CN114459484B - 航迹初始化方法及装置 - Google Patents
航迹初始化方法及装置 Download PDFInfo
- Publication number
- CN114459484B CN114459484B CN202210105477.0A CN202210105477A CN114459484B CN 114459484 B CN114459484 B CN 114459484B CN 202210105477 A CN202210105477 A CN 202210105477A CN 114459484 B CN114459484 B CN 114459484B
- Authority
- CN
- China
- Prior art keywords
- target
- initial
- track
- sensor
- value
- 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.)
- Active
Links
- 238000011423 initialization method Methods 0.000 title abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 153
- 238000005259 measurement Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000000354 decomposition reaction Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 15
- 230000001131 transforming effect Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种航迹初始化方法及装置,方法包括:获取初始时刻传感器输出目标在极坐标下的有效测量值;基于建立在直角坐标系下的目标运动模型,将有效测量值转换为满足对应关系条件的孪生航迹初始组合值;建立目标状态估计的评价函数模型,并将评价函数模型作用至孪生航迹初始组合值,得到多个航迹初始值对应的评价结果;选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。通过上述方法可以实现目标跟踪过程中对目标状态进行初始化,解决了现有经验设定法中经验值设定的不确定性以及位置差分法中测量周期的延时需求而导致航迹初始化方法存在误差较大、时间延时较长的问题。
Description
技术领域
本发明涉及导航技术领域,具体而言,涉及一种航迹初始化方法及装置。
背景技术
在基于雷达等传感器的目标检测及跟踪的数据处理技术领域,进行目标跟踪的航迹起始阶段,需要结合所假设的目标状态模型和测量值,对目标的状态进行初始化,也即进行目标跟踪滤波的初始值设置。
航迹初始化是否接近目标的真实运动状态,对后续的滤波效果和滤波收敛效果都有明显影响,如果初始化算法设置的初始值比较契合目标于运动的真实状态,那么跟踪滤波过程航迹收敛较快,并且滤波效果更接近目标真实值;反之,如果初始化算法设置的初始值相对偏离目标运动的真实状态,那么后续滤波算法那需要化较长的数据处理周期来消除初始值对目标真实运动状态的影响,甚至如果设置的初始值偏离目标运动的真实状态较大,可能直接导致后续滤波跟踪过程中航迹发散或者无法收敛。因此,有效的航迹初始化结果,有利于提升目标跟踪的滤波效果和滤波收敛速度。
在基于雷达等传感器的目标检测及跟踪过程中,通常传感器获得的是极坐标下的测量值,而目标跟踪处理算法是期望获得在直角坐标系下的目标运动状态。显然,在目标跟踪算法运行的起始时刻,需要对直角坐标系下的目标运动状态进行初始化设置,这里直角坐标系下的目标运动状态的初始化设置包括初始位置信息设置和初始速度信息设置,对于初始位置信息设置,可通过雷达传感器初始时刻的测量值经过极坐标转直角坐标的方式进行变换而得到,对于初始速度信息设置,并不能直接通过坐标变换得到。在目标跟踪领域中,对于初始化速度信息的设置方式主要有经验设定法、位置差分法。其中,经验设定法为基于所处场景的经验值,对目标运动的初始状态中速度信息进行经验性的初始值设置,显然经验值的不确定性及较大误差都不利于改善航迹的滤波效果;位置差分法为采用连续至少两个测量周期的数据进行位置差分估计目标运动的初始状态中速度信息,显然,采用位置查分方式进行目标运动状态中的速度信息初始化设置至少存在两个测量周期的延时,即至少在第二个测量周期才可以进行一次差分计算,此外,位置差分的性能易受到传感器测量精度的影响,例如,在电磁环境较为恶劣的目标密集场景,或因目标距离较远而导致量测误差较大的情况下,直接采用位置差分法求解得到的初始状态中的速度信息很可能与目标真实状态信息偏差较大,进而导致目标跟踪初期收敛速度较慢,甚至有可能使得滤波算法发散。
发明内容
本发明提供了一种航迹初始化方法及装置,能够在航迹初始化阶段设置多组目标在直角坐标系下的航迹初始值,并使用不同初始值建立相应的评价函数模型来对航迹初始值是否接近目标真实轨迹状态进行评价,从而解决了现有经验设定法中经验值设定的不确定性以及位置差分法中测量周期的延时需求而导致航迹初始化方法存在误差较大、时间延时较长的问题。具体的技术方案如下:
第一方面,本发明实施例提供了一种航迹初始化方法,所述方法包括:
获取初始时刻传感器输出目标在极坐标下的有效测量值,所述有效测量值包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度;
基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,所述孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值;
建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果;
选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
可选的,所述目标运动模型包括有效测量值与目标运动状态的多个对应关系条件,所述航迹初始值包括目标运动状态的初始位置信息和初始速度信息,
所述基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,包括:
利用所述目标运动模型中有效测量值与目标运动状态的第一对应关系条件,将所述有效测量值中的目标相对传感器的径向距离、目标相对传感器的方位角经过极坐标转直角坐标的方式进行变换,得到航迹初始值中目标运动状态的初始位置信息,所述初始位置信息为固定值;
利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,所述初始速度信息为多个不同数值组合;
将所述目标运动状态的初始位置信息分别与所述目标运动状态的初始速度信息相结合,得到为满足对应关系条件的孪生航迹初始组合值。
可选的,所述第一对应关系条件为所述有效测量值中的目标相对传感器的径向距离R0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始位置信息x0,y0之间的对应关系,具体第一对应关系条件表示如下:
x0=R0sinθ0
y0=R0cosθ0
其中,所述初始时刻目标运动状态中初始位置信息为所述初始时刻的测量值经过极坐标转直角坐标的方式进行变换得到;
所述第二对应关系条件为所述有效测量值中的目标相对传感器的径向多普勒速度vr0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始速度信息vx0、vy0之间的对应关系,具体第二对应关系条件表示如下:
vr0=vy0*cosθ0+vx0*sinθ0
其中,所述初始时刻目标运动状态中初始速度信息为所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解得到。
可选的,所述利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,包括:
根据预先设置孪生航迹初始组合值中航迹初始值的数量,确定有效测量值的多个起始分解方向;
利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度沿着所述多个起始分解方向进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息。
可选的,所述建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果,包括:
根据目标追踪所处理的数据特点建立目标状态评估的评价函数模型;
通过将所述孪生航迹初始组合值处理后带入所述目标运动模型,分别计算所述评价函数模型涉及的参数值;
通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果。
可选的,所述根据目标追踪所处理的数据特点建立目标状态评估的评价函数模型,包括:
若所述目标追踪所处理的数据仅涉及空间位置维度信息,选择欧氏距离评价函数模型作为目标状态评估的评价函数模型;
若所述目标追踪所处理的数据不局限于空间位置维度信息,选择统计距离评价函数模型作为目标状态评估的评价函数模型。
可选的,所述通过将所述孪生航迹初始组合值处理后带入所述目标运动模型,分别计算所述评价函数模型涉及的参数值,包括:
通过将所述孪生航迹组合值带入所述目标运动模型,分别计算预设测量周期对应目标在极坐标下的有效预测值,根据所述有效预测值与预设测量周期传感器输出的有效测量值之差,得到所述评价函数模型涉及的残差参数;
根据所述孪生航迹组合值以及传感器性能,设置预设测量周期对应目标运动状态的预测协方差,得到所述评价函数模型涉及的协方差参数。
可选的,所述评价函数模型涉及的残差参数Δυ具体表示为如下:
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,vrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,νr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度;
所述评价函数模型涉及的协方差参数S具体表示为如下:
其中,为σ2 R为目标运动状态的预测协方差;
所述评价函数模型fi具体表示为:
其中,α为评价函数模型的修正系数,用于调节残差Δυ或预测协方差S异常突变的情况。
可选的,在所述通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果之前,所述方法还包括:
根据传感器的数据测点设置所述评价函数模型的修正系数,所述修正系数用于调节所述评价函数模型的残差参数或协方差参数。
第二方面,本发明实施例提供了一种航迹初始化装置,所述装置包括:
获取单元,用于获取初始时刻传感器输出目标在极坐标下的有效测量值,所述有效测量值包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度;
设置单元,用于基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,所述孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值;
评价单元,用于建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果;
选取单元,用于选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
可选的,所述目标运动模型包括有效测量值与目标运动状态的多个对应关系条件,所述设置单元包括:
变换模块,用于利用所述目标运动模型中有效测量值与目标运动状态的第一对应关系条件,将所述有效测量值中的目标相对传感器的径向距离、目标相对传感器的方位角经过极坐标转直角坐标的方式进行变换,得到航迹初始值中目标运动状态的初始位置信息,所述初始位置信息为固定值;
分解模块,用于利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,所述初始速度信息为多个不同数值组合;
组合模块,用于将所述目标运动状态的初始位置信息分别与所述目标运动状态的初始速度信息相结合,得到为满足对应关系条件的孪生航迹初始组合值。
可选的,所述第一对应关系条件为所述有效测量值中的目标相对传感器的径向距离R0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始位置信息x0,y0之间的对应关系,具体第一对应关系条件表示如下:
x0=R0sinθ0
y0=R0cosθ0
其中,所述初始时刻目标运动状态中初始位置信息为所述初始时刻的测量值经过极坐标转直角坐标的方式进行变换得到;
所述第二对应关系条件为所述有效测量值中的目标相对传感器的径向多普勒速度νr0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始速度信息νx0、νy0之间的对应关系,具体第二对应关系条件表示如下:
vr0=vy0*cosθ0+vx0*sinθ0
其中,所述初始时刻目标运动状态中初始速度信息为所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解得到。
可选的,所述分解模块,具体用于根据预先设置孪生航迹初始组合值中航迹初始值的数量,确定有效测量值的多个起始分解方向;
所述分解模块,具体还用于利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度沿着所述多个起始分解方向进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息。
可选的,所述评价单元包括:
建立模块,用于根据目标追踪所处理的数据特点建立目标状态评估的评价函数模型;
计算模块,用于通过将所述孪生航迹初始组合值处理后带入所述目标运动模型,分别计算所述评价函数模型涉及的参数值;
汇总模块,用于通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果。
可选的,所述建立模块,具体用于若所述目标追踪所处理的数据仅涉及空间位置维度信息,选择欧氏距离评价函数模型作为目标状态评估的评价函数模型;
所述建立模块,具体还用于若所述目标追踪所处理的数据不局限于空间位置维度信息,选择统计距离评价函数模型作为目标状态评估的评价函数模型。
可选的,所述计算模块,具体用于通过将所述孪生航迹组合值带入所述目标运动模型,分别计算预设测量周期对应目标在极坐标下的有效预测值,根据所述有效预测值与预设测量周期传感器输出的有效测量值之差,得到所述评价函数模型涉及的残差参数;
所述计算模块,具体还用于根据所述孪生航迹组合值以及传感器性能,设置预设测量周期对应目标运动状态的预测协方差,得到所述评价函数模型涉及的协方差参数。
可选的,所述评价函数模型涉及的残差参数Δυ具体表示为如下:
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,vrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,νr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度;
所述评价函数模型涉及的协方差参数S具体表示为如下:
其中,为σ2 R为目标运动状态的预测协方差;
所述评价函数模型fi具体表示为:
其中,α为评价函数模型的修正系数,用于调节残差Δu或预测协方差S异常突变的情况。
可选的,所述评价单元还包括:
设置模块,用于在所述通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果之前,根据传感器的数据测点设置所述评价函数模型的修正系数,所述修正系数用于调节所述评价函数模型的残差参数或协方差参数。
第三方面,本发明实施例提供了一种存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现第一方面所述的方法。
第四方面,本发明实施例提供了一种应用调用驱动接口的设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现第一方面所述的方法。
由上述内容可知,本发明实施例提供的航迹初始化方法及装置,通过获取初始时刻传感器输出目标在极坐标下的有效测量值,并基于建立在直角坐标系下的目标运动模型,将有效测量值转换为满足对应关系条件的孪生航迹初始组合值,进一步建立目标状态估计的评价函数模型,并将评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果,选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。由此可知,与现有技术中使用经验设定法和位置差分法进行目标运动状态中速度信息初始化相比,本发明实施例可以在航迹初始化阶段设置多组目标在直角坐标系下的航迹初始值,并使用不同初始值建立相应的评价函数模型来对航迹初始值是否接近目标真实轨迹状态进行评价,从而解决了现有经验设定法中经验值设定的不确定性以及位置差分法中测量周期的延时需求而导致航迹初始化方法存在误差较大、时间延时较长的问题。
此外,本实施例还可以实现的技术效果包括:
由于航迹初始化中初始速度信息是一个不定解问题,并且传统的航迹初始化方法存在误差较大、时间延时较长的问题,本发明实施例中目标跟踪过程中航迹初始化方法,在航迹初始化阶段提供了孪生航迹初始组合值,为同一目标设置多个航迹初始值,并为不同航迹初始值建立相应的评价函数模型,随着后续目标跟踪算法的运行,越接近目标真实状态的航迹初始值,获得效果越好的评价结果,进而根据评价结果选取目标追踪使用的航迹初始值,能够快速准确的完成航迹初始化过程,这里孪生航迹初始组合值数量和评价函数模型均可灵活设置,相比传统方式具有更可靠的实用依据,从而避免数据特点的变化而引起算法处理的不灵活性。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种航迹初始化方法的流程示意图;
图2为本发明实施例提供的雷达坐标系下测量值与直角坐标系的几何关系示意图;
图3为本发明实施例提供的不同航迹初始化方式的目标跟踪分析示意图;
图4为本发明实施例提供的一种航迹初始化装置的组成框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种航迹初始化方法及装置,通过在航迹初始化阶段设置多组目标在直角坐标系下的航迹初始值,并使用不同初始值建立相应的评价函数模型来对航迹初始值是否接近目标真实轨迹状态进行评价,从而解决了现有经验设定法中经验值设定的不确定性以及位置差分法中测量周期的延时需求而导致航迹初始化方法存在误差较大、时间延时较长的问题。由于航迹初始化中初始速度信息是一个不定解问题,并且传统的航迹初始化方法存在误差较大、时间延时较长的问题,本发明实施例在航迹初始化阶段提供了孪生航迹初始组合值,为同一目标设置多个航迹初始值,并为不同航迹初始值建立相应的评价函数模型,随着后续目标跟踪算法的运行,越接近目标真实状态的航迹初始值,获得效果越好的评价结果,进而根据评价结果选取目标追踪使用的航迹初始值,能够快速准确的完成航迹初始化过程,这里孪生航迹初始组合值数量和评价函数模型均可灵活设置,相比传统方式具有更可靠的实用依据,从而避免数据特点的变化而引起算法处理的不灵活性。
下面对本发明实施例进行详细说明。
图1为本发明实施例提供的一种航迹初始化方法的流程示意图。所述方法可以包括如下步骤:
S100:获取初始时刻传感器输出目标在极坐标下的有效测量值。
在基于雷达等传感器的目标检测及跟踪过程中,通常传感器获得的是极坐标下的有效测量值,该有效测量值通常由三部分组成,包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度。
具体来说,雷达等传感器在目标检测及跟踪过程中会沿着运动轨迹预测输出不同时刻的测量值,这里初始时刻对应的有效测量值即为实测值,基于传感器的测量特点具有不同的测量精度。
S110:基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值。
其中,目标运动模型是建立在直角坐标系中,孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值,这里目标运动模型包括有效测量值与目标运动状态的多个对应关系条件,该航迹初始值相当于初始时刻的目标运动状态,包括目标运动状态的初始位置信息和初始速度信息。
具体地,一方面,可以利用目标运动模型中有效测量值与目标运动状态的第一对应关系条件,将有效测量值中的目标相对传感器的径向距离、目标相对传感器的方位角经过极坐标转直角坐标的方式进行变换,得到航迹初始值中目标运动状态的初始位置信息,该初始位置信息为固定值;另一方面,可以利用目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,该初始速度信息为多个不同数值组合;进一步将目标运动状态的初始位置信息分别与目标运动状态的初始速度信息相结合,得到为满足对应关系条件的孪生航迹初始组合值。
具体在实际应用场景中,目标运动状态可定义为一个多维向量,如:X=[x,y,vx,vy],这里x,y,vx,vy依次为目标横向位置、纵向位置、横向速度信息和纵向速度信息。通常雷达等传感器的测量过程得到的是极坐标下的测量值,并且该测量值受测量噪声的污染,这里有效测量值可表示为Z=[R,νr,θ],其中,R为目标相对于传感器的径向距离,νr为目标相对于传感器的方位角,θ为目标相对于传感器的径向多普勒速度。基于雷达等传感器的基本测量原理,雷达坐标系下测量值与直角坐标系的几何关系如图2所示,图2中可得雷达等传感器输出的有效测量值Z=[R,vr,θ]与目标运动状态X=[x,y,vx,νy]的对应关系如下:
因此,目标检测及跟踪数据处理算法即基于带有噪声且为极坐标系下传感器输出的测量值Z=[R,vr,θ],估计直角坐标系下的目标运动状态X=[x,y,vx,vy]。显然,目标跟踪算法运行的起始时刻,需要对直角坐标系下的目标运动状态X=[x,y,vx,vy]进行初始化设置,即得到初始时刻的目标运动状态X0=[x0,y0,νx0,vy0]。完成目标初始时刻运动状态初始值X0的设置即为航迹初始化过程。
由上可知,上述对应关系中包含两个对应关系条件,对于第一对应关系条件,初始时刻的目标运动状态X0=[x0,y0,vx0,νy0]中初始位置信息x0,y0,可通过雷达等传感器初始时刻的测量值Z0=[R0,vr0,θ0],经过极坐标转直角坐标的方式进行变换而得到,具体对应关系如下:
x0=R0sinθ0
y0=R0cosθ0
对于第二对应关系条件,初始时刻的目标状态X0=[x0,y0,vx0,vy0]中的初始速度信息vx0,vy0并不能直接通过坐标变换得到,由于基于雷达等传感器的基本检测原理,传感器检测到的径向多普勒速度是目标真实速度在径向的投影,显然初始时刻只能得到目标的位置、方向角及径向多普勒速度信息,而νr0、sinθ0、cosθ0均由测量值得到,显然第二对应关系条件为二元不定解方程,即{vr0=vy0*cosθ0+vx0*sinθ0}并不能直接解算出目标状态中的初始速度信息νx0,νy0。
具体在将有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解过程中,可以根据预先设置孪生航迹初始组合值中航迹初始值的数量,确定有效测量值的多个起始分解方向,并利用目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将有效测量值中的目标相对传感器的径向多普勒速度沿着多个起始分解方向进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息。
在实际应用场景中,孪生航迹初始组合值的数量可设置为m,由于航迹初始值中目标运动状态的初始速度信息是一个不定解,具体有效测量值的多个起始分解方向可以包括纵向起始方向1:(vx01,vy01)、正交起始分解方向2:(vx02,vv02)、横向起始分解方向3:(vx03,νy03),其他起始分解方向可任意设置,例如m:(νx0m,νy0m),只需要初始值中目标运动状态的初始速度信息满足第二对应关系条件。具体沿着多个起始分解方向分解得到航迹初始值中目标运动状态的初始速度信息如下:
…
S120:建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果。
其中,目标状态估计的评价函数模型用于针对步骤S110设置的多个航迹初始值后续的滤波处理效果进行评价,基于评价函数模型输出的评价结果可筛选出滤波处理效果最好的航迹初始值作为目标追踪使用的航迹初始值。具体的,可以根据目标追踪所处理的数据特点建立目标状态评估的评价函数模型,通过将有效测量值带入目标运动模型,分别计算评价函数模型涉及的参数值,进一步通过汇总评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果。
可以理解的是,对于评价函数模型的建立有多种方法,如欧氏距离法、统计距离法、多维度加权平价法等,具体可以根据目标追踪所处理数据的特点进行设置,若目标追踪所处理的数据仅涉及空间位置维度信息,选择欧氏距离评价函数模型作为目标状态评估的评价函数模型;若目标追踪所处理的数据不局限于空间位置维度信息,选择统计距离评价函数模型作为目标状态评估的评价函数模型。
具体在通过将有效测量值带入所述目标运动模型,分别计算评价函数模型涉及的参数值过程中,对于统计距离评价函数模型,该评价函数模型涉及的参数值主要包括残差参数和协方差参数,这里可以通过将孪生航迹组合值带入目标运动模型,分别计算预设测量周期对应目标在极坐标下的有效预测值,根据有效预测值与预设测量周期传感器输出的有效测量值之差,得到所价函数模型涉及的残差参数;根据孪生航迹组合值以及传感器性能,设置预设测量周期对应目标运动状态的预测协方差,得到评价函数模型涉及的协方差参数。
应说明的是,本发明实施例中孪生航迹初始组合值中航迹初始值的数量和评价函数模型所作用的预设测量周期均可基于所处理的数据灵活设置,相比于传统的经验值或者位置差分法的处理策略具有更高的可选择性,从而有效避免数据特点的变化而引起算法处理的不灵活性,具有更广泛的应用价值。
在实际应用场景中,对于统计距离评价函数模型,假设目标运动状态建立在直角坐标系,该目标状态表达式为X=[x,y,vx,vy],基于所采用传感器的测量特点,得到有效测量值的表达式为Z=[R,vr,θ],于是根据初始时刻传感器输出目标在极坐标下的有效测量值可以设置孪生航迹组合值,进一步基于所建立的目标运动模型,针对孪生航迹组合值中每组目标在直角坐标系下的航迹值初始,可预测得到一个第k时刻目标在直角坐标系下的预测值Xpre=[Xp,yp,vxp,vyp],结合第k时刻目标在直角坐标系下的预测值Xp可计算出第k时刻目标在极坐标系下的有效预测值Zpre=[Rp,vrp,θp],使用计算得到第k时刻目标在极坐标系下的有效预测值Zpre与第k时刻传感器输出目标在极坐标下的有效测量值Z之差Δυ=Zpre-Z,得到评价函数模型涉及的残差参数,具体表示如下:
/>
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,vrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,νr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度。
此外,利用孪生航迹初始组合值以及面对传感器的性能(如目标跟踪的起始计算),设置目标运动状态的预测协方差,当然为了航迹的快速收敛,目标运动状态的预测协方差可设置的比较大,具体可表示如下矩阵:
进一步的,建立的统计距离的评价函数模型fi表示为:
其中,α为评价函数模型的修正系数,用于调节残差Δυ或预测协方差S异常突变的情况,其取值范围为α∈[1,3],而具体取值主要取决于所处理的传感器数据测量值精度,若处理地数据测量值精度较高,可设置该值为3,若处理的数据测量精度较低,可设置该值为1.5,总之,通过该值适当修正测量值可避免起伏较大引起评价函数的波动。
S130:选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
可以理解的是,通过建立的评价函数模型可知,残差Δυ以及预测协方差S越小的航迹初始值评价函数模型的得分越大,评价结果越接近目标真实轨迹状态,从而是选出优胜的航迹初始值作为目标追踪使用的航迹初始值。
示例性的,设置孪生航迹初始组合值的数量为m=3,即航迹初始化值的个性化分解方向包括横向初始化、正交分解初始化、纵向初始化三种,设置评价函数模型作用的预设周期为n=3,即初始化航迹组合值包括的三条航迹初始组合值,从初始时刻算法就开始正常运行,在传感器运行至第3个测量周期即可基于评价函数模型,选取出最终的优胜航迹初始值,进而只选择优胜的航迹初始值进行后续的滤波跟踪处理,其中评价函数的修正系数α=1.5。具体图3提供了不同航迹初始化方式的目标跟踪分析示意图,图3为测试目标横向速度变化曲线,初始时刻传感器输出的有效测量值为Z0=[15.2028,44.3869,45.318],基于所设置的航迹初始值数量m=3,结合上文公式依次计算得到3个航迹初始值分别为:X01=[10.634,10.8648,0,6.3413]、X02=[10.634,10.8648,3.1699,3.2387]、X03=[10.634,10.8648,6.4789,0]。设置输出状态协方差为S=diag(0.92,1.05,0.15)。在传感器运行的第3个测量周期,3个航迹初始值输入至评价函数模型后得分依次为f1=3.7459、f2=3.9586、f3=3.5794。显然此时可以基于评价函数模型的得分高低,决胜筛选出第二条航迹初始值为优胜航迹,并作为最终的的获胜航迹继续后续的跟踪滤波处理,并且从图3的对比中也可分析得到,第二个航迹初始值的跟踪结果更接近目标的真实轨迹状态(图3中黑色点)。
本发明实施例提供的航迹初始化方法,通过获取初始时刻传感器输出目标在极坐标下的有效测量值,并基于建立在直角坐标系下的目标运动模型,将有效测量值转换为满足对应关系条件的孪生航迹初始组合值,进一步建立目标状态估计的评价函数模型,并将评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果,选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。由此可知,与现有技术中使用经验设定法和位置差分法进行目标运动状态中速度信息初始化相比,本发明实施例可以在航迹初始化阶段设置多组目标在直角坐标系下的航迹初始值,并使用不同初始值建立相应的评价函数模型来对航迹初始值是否接近目标真实轨迹状态进行评价,从而解决了现有经验设定法中经验值设定的不确定性以及位置差分法中测量周期的延时需求而导致航迹初始化方法存在误差较大、时间延时较长的问题。
基于上述实施例,本发明的另一实施例提供了一种航迹初始化装置,如图4所示,所述装置包括:
获取单元20,可以用于获取初始时刻传感器输出目标在极坐标下的有效测量值,所述有效测量值包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度;
设置单元22,可以用于基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,所述孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值;
评价单元24,可以用于建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果;
选取单元26,可以用于选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
可选的,所述目标运动模型包括有效测量值与目标运动状态的多个对应关系条件,所述设置单元22包括:
变换模块,可以用于利用所述目标运动模型中有效测量值与目标运动状态的第一对应关系条件,将所述有效测量值中的目标相对传感器的径向距离、目标相对传感器的方位角经过极坐标转直角坐标的方式进行变换,得到航迹初始值中目标运动状态的初始位置信息,所述初始位置信息为固定值;
分解模块,可以用于利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,所述初始速度信息为多个不同数值组合;
组合模块,可以用于将所述目标运动状态的初始位置信息分别与所述目标运动状态的初始速度信息相结合,得到为满足对应关系条件的孪生航迹初始组合值。
可选的,所述第一对应关系条件为所述有效测量值中的目标相对传感器的径向距离R0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始位置信息x0、y0之间的对应关系,具体第一对应关系条件表示如下:
x0=R0sinθ0
y0=R0cosθ0
其中,所述初始时刻目标运动状态中初始位置信息为所述初始时刻的测量值经过极坐标转直角坐标的方式进行变换得到;
所述第二对应关系条件为所述有效测量值中的目标相对传感器的径向多普勒速度vr0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始速度信息vx0、vv0之间的对应关系,具体第二对应关系条件表示如下:
vr0=vy0*cosθ0+vx0*sinθ0
其中,所述初始时刻目标运动状态中初始速度信息为所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解得到。
可选的,所述分解模块,具体可以用于根据预先设置孪生航迹初始组合值中航迹初始值的数量,确定有效测量值的多个起始分解方向;
所述分解模块,具体还可以用于利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度沿着所述多个起始分解方向进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息。
可选的,所述评价单元24包括:
建立模块,可以用于根据目标追踪所处理的数据特点建立目标状态评估的评价函数模型:
计算模块,可以用于通过将所述孪生航迹初始组合值处理后带入所述目标运动模型,分别计算所述评价函数模型涉及的参数值;
汇总模块,可以用于通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果。
可选的,所述建立模块,具体可以用于若所述目标追踪所处理的数据仅涉及空间位置维度信息,选择欧氏距离评价函数模型作为目标状态评估的评价函数模型;
所述建立模块,具体还可以用于若所述目标追踪所处理的数据不局限于空间位置维度信息,选择统计距离评价函数模型作为目标状态评估的评价函数模型。
可选的,所述计算模块,具体用于通过将所述孪生航迹组合值带入所述目标运动模型,分别计算预设测量周期对应目标在极坐标下的有效预测值,根据所述有效预测值与预设测量周期传感器输出的有效测量值之差,得到所述评价函数模型涉及的残差参数;
所述计算模块,具体还用于根据所述孪生航迹组合值以及传感器性能,设置预设测量周期对应目标运动状态的预测协方差,得到所述评价函数模型涉及的协方差参数。
可选的,所述评价函数模型涉及的残差参数Δυ具体表示为如下:
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,vrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,vr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度;
所述评价函数模型涉及的协方差参数S具体表示为如下:
其中,为σ2 R为目标运动状态的预测协方差;
所述评价函数模型fi具体表示为:
其中,α为评价函数模型的修正系数,用于调节残差Δu或预测协方差S异常突变的情况。
可选的,所述评价单元24还包括:
设置模块,可以用于在所述通过汇总所述评价函数模型涉及的参数值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果之前,根据传感器的数据测点设置所述评价函数模型的修正系数,所述修正系数用于调节所述评价函数模型的残差参数或协方差参数。
基于上述方法实施例,本发明的另一实施例提供了一种存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现上述方法。
基于上述实施例,本发明的另一实施例提供了一种车辆,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。所述车辆可以为非自动驾驶车辆,也可以为自动驾驶车辆。
上述***、装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (6)
1.一种航迹初始化方法,其特征在于,所述方法包括:
获取初始时刻传感器输出目标在极坐标下的有效测量值,所述有效测量值包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度;
基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,所述孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值;
建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果;
其中,所述评价函数模型涉及的残差参数△υ具体表示为如下:
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,νrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,νr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度;
所述评价函数模型涉及的协方差参数S具体表示为如下:
其中,为σ2 R为目标运动状态的预测协方差;
所述评价函数模型fi具体表示为:
其中,α为评价函数模型的修正系数,用于调节残差△υ或预测协方差S异常突变的情况;
选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
2.如权利要求1所述的方法,其特征在于,所述目标运动模型包括有效测量值与目标运动状态的多个对应关系条件,所述航迹初始值包括目标运动状态的初始位置信息和初始速度信息,
所述基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,包括:
利用所述目标运动模型中有效测量值与目标运动状态的第一对应关系条件,将所述有效测量值中的目标相对传感器的径向距离、目标相对传感器的方位角经过极坐标转直角坐标的方式进行变换,得到航迹初始值中目标运动状态的初始位置信息,所述初始位置信息为固定值;
利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,所述初始速度信息为多个不同数值组合;
将所述目标运动状态的初始位置信息分别与所述目标运动状态的初始速度信息相结合,得到为满足对应关系条件的孪生航迹初始组合值。
3.如权利要求2所述的方法,其特征在于,所述第一对应关系条件为所述有效测量值中的目标相对传感器的径向距离R0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始位置信息x0、y0之间的对应关系,具体第一对应关系条件表示如下:
x0=R0sinθ0
y0=R0cosθ0
其中,所述初始时刻目标运动状态中初始位置信息为所述初始时刻的测量值经过极坐标转直角坐标的方式进行变换得到;
所述第二对应关系条件为所述有效测量值中的目标相对传感器的径向多普勒速度νr0、目标相对传感器的方位角θ0与初始时刻目标运动状态中初始速度信息νx0、νy0之间的对应关系,具体第二对应关系条件表示如下:
νr0=νy0*cosθ0+νx0*sinθ0
其中,所述初始时刻目标运动状态中初始速度信息为所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解得到。
4.如权利要求2所述的方法,其特征在于,所述利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息,包括:
根据预先设置孪生航迹初始组合值中航迹初始值的数量,确定有效测量值的多个起始分解方向;
利用所述目标运动模型中有效测量值与目标运动状态的第二对应关系条件,将所述有效测量值中的目标相对传感器的径向多普勒速度沿着所述多个起始分解方向进行个性化分解,得到航迹初始值中目标运动状态的初始速度信息。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据传感器的数据测点设置所述评价函数模型的修正系数,所述修正系数用于调节所述评价函数模型的残差参数或协方差参数。
6.一种航迹初始化装置,其特征在于,所述装置包括:
获取单元,用于获取初始时刻传感器输出目标在极坐标下的有效测量值,所述有效测量值包括目标相对传感器的径向距离、目标相对传感器的方位角以及目标相对传感器的径向多普勒速度;
设置单元,用于基于建立在直角坐标系下的目标运动模型,将所述有效测量值转换为满足对应关系条件的孪生航迹初始组合值,所述孪生航迹初始组合值包括多组目标在直角坐标系下的航迹初始值;
评价单元,用于建立目标状态估计的评价函数模型,并将所述评价函数模型作用至孪生航迹初始组合值,以针对多组目标运动状态下的初始速度信息在预设测量周期内产生的航迹处理效果进行评价,得到多个航迹初始值对应的评价结果;
其中,所述评价函数模型涉及的残差参数△υ具体表示为如下:
其中,Rp为第k时刻有效预测值中的目标相对传感器的径向距离,θp为第k时刻有效预测值中的目标相对传感器的方位角,νrp为第k时刻有效预测值中的目标相对传感器的径向多普勒速度,R为第k时刻有效测量值中的目标相对传感器的径向距离,θ为第k时刻有效测量值中的目标相对传感器的方位角,νr为第k时刻有效测量值中的目标相对传感器的径向多普勒速度;
所述评价函数模型涉及的协方差参数S具体表示为如下:
其中,为σ2 R为目标运动状态的预测协方差;
所述评价函数模型fi具体表示为:
其中,α为评价函数模型的修正系数,用于调节残差△υ或预测协方差S异常突变的情况;
选取单元,用于选取评价结果最接近目标真实轨迹状态对应的航迹初始值作为目标追踪过程中使用的航迹初始值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210105477.0A CN114459484B (zh) | 2022-01-28 | 2022-01-28 | 航迹初始化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210105477.0A CN114459484B (zh) | 2022-01-28 | 2022-01-28 | 航迹初始化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114459484A CN114459484A (zh) | 2022-05-10 |
CN114459484B true CN114459484B (zh) | 2024-05-28 |
Family
ID=81411389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210105477.0A Active CN114459484B (zh) | 2022-01-28 | 2022-01-28 | 航迹初始化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114459484B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10142325A (ja) * | 1996-11-07 | 1998-05-29 | Mitsubishi Electric Corp | 多目標追尾方法及び多目標追尾装置 |
JP2004219300A (ja) * | 2003-01-16 | 2004-08-05 | Mitsubishi Electric Corp | 目標追尾装置 |
CN109100714A (zh) * | 2018-06-28 | 2018-12-28 | 中国船舶重工集团公司第七0七研究所 | 一种基于极坐标系的低慢小目标跟踪方法 |
CN109901153A (zh) * | 2019-03-29 | 2019-06-18 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
CN112379350A (zh) * | 2020-12-01 | 2021-02-19 | 吉林大学 | 智能车辆毫米波雷达多目标跟踪方法、装置及设备 |
-
2022
- 2022-01-28 CN CN202210105477.0A patent/CN114459484B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10142325A (ja) * | 1996-11-07 | 1998-05-29 | Mitsubishi Electric Corp | 多目標追尾方法及び多目標追尾装置 |
JP2004219300A (ja) * | 2003-01-16 | 2004-08-05 | Mitsubishi Electric Corp | 目標追尾装置 |
CN109100714A (zh) * | 2018-06-28 | 2018-12-28 | 中国船舶重工集团公司第七0七研究所 | 一种基于极坐标系的低慢小目标跟踪方法 |
CN109901153A (zh) * | 2019-03-29 | 2019-06-18 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
CN112379350A (zh) * | 2020-12-01 | 2021-02-19 | 吉林大学 | 智能车辆毫米波雷达多目标跟踪方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
基于轨迹预报的空间目标断续航迹关联算法;韩蕾蕾等;电光与控制(第12期);104-108 * |
Also Published As
Publication number | Publication date |
---|---|
CN114459484A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108535720B (zh) | 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述 | |
CN109472418B (zh) | 基于卡尔曼滤波的机动目标状态预测优化方法 | |
CN109407093B (zh) | 解决宽孔径雷达到达角模糊度的多普勒测量 | |
CN110554388B (zh) | 利用主车辆对目标的速度进行鲁棒估计的方法 | |
AU2009289008B2 (en) | Estimating a state of at least one target | |
US5877998A (en) | Recursive method for target motion analysis | |
CN108972553B (zh) | 一种基于粒子滤波算法的空间机械臂故障检测方法 | |
CN110058222B (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
JP7439105B2 (ja) | マルチ入力‐マルチ出力レーダセンサのキャリブレーション装置および方法 | |
CN113466890B (zh) | 基于关键特征提取的轻量化激光雷达惯性组合定位方法和*** | |
CN112180361A (zh) | 一种基于动态联邦滤波的车载雷达目标跟踪方法 | |
SG177059A1 (en) | Method and apparatus for passive determination of target data | |
CN114739391A (zh) | 跟踪目标的定位优化方法 | |
Liu et al. | Nonlinear estimation using central difference information filter | |
CN110637209A (zh) | 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质 | |
CN117606491B (zh) | 一种自主式水下航行器的组合定位导航方法及装置 | |
CN114459484B (zh) | 航迹初始化方法及装置 | |
CN111735443B (zh) | 一种基于赋值矩阵的密集目标航迹关联方法 | |
CN111426322B (zh) | 同时估计状态和输入的自适应目标跟踪滤波方法及*** | |
CN114877926B (zh) | 传感器故障检测与诊断方法、介质、电子设备及*** | |
CN114061592B (zh) | 基于多模型的自适应鲁棒auv导航方法 | |
CN114519262B (zh) | 基于改进gm(1,1)模型的空中目标威胁预测方法 | |
CN116027320A (zh) | 一种基于多因素欧式距离关联的雷达与ais数据融合方法 | |
CN115469314A (zh) | 一种均匀圆环阵稳健水下目标方位跟踪方法及*** | |
CN112285697A (zh) | 一种多传感器多目标空时偏差校准与融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |