。对于给定的测量结果-Tk+1预测强度对，如果不存在匹配的轨迹ID或统计距离在阈值以上，则那个Tk+1预测强度不被用配对的测量结果更新。针对每个测量结果-Tk+1预测强度对来重复此分析。
在另一示例中，作为针对一个或多个测量结果和Tk+1预测强度的每个对来计算统计距离的替代，基于针对测量结果-Tk+1预测强度对是否存在任何匹配的轨迹ID来选择性地计算统计距离测试。例如，对于给定的测量结果-Tk+1预测强度对，如果被提供那个测量结果的轨迹ID与和Tk+1预测强度相关联的轨迹ID中的任何轨迹ID相匹配，则那个测量结果和那个Tk+1预测强度之间的统计距离被计算。如果统计距离低于阈值，则用配对的测量结果更新那个Tk+1预测强度。如果统计距离超出阈值，则不用配对的测量结果来更新那个Tk+1预测强度。然而，如果被提供测量结果的轨迹ID不与和Tk+1预测强度相关联的轨迹ID的任何轨迹ID相匹配，则统计距离不被计算并且那个Tk+1预测强度不被用配对的测量结果更新。针对每个测量结果-Tk+1预测强度对来重复此分析。
在任一情况下，一个或多个Tk+1预测强度基于其轨迹ID和统计距离而用一个或多个测量结果选择性地更新。用测量结果更新Tk+1预测强度(块310)指的是调整预测以考虑测量结果的过程。基本上，统计距离和轨迹ID的分析识别哪些测量结果可能对应于哪些Tk+1预测强度。因为轨迹ID提供先前的测量结果和目前的测量结果之间的相关的证据，所以轨迹ID可以被用作简单且有效的帮助，从而确定给定的测量结果是否对应于由给定的Tk+1预测强度正被追踪的对象。
在示例中，此更新包括计算配对的测量结果和Tk+1预测强度之间的测量结果-到-轨迹关联以为测量结果-Tk+1预测强度对生成测量结果-到-轨迹强度。此类测量结果-到-轨迹的关联可以以任何适当的方式被计算，包括以本领域技术人员已知的方式。测量结果-到-轨迹强度对应于时间步Tk+1，并且因此也被称为Tk+1测量结果-到-轨迹强度。在本示例中，为具有匹配的轨迹ID和低于阈值的统计距离的每个测量结果-Tk+1预测强度对生成测量结果-到-轨迹强度。
除了被用来选择性地确定是否更新Tk+1预测强度之外，轨迹ID还可以用来确定是否发起新的强度(块309)。在示例中，如果第二一个或多个轨迹ID中的轨迹ID(提供有一个或多个测量结果)不匹配第一一个或多个轨迹ID中的任何轨迹ID(与一个或多个Tk轨迹强度相关联的)，则具有等于被提供(非匹配)轨迹ID的测量结果的值的新的强度被发起。因为轨迹ID提供先前的测量结果和目前的测量结果之间的相关的证据，所以如果没有目前的强度(Tk轨迹强度)具有与测量结果的轨迹ID相匹配的轨迹ID的话，则这提供了这样证据，即对应于那个轨迹ID的测量结果是由给定传感器新感测的对象的测量结果。因此，为那个测量结果创建新的强度。此类新感测的对象可以是刚进入传感器的视野的对象或者可以当传感器暂时丢弃对象(不管什么原因)并且然后再次获得(pickup)对象时发生。在任何情况下，针对其中与之提供的轨迹ID不匹配第一一个或多个轨迹ID中的任何轨迹ID的一个或多个测量结果中的每个测量结果创建新的强度。来自被用来创建新的强度的测量结果的轨迹ID与那个新的强度相关联。
在示例中，这些一个或多个新的强度以与一个或多个Tk+1预测强度相同的方式被分析，以基于每个新的强度-测量结果对是否具有匹配的轨迹ID和低于阈值的统计距离来确定是否更新一个或多个新的强度(块310)。在本示例中，因为每个新的强度具有等于测量结果的值，并且具有来自与之相关联的那个测量结果的轨迹ID，所以每个新的强度将具有一个测量结果，其具有匹配的轨迹ID和低于阈值的统计距离。类似于上面描述的内容，更新新的强度包括计算测量结果-到-轨迹关联以基于测量结果-新强度对生成测量结果-到-轨迹强度。
然后通过删改(prune)和合并强度来进一步处理Tk+1预测强度、新的强度、和测量结果-到-轨迹强度，以生成用于此循环的Tk+1轨迹强度(块312)。删改和合并强度的任何合适的过程可被使用，包括本领域技术人员已知的过程。
所得到的一个或多Tk+1轨迹强度可以被输出以用于显示和/或进一步分析，例如通过SAA***(块314)。一个或多个Tk+1轨迹强度也作为输入被提供到循环的下一个迭代中以用于基于针对时间步Tk+2的一个或多个测量结果进行更新。
如上所述，为了利用轨迹ID来确定是否更新轨迹强度和新的强度，将一个或多个轨迹ID与一个或多个轨迹强度和一个或多个新的强度相关联。与轨迹强度相关联的一个或多个轨迹ID对应于用来更新/生成轨迹强度的测量结果。对于新的强度，与之相关联的轨迹ID是这样的轨迹ID，其被提供如上面讨论的从其创建新的强度的测量结果。对于测量结果-到-轨迹强度，与之相关联的轨迹ID是来自当前时间步中的一个或多个测量结果中的测量结果的轨迹ID，其被用来更新预测强度以生成测量结果-到-轨迹强度。
对于轨迹强度，轨迹强度保持来自被用来创建轨迹强度的任何测量结果的所有轨迹ID。例如，如果强度在它被更新到下一个时间步时没有被与给定的轨迹强度合并，则更新的轨迹强度保持与先前的轨迹强度相同的(多个)轨迹ID。然而，如果第一强度与第二一个或多个强度合并(块312)以创建更新的轨迹强度，则更新的轨迹强度具有与之相关联的来自第一强度和第二一个或多个强度的所有轨迹ID。第一强度和第二一个或多个强度可以是任何类型的强度，包括预测强度，测量结果-到-轨迹强度，以及新的强度。因此，如果预测强度和测量结果-到-轨迹强度被合并以形成轨迹强度，则那个轨迹强度具有与之相关联的和预测强度相关的所有(多个)轨迹ID以及和测量结果-到-轨迹强度相关的轨迹ID。
如果强度被删改(块312)，则那个强度被删除(不再被保持)，并且因此不存在于更新的轨迹强度中。与删改强度相关的任何轨迹ID不被删改强度传递到更新轨迹强度。最后，如果测量结果-到-轨迹强度不与任何其它强度合并并且基于测量结果-到-轨迹强度创建更新的轨迹强度，则将与测量结果-到-轨迹强度相关的轨迹ID与更新的轨迹强度相关。没有其它轨迹ID与此类更新的轨迹强度相关。类似地，如果新的强度不与任何其它强度合并并且基于其创建更新的轨迹强度，则将与新的强度相关的轨迹ID与更新的轨迹强度相关。没有其它轨迹ID与此类更新的轨迹强度相关。
示例实施例
示例1包括使用概率假设密度过滤器追踪多个对象的方法，所述方法包括：使用至少一个传感器获得对应于第一对象的多个测量结果，所述至少一个传感器为多个测量结果提供一个或多个第一轨迹ID；基于多个测量结果为第一对象生成Tk第一轨迹强度，Tk第一轨迹强度包括权重，状态平均矢量，和在时间Tk的第一个对象的轨迹的统计的状态协方差矩阵；基于Tk第一轨迹强度为第一对象生成Tk+1第一预测强度，Tk+1第一预测强度对应于时间Tk+1；从至少一个传感器中的第一传感器获得Tk+1测量结果，第一传感器为Tk+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1；将第二轨迹ID与一个或多个第一轨迹ID相比较；并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID而用Tk+1测量结果选择性地更新Tk+1第一预测强度，以生成用于在时间Tk+1的第一对象的Tk+1第一测量结果-到-轨迹强度。
示例2包括示例1的方法，包括：计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；并且其中选择性地更新包括基于统计距离是否小于阈值，用Tk+1测量结果选择性地更新Tk+1第一预测强度。
示例3包括示例2的方法，其中，选择性地更新包括：如果第二轨迹ID匹配一个或多个第一轨迹ID中的任何轨迹ID并且统计距离小于阈值，则用Tk+1测量结果更新Tk+1第一预测强度；并且如果第二轨迹ID不匹配一个或多个第一轨迹ID中的任何轨迹ID或者统计距离大于阈值，则不用Tk+1测量结果更新Tk+1第一预测强度。
示例4包括示例1-3中的任何示例的方法，包括：生成包括Tk第一轨迹强度的多个Tk轨迹强度，所述多个Tk轨迹强度具有与之相关联的多个轨迹ID，多个轨迹ID包括第一一个或多个轨迹ID，如果第二轨迹ID不匹配多个轨迹ID中的任何轨迹ID，则生成具有等于Tk+1测量结果的值的新的强度。
示例5包括示例4的方法，包括：基于新的强度，为第二对象生成Tk+1第二轨迹强度，Tk+1第二轨迹强度对应于时间Tk+1；基于Tk+1第二轨迹强度生成Tk+2第二预测强度，Tk+2第二预测强度对应于时间Tk+2；将第二轨迹ID与Tk+2第二预测强度相关联；从第一传感器获得Tk+2测量结果，第一传感器为Tk+2测量结果提供第三轨迹ID，其中Tk+2测量结果对应于时间Tk+2；将第三轨迹ID与第二轨迹ID相比较；计算Tk+2第二预测强度和Tk+2测量结果之间的第二统计距离；基于第三轨迹ID是否匹配第二轨迹ID，并且基于第二统计距离是否小于阈值，用Tk+2测量结果选择性地更新Tk+2第二预测强度以生成针对在时间Tk+2的第二对象的Tk+2第二测量结果-到-轨迹强度。
示例6包括示例1-5的任何示例的方法，包括：基于Tk+1第一测量结果-到-轨迹强度生成Tk+1第一轨迹强度；将一个或多个第一轨迹ID和Tk+1第一轨迹强度相关联；基于Tk+1第一轨迹强度为第一对象生成Tk+2第一预测强度，Tk+2第一预测强度对应于时间Tk+2；从第一传感器获得Tk+2测量结果，第一传感器为Tk+2测量结果提供第四轨迹ID，其中Tk+2测量结果对应于时间Tk+2；将第四轨迹ID与一个或多个第一轨迹ID相比较；并且基于第四轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID来用Tk+2测量结果选择性地更新Tk+2第一预测强度以针对在时间Tk+2的第一对象生成Tk+2第一轨迹强度。
示例7包括示例1-6中的任何示例的方法，其中选择性地更新包括：计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；其中选择性地更新包括，如果第二轨迹ID匹配一个或多个第一轨迹ID中的任何轨迹ID并且统计距离小于阈值：用Tk+1测量结果更新Tk+1第一预测强度以生成Tk+1第一测量结果-到-轨迹强度；并且仅将一个或多个第一轨迹ID的第二轨迹ID与Tk+1第一测量结果-到-轨迹强度相关联；删改Tk+1第一预测强度，使得Tk+1第一预测强度不再被用于追踪第一对象；并且从Tk+1第一测量结果-到-轨迹强度生成Tk+1轨迹强度；并且仅将一个或多个第一轨迹ID的第二轨迹ID与Tk+1轨迹强度相关联。
示例8包括示例1-7的任何示例的方法，其中一个或多个第一轨迹ID和第二轨迹ID中的每个轨迹ID是由传感器接收并且对应于用于那个传感器的相应的测量结果的国际民航组织(ICAO)飞行器地址或由传感器分配到跨时间相关的那个传感器所获得的一组测量结果的标识符中的一个。
示例9包括一种追踪***，包括：一个或多个处理设备；和一个或多个数据存储设备，包括指令，当由一个或多个处理设备执行时，其引起一个或多个处理设备用概率假设密度过滤器追踪多个对象，其中指令引起一个或多个处理设备以：使用至少一个传感器获得对应于第一对象的多个测量结果，至少一个传感器为多个测量结果提供一个或多个第一轨迹ID；基于多个测量结果为第一对象生成Tk第一轨迹强度，Tk第一轨迹强度包括权重，状态平均矢量，和在时间Tk的第一个对象的轨迹的统计的状态协方差矩阵；基于Tk第一轨迹强度为第一对象生成Tk+1第一预测强度，Tk+1第一预测强度对应于时间Tk+1；从至少一个传感器中的第一传感器获得Tk+1测量结果，第一传感器为Tk+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1；将第二轨迹ID与一个或多个第一轨迹ID相比较；并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID，用Tk+1测量结果选择性地更新Tk+1第一预测强度以生成针对在时间Tk+1的第一对象的Tk+1第一测量结果-到-轨迹强度。
示例10包括示例9的追踪***，其中指令引起一个或多个处理设备以：计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；并且其中选择性地更新包括基于统计距离是否小于阈值而用Tk+1测量结果选择性地更新Tk+1第一预测强度。
示例11包括示例10的追踪***，其中选择性地更新包括：如果第二轨迹ID匹配一个或多个第一轨迹ID中的轨迹ID并且统计距离小于阈值，则用Tk+1测量结果更新Tk+1第一预测强度；并且如果第二轨迹ID不匹配一个或多个第一轨迹ID中的任何轨迹ID或者统计距离大于阈值，则不用Tk+1测量结果更新Tk+1第一预测强度。
示例12包括示例9-11的任何示例的追踪***，其中指令引起一个或多个处理设备以：生成包括Tk第一轨迹强度的多个Tk轨迹强度，多个Tk轨迹强度具有与之相关联的多个轨迹ID，多个轨迹ID包括第一一个或多个轨迹ID，如果第二轨迹ID不匹配多个轨迹ID中的任何轨迹ID，则生成具有等于Tk+1测量结果的值的新的强度。
示例13包括示例12的追踪***，其中指令引起一个或多个处理设备以：基于新的强度为第二对象生成Tk+1第二轨迹强度，Tk+1第二轨迹强度对应于时间Tk+1；基于Tk+1第二轨迹强度生成Tk+2第二预测强度，Tk+2第二预测强度对应于时间Tk+2；将第二轨迹ID与Tk+2第二预测强度相关联；从第一传感器获得Tk+2测量结果，第一传感器为Tk+2测量结果提供第三轨迹ID，其中Tk+2测量结果对应于时间Tk+2；将第三轨迹ID与第二轨迹ID相比较；计算Tk+2第二预测强度和Tk+2测量结果之间的第二统计距离；基于第三轨迹ID是否匹配第二轨迹ID并且基于第二统计距离是否小于阈值，用Tk+2测量结果选择性地更新Tk+2第二预测强度以生成针对在时间Tk+2的第二对象的Tk+2第二测量结果-到-轨迹强度。
示例14包括示例9-13的任何示例的追踪***，其中指令引起一个或多个处理设备以：基于Tk+1第一测量结果-到-轨迹强度生成Tk+1第一轨迹强度；将一个或多个第一轨迹ID和Tk+1第一轨迹强度相关联；基于Tk+1第一轨迹强度为第一对象生成Tk+2第一预测强度，Tk+2第一预测强度对应于时间Tk+2；从第一传感器获得Tk+2测量结果，第一传感器为Tk+2测量结果提供第四轨迹ID，其中Tk+2测量结果对应于时间Tk+2；将第四轨迹ID与一个或多个第一轨迹ID相比较；并且基于第四轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID，用Tk+2测量结果选择性地更新Tk+2第一预测强度以生成针对在时间Tk+2的第一对象的Tk+2第一轨迹强度。
示例15包括示例9-14的任何示例的追踪***，其中选择性地更新包括：计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；其中选择性地更新包括，如果第二轨迹ID匹配一个或多个第一轨迹ID中的任何轨迹ID并且统计距离小于阈值：用Tk+1测量结果更新Tk+1第一预测强度以生成Tk+1第一测量结果-到-轨迹强度；并且仅将一个或多个第一轨迹ID的第二轨迹ID与Tk+1第一测量结果-到-轨迹强度相关联；删改Tk+1第一预测强度，使得Tk+1第一预测强度不再用于追踪第一对象；并且从Tk+1第一测量结果-到-轨迹强度生成Tk+1轨迹强度；并且仅将一个或多个第一轨迹ID的第二轨迹ID与Tk+1轨迹强度相关联。
示例16包括示例9-15的任何示例的追踪***，其中一个或多个第一轨迹ID和第二轨迹ID中的每个轨迹ID是由传感器接收的并对应于用于那个传感器的相应的测量结果的国际民航组织(ICAO)飞行器地址或者由传感器分配到跨时间相关的那个传感器所获得的一组测量结果的标识符中的一个。
示例17包括计算机可读介质，包括指令，当由一个或多个处理设备执行时，其引起一个或多个处理设备以：使用至少一个传感器获得对应于第一对象的多个测量结果，该至少一个传感器为多个测量结果提供一个或多个第一轨迹ID；基于多个测量结果为第一对象生成Tk第一轨迹强度，Tk第一轨迹强度包括权重，状态平均矢量，和在时间Tk的第一个对象的轨迹的统计的状态协方差矩阵；基于Tk第一轨迹强度为第一对象生成Tk+1第一预测强度，Tk+1第一预测强度对应于时间Tk+1；从至少一个传感器中的第一传感器获得Tk+1测量结果，第一传感器为Tk+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1；将第二轨迹ID与一个或多个第一轨迹ID相比较；并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID，用Tk+1测量结果选择性地更新Tk+1第一预测强度，以生成针对在时间Tk+1的第一对象的Tk+1第一测量结果-到-轨迹强度。
示例18包括示例17的计算机可读介质，其中指令引起一个或多个处理设备以：计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；并且其中选择性地更新包括基于统计距离是否小于阈值，用Tk+1测量结果选择性地更新Tk+1第一预测强度。
示例19包括示例17-18的任何示例的计算机可读介质，其中指令引起一个或多个处理设备以：生成包括Tk第一轨迹强度的多个Tk轨迹强度，多个Tk轨迹强度具有与之相关联的多个轨迹ID，多个轨迹ID包括第一一个或多个轨迹ID，如果第二轨迹ID不匹配多个轨迹ID中的任何轨迹ID，则生成具有等于Tk+1测量结果的值的新的强度。
示例20包括示例17-19中的任何示例的计算机可读介质，其中一个或多个第一轨迹ID和第二轨迹ID中的每个轨迹ID是由传感器接收的并且对应于用于那个传感器的相应的测量结果的国际民航组织(ICAO)飞行器地址或者由传感器分配到跨时间相关的那个传感器所获得的一组测量结果的标识符中的一个。

Claims (3)

1.一种使用概率假设密度过滤器追踪多个对象的方法(300)，所述方法包括：
使用至少一个传感器获得对应于第一对象的多个测量结果(302)，所述至少一个传感器为多个测量结果提供一个或多个第一轨迹ID；
基于多个测量结果，为第一对象生成Tk第一轨迹强度(304)，Tk第一轨迹强度包括权重，状态平均矢量，和在时间Tk的第一个对象的轨迹的统计的状态协方差矩阵；
基于Tk第一轨迹强度，为第一对象生成Tk+1第一预测强度(308)，Tk+1第一预测强度对应于时间Tk+1；
从至少一个传感器中的第一传感器获得Tk+1测量结果(302)，第一传感器为Tk+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1；
计算Tk+1第一预测强度与Tk+1测量结果之间的统计距离；和
将第二轨迹ID与一个或多个第一轨迹ID相比较(306)；
如果第二轨迹ID匹配一个或多个第一轨迹ID中的任何轨迹ID并且统计距离小于阈值，则用Tk+1测量结果更新(310)Tk+1第一预测强度；并且
如果第二轨迹ID不匹配一个或多个第一轨迹ID中的任何轨迹ID或者统计距离大于阈值，则不用Tk+1测量结果更新Tk+1第一预测强度。
2.权利要求1的方法，包括：
基于Tk+1第一测量结果-到-轨迹强度，生成Tk+1第一轨迹强度(304)；
将一个或多个第一轨迹ID与Tk+1第一轨迹强度相关联；
基于Tk+1第一轨迹强度，为第一对象生成Tk+2第一预测强度(308)，Tk+2第一预测强度对应于时间Tk+2；
从第一传感器获得Tk+2测量结果(302)，第一传感器为Tk+2测量结果提供第三轨迹ID，其中Tk+2测量结果对应于时间Tk+2；
计算Tk+2第一预测强度与Tk+2测量结果之间的第二统计距离；
将第三轨迹ID与一个或多个第一轨迹ID相比较(306)；并且
如果第三轨迹ID匹配一个或多个第一轨迹ID中的任何轨迹ID并且第二统计距离小于阈值，则用Tk+2测量结果更新(310)Tk+2第一预测强度以生成针对在时间Tk+2的第一对象的Tk+2第一测量结果-到-轨迹强度；并且
如果第三轨迹ID不匹配一个或多个第一轨迹ID中的任何轨迹ID或者第二统计距离大于阈值，则不用Tk+2测量结果更新Tk+2第一预测强度。
3.权利要求1或2的任何一项的方法，其中一个或多个第一轨迹ID和第二轨迹ID中的每个轨迹ID是由传感器接收的并且对应于用于那个传感器的相应的测量结果的国际民航组织(ICAO)飞行器地址或者由传感器分配到跨时间相关的那个传感器所获得的一组测量结果的标识符中的一个。
CN201510594941.7A 2014-07-31 2015-07-30 基于传感器轨迹id更新phd过滤器中的强度 Active CN105321380B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/448,803 US11175142B2 (en) 2014-07-31 2014-07-31 Updating intensities in a PHD filter based on a sensor track ID
US14/448803 2014-07-31

Publications (2)

Publication Number Publication Date
CN105321380A true CN105321380A (zh) 2016-02-10
CN105321380B CN105321380B (zh) 2020-02-07

Family

ID=53673859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510594941.7A Active CN105321380B (zh) 2014-07-31 2015-07-30 基于传感器轨迹id更新phd过滤器中的强度

Country Status (4)

Country Link
US (1) US11175142B2 (zh)
EP (1) EP2980605B1 (zh)
CN (1) CN105321380B (zh)
IL (1) IL240077B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111328403A (zh) * 2018-10-16 2020-06-23 华为技术有限公司 基于使用加权置信度值允许的质量指标改进的轨迹匹配

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10605607B2 (en) 2014-07-31 2020-03-31 Honeywell International Inc. Two step pruning in a PHD filter
CN110378178B (zh) * 2018-09-30 2022-01-28 毫末智行科技有限公司 目标跟踪方法及装置
ES2930577T3 (es) * 2018-11-27 2022-12-19 Leonardo Spa Sistema de control de tráfico espacial suborbital con sistema de radar y receptor ADS-B
US20220146667A1 (en) * 2022-01-25 2022-05-12 Intel Corporation Apparatus, system and method of radar tracking

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5414643A (en) * 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5798942A (en) * 1994-04-05 1998-08-25 Trw Inc. N-best feasible hypotheses multitarget tracking system for space-based early warning systems
EP1533628A1 (en) * 2003-11-19 2005-05-25 Saab Ab A method for correlating and numbering target tracks from multiple sources
US7218270B1 (en) * 2003-02-10 2007-05-15 The United States Of America As Represented By The Secretary Of The Air Force ATR trajectory tracking system (A-Track)
US20130006577A1 (en) * 2010-03-15 2013-01-03 Bae Systems Pic Target tracking
CN103345577A (zh) * 2013-06-27 2013-10-09 江南大学 变分贝叶斯概率假设密度多目标跟踪方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4816833A (en) 1987-06-16 1989-03-28 Westinghouse Electric Corp. Pulse doppler surveillance post signal processing and scan to scan correlation
US5390133A (en) 1992-09-30 1995-02-14 Martin Marietta Corporation Image processor for target detection and tracking
US5767793A (en) 1995-04-21 1998-06-16 Trw Inc. Compact vehicle based rear and side obstacle detection system including multiple antennae
US6295367B1 (en) 1997-06-19 2001-09-25 Emtera Corporation System and method for tracking movement of objects in a scene using correspondence graphs
US7782256B2 (en) 1999-03-05 2010-08-24 Era Systems Corporation Enhanced passive coherent location techniques to track and identify UAVs, UCAVs, MAVs, and other objects
US7132982B2 (en) 1999-03-05 2006-11-07 Rannock Corporation Method and apparatus for accurate aircraft and vehicle tracking
US6959869B2 (en) * 1999-06-07 2005-11-01 Metrologic Instruments, Inc. Automatic vehicle identification (AVI) system employing planar laser illumination and imaging (PLIIM) based subsystems
US6965816B2 (en) * 2001-10-01 2005-11-15 Kline & Walker, Llc PFN/TRAC system FAA upgrades for accountable remote and robotics control to stop the unauthorized use of aircraft and to improve equipment management and public safety in transportation
US6799114B2 (en) 2001-11-20 2004-09-28 Garmin At, Inc. Systems and methods for correlation in an air traffic control system of interrogation-based target positional data and GPS-based intruder positional data
NL1020287C2 (nl) 2002-04-02 2003-10-03 Thales Nederland Bv Werkwijze voor meerdoelendetectie, met name voor toepassing in rondzoekradars met meerbundelvorming in elevatie.
DE10231712A1 (de) 2002-07-13 2004-01-29 Stn Atlas Elektronik Gmbh Verfahren zur Beobachtung einer Vielzahl von Objekten
US6822583B2 (en) * 2002-08-12 2004-11-23 Bae Systems Information And Electronic Systems Integration Inc. Method for passive “360-degree coverage” tactical fighter target tracking incorporating adaptive pilot maneuver cue processing
US7072792B2 (en) * 2002-12-24 2006-07-04 Daniel Freifeld Racecourse lap counter and racecourse for radio controlled vehicles
US6806828B1 (en) * 2003-09-22 2004-10-19 Itt Manufacturing Enterprises, Inc. Passive range and angle measurement system and method
US7680300B2 (en) * 2004-06-01 2010-03-16 Energid Technologies Visual object recognition and tracking
US7548184B2 (en) 2005-06-13 2009-06-16 Raytheon Company Methods and apparatus for processing data from multiple sources
EP1879149B1 (en) * 2006-07-10 2016-03-16 Fondazione Bruno Kessler method and apparatus for tracking a number of objects or object parts in image sequences
US7626535B2 (en) * 2006-11-09 2009-12-01 Raytheon Company Track quality based multi-target tracker
US20080255911A1 (en) * 2007-04-13 2008-10-16 Raytheon Company Method and system for adaptive closed loop resource management
US7864096B2 (en) 2008-01-23 2011-01-04 Aviation Communication & Surveillance Systems Llc Systems and methods for multi-sensor collision avoidance
US8330810B2 (en) 2008-02-27 2012-12-11 Honeywell International Inc. Systems and method for dynamic stabilization of target data detected from a moving platform
US8400619B1 (en) * 2008-08-22 2013-03-19 Intelligent Automation, Inc. Systems and methods for automatic target tracking and beam steering
US8264379B2 (en) 2009-03-10 2012-09-11 Honeywell International Inc. Methods and systems for correlating data sources for vehicle displays
FR2951553A1 (fr) 2009-10-20 2011-04-22 Thales Sa Procede de pistage associant un radar passif a d'autres senseurs
EP2513843A1 (en) * 2009-12-17 2012-10-24 BAE Systems Plc. Producing data describing states of a plurality of targets
CN102939611B (zh) * 2010-05-31 2016-08-03 日本电气株式会社 流动线检测***、流动线检测方法和流动线检测程序
CN101894381A (zh) 2010-08-05 2010-11-24 上海交通大学 动态视频序列中多目标跟踪***
US8378881B2 (en) 2010-10-18 2013-02-19 Raytheon Company Systems and methods for collision avoidance in unmanned aerial vehicles
CN102064783B (zh) 2010-11-02 2013-09-04 浙江大学 一种概率假设密度粒子滤波器的设计方法及滤波器
US8924137B2 (en) 2011-09-30 2014-12-30 Lockheed Martin Corporation Method and apparatus for dynamic air traffic trajectory synchronization
JP5306389B2 (ja) 2011-02-25 2013-10-02 株式会社東芝 目標追跡装置
US8799189B2 (en) 2011-03-11 2014-08-05 Raytheon Company Multiple hypothesis tracking
US8515881B2 (en) 2011-03-11 2013-08-20 Raytheon Company Multiple hypothesis tracking
WO2013023706A1 (en) * 2011-08-18 2013-02-21 Layar B.V. Computer-vision based augmented reality system
US20130229298A1 (en) 2012-03-02 2013-09-05 The Mitre Corporation Threaded Track Method, System, and Computer Program Product
CN103390262B (zh) 2012-05-11 2016-06-29 华为技术有限公司 数字滤波器权重系数的获取方法和装置
US8970429B2 (en) 2012-06-14 2015-03-03 Raytheon Company Systems and methods for tracking targets by a through-the-wall radar using multiple hypothesis tracking
US9495778B2 (en) 2012-08-27 2016-11-15 Kabushiki Kaisha Toshiba Information presenting apparatus and method for confirmed and tentative tracks
CN103310115B (zh) 2013-06-27 2015-12-23 西安电子科技大学 一种多目标跟踪的杂波估计方法
JP6406251B2 (ja) * 2013-07-17 2018-10-17 日本電気株式会社 物体追跡装置、物体追跡方法および物体追跡プログラム
US9269012B2 (en) 2013-08-22 2016-02-23 Amazon Technologies, Inc. Multi-tracker object tracking
CN103679753A (zh) 2013-12-16 2014-03-26 深圳大学 一种概率假设密度滤波器的轨迹标识方法及轨迹标识***
CN103729637B (zh) 2013-12-31 2017-01-11 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法
FR3017481B1 (fr) * 2014-02-07 2016-02-26 Sagem Defense Securite Procede de detection et de pistage de cibles
CN103902819A (zh) 2014-03-21 2014-07-02 哈尔滨工程大学 基于变分滤波的粒子优化概率假设密度多目标跟踪方法
JP6364922B2 (ja) * 2014-04-23 2018-08-01 富士通株式会社 統合先経路抽出方法、経路グラフ作成方法、装置、及びプログラム
US9851437B2 (en) * 2014-07-31 2017-12-26 Honeywell International Inc. Adjusting weight of intensity in a PHD filter based on sensor track ID
US10605607B2 (en) 2014-07-31 2020-03-31 Honeywell International Inc. Two step pruning in a PHD filter
US10309784B2 (en) * 2014-07-31 2019-06-04 Honeywell International Inc. Merging intensities in a PHD filter based on a sensor track ID

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5414643A (en) * 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5798942A (en) * 1994-04-05 1998-08-25 Trw Inc. N-best feasible hypotheses multitarget tracking system for space-based early warning systems
US7218270B1 (en) * 2003-02-10 2007-05-15 The United States Of America As Represented By The Secretary Of The Air Force ATR trajectory tracking system (A-Track)
EP1533628A1 (en) * 2003-11-19 2005-05-25 Saab Ab A method for correlating and numbering target tracks from multiple sources
US20130006577A1 (en) * 2010-03-15 2013-01-03 Bae Systems Pic Target tracking
CN103345577A (zh) * 2013-06-27 2013-10-09 江南大学 变分贝叶斯概率假设密度多目标跟踪方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111328403A (zh) * 2018-10-16 2020-06-23 华为技术有限公司 基于使用加权置信度值允许的质量指标改进的轨迹匹配
CN111328403B (zh) * 2018-10-16 2023-09-29 华为技术有限公司 基于使用加权置信度值允许的质量指标改进的轨迹匹配
US11889382B2 (en) 2018-10-16 2024-01-30 Huawei Technologies Co., Ltd. Trajectory matching based on use of quality indicators empowered by weighted confidence values

Also Published As

Publication number Publication date
CN105321380B (zh) 2020-02-07
IL240077B (en) 2020-03-31
US20160033281A1 (en) 2016-02-04
EP2980605B1 (en) 2021-09-01
EP2980605A1 (en) 2016-02-03
US11175142B2 (en) 2021-11-16

Similar Documents

Publication Publication Date Title
EP3859389B1 (en) Merging intensities in a phd filter based on a sensor track id
CN105321380A (zh) 基于传感器轨迹id更新phd过滤器中的强度
CN104699943A (zh) 无人飞行器***感测和避免传感器融合航迹初始化
US10564640B2 (en) System and method for sensing the driving environment of a motor vehicle
Li et al. An adaptive 3D grid-based clustering algorithm for automotive high resolution radar sensor
KR102168288B1 (ko) 다중 라이다를 이용한 다중 물체 추적 시스템 및 방법
CN111222568A (zh) 一种车辆网联数据融合方法及装置
EP2980603B1 (en) Two step pruning in a phd filter
KR101372390B1 (ko) 마코브 체인 방식의 다중스캔 추적 기법을 이용한 표적 추적방법 및 이를 이용한 표적 추적장치
CN104219488A (zh) 目标图像的生成方法和装置、以及视频监控***
Sung et al. Algorithm for searching and tracking an unknown and varying number of mobile targets using a limited fov sensor
EP2980602B1 (en) Adjusting weight of intensity in a phd filter based on sensor track id
Gan et al. Tracking the Splitting and Combination of Group Target With $\delta $-Generalized Labeled Multi-Bernoulli Filter
KR20220113509A (ko) 교통 관제 시스템을 감독하기 위한 방법 및 디바이스
Juang et al. Comparative performance evaluation of GM-PHD filter in clutter
Parker CASSANDRA: A Tool for Mission System Performance Prediction
US20240104167A1 (en) Kinematic invariant-space maximum entropy tracker (kismet)
Xiao et al. Clustering-based Learning for UAV Tracking and Pose Estimation
Lindenmaier et al. Comparison of sensor data fusion algorithms for automotive perception system
Gattein et al. Analysis and integration of road projection methods for multiple ground target tracking
Benjaminsson et al. Multiple object tracking with camera data and deep learning detectors
Zheng et al. LED path recovery in a moving sensor
O’Neil Predicting Custody of Objects in Cislunar Space
CN115453589A (zh) 基于自动驾驶的攻击检测方法、终端设备以及存储介质
CN115342817A (zh) 无人履带车辆轨迹跟踪状态监测方法、***、设备、介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant