CN101290350B - 地面集群目标跟踪方法 - Google Patents
地面集群目标跟踪方法 Download PDFInfo
- Publication number
- CN101290350B CN101290350B CN200810097990XA CN200810097990A CN101290350B CN 101290350 B CN101290350 B CN 101290350B CN 200810097990X A CN200810097990X A CN 200810097990XA CN 200810097990 A CN200810097990 A CN 200810097990A CN 101290350 B CN101290350 B CN 101290350B
- Authority
- CN
- China
- Prior art keywords
- cluster
- target
- tracking method
- processing
- geometric center
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种地面集群目标跟踪方法,其包括:生成集群,并采用集群几何中心跟踪法处理;将量测的信息与集群目标进行相关性处理;判断集群目标数是否存在增加;如果目标数增加,则合批处理,并修正原集群的几何中心;如果目标数没有增加,则继续判断该集群是否满足分离条件;如果满足分离条件,则进行分离处理,并对分离后的目标进行跟踪处理;最后,采用几何中心跟踪法对合批和不满足分离条件的集群进行跟踪维持处理;另,分离处理的集群在进行多目标跟踪处理后可再次进行新集群生成。本发明优点在于,解决了地面集群(或编队)跟踪处理中的不足,其可将众多目标归整为一个整体进行跟踪,有效地减少算法的复杂性和地面动目标指示雷达的资源。
Description
技术领域
本发明涉及一种跟踪方法,特别是一种对多目标进行集群式跟踪的方法。
背景技术
由于现代信息化战争复杂多变的战场环境,因此对地面机动目标跟踪提出了严峻的挑战。集群目标跟踪一直是目标跟踪领域的一个悬而未决的难题,由于地面目标距离相对较近、机动的不确定性及回波环境的复杂性,地面集群目标跟踪对采用的目标运动模型及其结构、滤波技术、数据关联技术和集群跟踪逻辑处理提出了更高的要求。
发明内容
鉴于上述情况,本发明的主要目的在于提供一种跟踪准确,且满足复杂环境下的地面集群目标跟踪方法。
为了达到上述目的,本发明采用了下述技术方案:
所述地面集群目标跟踪方法包括如下步骤:生成集群,并采用集群几何中心跟踪法对其进行处理;将雷达量测的信息与所生成的集群目标进行相关性处理;判断集群目标数目是否存在增加;如果目标数目增加,则进行合批处理,并修正原集群的几何中心;如果目标数目没有增加,则继续判断该集群是否满足分离条件;如果满足分离条件,则对该集群进行分离处理,然后针对该分离后的目标进行跟踪处理;最后,采用几何中心跟踪法对合批和不满足分离条件的集群进行跟踪维持处理;
此外,对于上述经过分离处理的集群在进行多目标跟踪处理后,可再次进行集群生成,进入新的集群目标跟踪中。
通过本发明所述的地面集群目标跟踪方法,解决了地面集群(或编队)跟踪处理中的不足和关键问题,其可将众多目标归整为一个整体进行跟踪,而不必对每个目标进行跟踪,因此,可有效地减少算法的复杂性和地面动目标指示雷达的资源,极具实用性。
附图说明
图1为本发明所述地面集群目标跟踪方法的流程图;
图2为所述集群形成的原理图;
图3为所述目标预测与量测最小外接矩形及其几何中心的确定之过程图;
图4为集群几何中心在跟踪过程中的演化图。
具体实施方式
下面结合附图以及具体实施例来对本发明所述地面集群目标跟踪方法作进一步的详细说明。
本发明所述的地面集群目标跟踪方法为一种将多目标视为一个整体来对其进行跟踪,其简单性以及实用性都是先有的跟踪方法都无法比拟的,通过本发明所述方法不必对每个目标进行跟踪,有效地减少了跟踪中算法的复杂性和地面动目标指示雷达的资源。
参照图1中所示,本发明所述地面集群目标跟踪方法包括如下步骤:
首先,采用集群判定规则并结合n/m滑窗逻辑法对多个目标进行判定生成集群,且采用集群几何中心跟踪法对该生成的集群进行跟踪处理,即对于一个初步形成的集群而言,首先得确定该集群目标预测和量测的最小外接矩形及其几何中心,并建立每个目标与集群几何中心的空间对应关系,然后才能对其采用几何中心跟踪法处理(步骤100);
其次,将雷达量测的目标状态信息与集群中的目标进行相关性处理(步骤101);进而根据雷达量测的信息以及集群判定规则去判断集群中目标数目是否存在增加(步骤102)。
如果目标数目有增加,则对该增加的目标与原集群进行合批处理,然后修正原集群的几何中心(步骤103和步骤105)。
如果目标数目并没有存在增加,则进一步去判断该集群是否满足分离条件(步骤104)。
其次,如果满足分离条件,则对该集群进行分离处理,然后采用多目标跟踪方法针对该分离后的目标进行跟踪处理(步骤106和步骤107)。
最后,对于合批以及不满足分离条件的集群继续采用几何中心跟踪法进行跟踪维持处理(步骤108);以及对于经过分离处理的集群在进行多目标跟踪处理后,可再次进行新的集群生成(步骤100)。
所述目标数目未存在增加为包括两种情况,一种为目标数目不变,二为目标数目有减少。
对于上述本发明所述地面集群目标跟踪方法,其中,所述集群判定规则包括两个,如下:
1)如果在连续时序内,多个(三个以上)目标距离相近,且在任一时刻具有相同的速率和运动方向,也即它们的空间结构稳定,则把这几个目标定义为一个集群(Formation)
2)如果在连续时序内,多个(三个以上)目标“聚”在一块,与其它目标距离相距较远,则把这样的“聚”定义为一个集群。
即,如果需要生成一个新的集群,首先,必须确定目标的关联区域(或跟踪门),然后根据关联算法对其进行相关性判定,则如果一个量测落入多个目标的关联区域,那么这多个关联区域就会产生交叠,此时,便可以依据上述集群判定规则,并且结合n/m滑窗逻辑法去生成一个集群。
此外,新生成的集群可以用集群所包含的目标数、空间结构、群的速度、运动方向和群的状态来表示。
参照图2中所示,其为集群形成的原理图。
其中,量测M1位于跟踪门T1和T2,记为:M1-T1,T2,量测M2位于跟踪门T2和T3,记为:M2-T2,T3,由于T2在先前的关联中已经存在,因此将这两个关联合并成:M1,M2-T1,T2,T3;以此类推,使用上述关联方法,且以多个目标的关联区域(区域200)相互交叠渐次成群,从而逐步确定集群。
譬如,一个新集群可以表示为:
Formation={N,v,θ,(xO,yO,a,b),FormationState}
其中:N为目标个数;
v为群目标的运动速率;
θ为群目标的运动方向;
(xO,yO,a,b)为集群目标最小外接矩形中心位置向量及其长和宽;
而FormationState为群所处的状态,且0:稳定;±1:不稳定,+1:目标增加,-1:目标减少。
此外,所述分离条件可包括集群目标的个数以及目标的间距,通过比较前后量测的目标数和通过前后目标间距进行集群的边界检测进行判断,从而决定是否进行集群的分离。
即,实际应用中,且对集群目标分离进行判定时,需要首先检测集群目标的个数,其需要依据一个无关计数器判定规则去判定,且该无关计数器为一无相关量测的计数器。即,如果在连续几拍扫描内,利用无关计数器来计数集群中发生的目标消失,然后将该计数的目标消失与设定的属于分离范围内之消失值进行判定,如果满足,则判定该集群中的某个目标消失;其次,对集群中的目标的前后间距进行比对;且当目标个数减少以及前后目标间距异常,从而判定该集群符合分离条件。
对于目标个数的检测而言,其具体如下:
对于属于某个集群中的目标可表示如下:
Target(i)={Si,OTi,Formation(j),NoRelationCounter(i)}.其中:状态向量Si=[x,y,v,θ]T;
坐标差对OTi=[Δxi,Δyi];
Formation(j)表示目标i属于第j个集群;
NoRelationCounter(i)表示与目标i无相关量测的计数器。
且假设一个集群集合用群中目标编号表示为
FormationID={Target(1),Target(2),…,Target(N)}
并且定义三个事件:
事件A:“目标i与量测相关”,收到与目标i相关联的量测。
事件B:“目标i与量测无关”,没有收到与目标i相关联的量测。
事件C:“目标i消失”,连续三拍扫描中事件B都发生,即NoRelationCounter(i)=3。
NoRelationCounter(i)计数规则如下:
事件A发生时,则NoRelationCounter(i)置为0;
事件B发生时,则NoRelationCounter(i)置为1。
对NoRelationCounter(i)无关计数过程如下:
1)初始化:t=0
FormationID={Target(1),Target(2),…,Target(N)},集群长度为Length(FormationID)=N。
对于目标i=1,2,…,N,设NoRelationCounter(i)=0。
2)对于时刻t=1,2,…时有:
对于目标i=1,2,…,Length(FormationID),有:
如果事件A发生,就设无关计数器NoRelationCounter(i)=0;
如果事件B发生,就设无关计数器NoRelationCounter(i)=NoRelationCounter(i)+1。
如果无关计数器NoRelationCounter(i)=3时,则认为事件C发生,从而根据该状况判定集群的目标数发生减少,此时,将该消失的目标从原集群中去掉,也即FormationID=FormationID-{Target(i)},且将原集群长度相应减少,即Length(FormationID)=N-1。
对于根据量测前后目标之间的间距来对边界进行检测,其具体如下:
其可采用判别式 <math><mrow><mo>|</mo><msub><mi>R</mi><mrow><mi>i</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>|</mo><mo>=</mo><mo>|</mo><msub><mi>R</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>R</mi><mi>i</mi></msub><mo>|</mo><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msub><mi>x</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>y</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>y</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt> 来对边界进行检测,其中,Ri(i+1)表示第i个目标与其相邻的第i+1个目标之间的距离,且设置集群分离的距离门限为Rlimit,并且当|Ri(i+1)|>Rlimit时,则判定认为该集群边界出现异常,集群中出现分离,需要对该集群进行分离处理。
另外,对于集群的合批,因为实际应用时,一旦有新的目标进入雷达视野并会立刻被雷达扫描到,但是由于新的目标量测与任何已知的航迹是没有关联的,所以在应用中可将这些新的目标量测结果先存储于一张候选航迹表中;以及,且由于处于候选的航迹之间通常是没有关联的,此时,并不能判定新集群的存在,则是需要将候选的航迹保留到下一个扫描节拍,然后,再通过设置合适的关联区域并且结合集群判定规则和n/m滑窗逻辑法将扫描到的新目标加入到一个已知的集群中,从而完成合批操作。
然而,所述集群跟踪维持可选择集群最小外接矩形、最小外接圆或最小闭包的几何中心,且采用几何中心跟踪法对集群进行跟踪维持;以及所述集群几何中心的修正操作为在集群进行合批后进行,因为新的目标加入后,该集群目标的关联区域就会产生变化,如果继续使用原有的几何中心,则会有对新集群目标跟踪不准确的问题出现,因此集群进行合批后必须对原有的集群几何中心进行重新修正。
譬如,以集群目标最小外接矩形为例,且该最小外接矩形,长与宽始终分别与笛卡尔坐标系的X轴与Y轴平行,该最小外接矩形的确定过程包括如下两个步骤:
1)预测的最小外接矩形的确定
对于三个以上的目标,无论多个目标是处于一条直线或者不在一条直线上,其处理方法均是一样。假设有N个目标组成一个集群,参照图3中所示,且图示●为量测位置以及▲为预测位置,并且图中所示N个目标的二维笛卡尔坐标位置向量分别为:
T1(x1,y1),T2(x2,y2),…,Ti(xi,yi),…,TN(xN,yN)。
设置目标预测最小外接矩形的四个顶点分别为A(xa,ya)、B(xb,yb)、C(xc,yc)和D(xd,yd),矩形几何中心为O(xO,yO),其中:
xa=xd=min{x1,x2,…,xN},
xb=xc=max{x1,x2,…,xN},
ya=yb=min{y1,y2,…,yN},
yc=yd=max{y1,y2,…,yN}。
2)确定最小外接矩形的中心
即图3中矩形几何中心点O的位置向量可以根据矩形四个顶点A、B、C和D的向量确定,如下:
从而借以该集群最小外接矩形以及几何中心的确定,从而将地面集群目标的跟踪问题简化为一个单目标的跟踪问题。
此外,如果在实际应用中需要知道集群中每个目标的估计和预测,则只需通过集群矩形几何中心与每个目标的对应关系求逆得到,其具体过程如下:
其中,首先必须建立集群几何中心与集群中各个目标的对应关系,该对应关系的建立,具体过程如下:
集群中第i个目标Ti(xi,yi)与矩形几何中心O(xO,yO)的对应关系用它们之间的坐标差对[Vxi,Vyi]表示,且
Vxi=xO-xi
Vyi=yO-yi
也即:Ti→O:[Vxi,Vyi]。
因此,整个集群中的所有目标与中心O的对应关系可以表示为
Ti→O:{[Vx1,Vy1],L,[Vxi,Vyi],L,[VxN,VyN]},i=1,2,…,N
其次,参照图4中所示,采用坐标差对求下一时刻的各目标位置向量,如下:
几个符号定义:
Ti,k(xi,k,yi,k):k时刻的第i个目标预测位置向量;
Mi,k(xi,k′,yi,k′):k时刻的第i个目标的量测位置向量;
Ok(xO,k,yO,k):k时刻的集群预测最小外接矩形中心位置向量;
Ok′(xO′,k′,yO′,k′):k时刻的集群量测最小外接矩形中心位置向量。
以及图中所示●为量测位置,▲为预测位置。
若集群从k时刻(集群最小外接矩形几何中心为Ok(xO,k,yO,k)运动一个时间步ΔT后其中心估计位置到达Ok+1点,设此时的集群最小外接矩形中心预测位置向量为Ok+1(xO,k+1,yO,k+1)。
在集群空间结构保持稳定(跟踪维持阶段)的前提下,采用集群最小外接矩形中心跟踪法对k+1时刻的矩形几何中心进行预测得到其预测值。通过此时刻(k+1时)的量测最小外接矩形中心的量测、k+1时刻的预测Ok+1(xO,k+1,yO,k+1)和整个集群的所有目标与最小外接矩形中心的对应关系,从而亦可求出k+1时刻的各目标位置估计向量,如下:
xi,k+1=xO,k+1-Vxi
yi,k+1=yO,k+1-Vyi
Claims (5)
1.一种地面集群目标跟踪方法,其特征在于,包括如下步骤:
A、生成集群,且采用集群几何中心跟踪法对该生成的集群进行跟踪处理;
B、将量测信息与集群目标进行相关性处理;
C、判定集群目标是否存在增加;
D、如果目标存在增加,则将该增加的目标与原集群进行合批处理,并对原集群的几何中心进行修正;
E、如果目标未存在增加,则进一步判断该集群是否满足分离条件;
F、如果满足分离条件,则对该集群进行分离处理,并采用多目标跟踪方法对各目标进行跟踪处理,步骤F后继续进行步骤A;
G、对进行合批处理和未满足分离条件的集群继续采用集群几何中心跟踪法进行跟踪维持处理。
2.根据权利要求1所述地面集群目标跟踪方法,其特征在于,所述集群为采用集群判定规则和n/m滑窗逻辑法生成。
3.根据权利要求1所述地面集群目标跟踪方法,其特征在于,所述分离条件包括目标数的减少和边界的异常。
4.根据权利要求2所述地面集群目标跟踪方法,其特征在于,所述集群判定规则为:
在连续时序内,多个目标距离相近,且在任一时刻具有相同的速率和运动方向,也即它们的空间结构稳定,则将这几个目标定义为一个集群。
5.根据权利要求2所述地面集群目标跟踪方法,其特征在于,所述集群判定规则为:
在连续时序内,多个目标“聚”在一块,与其它目标距离相距较远,则将这样的‘聚’在一块的多个目标定义为一个集群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810097990XA CN101290350B (zh) | 2008-05-21 | 2008-05-21 | 地面集群目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810097990XA CN101290350B (zh) | 2008-05-21 | 2008-05-21 | 地面集群目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101290350A CN101290350A (zh) | 2008-10-22 |
CN101290350B true CN101290350B (zh) | 2011-02-16 |
Family
ID=40034698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810097990XA Active CN101290350B (zh) | 2008-05-21 | 2008-05-21 | 地面集群目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101290350B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690458A4 (en) * | 2011-03-24 | 2014-08-13 | Furukawa Electric Co Ltd | RADAR DEVICE |
CN102590810B (zh) * | 2012-02-27 | 2014-04-16 | 西北工业大学 | 三角平方根分解的多目标跟踪方法 |
CN107169299B (zh) * | 2014-09-18 | 2021-06-15 | 中国人民解放军海军航空大学 | 一种编队目标分散机动模式下的跟踪方法 |
CN106291532B (zh) * | 2016-07-01 | 2018-08-10 | 耿文东 | 狭义群目标相关门形成方法 |
CN107783103B (zh) * | 2017-09-26 | 2019-07-09 | 武汉三江中电科技有限责任公司 | 一种轻量级带自学习功能的飞鸟跟踪智能方法 |
CN108614264B (zh) * | 2018-05-04 | 2023-08-04 | 武汉华讯国蓉科技有限公司 | 一种基于连通标记法则的雷达目标点迹凝聚方法 |
CN111091148B (zh) * | 2019-12-10 | 2021-07-27 | 成都纳雷科技有限公司 | 一种基于目标先验信息的车载雷达目标跟踪方法及装置 |
-
2008
- 2008-05-21 CN CN200810097990XA patent/CN101290350B/zh active Active
Non-Patent Citations (4)
Title |
---|
刘宇等.简约粒子群优化算法.《西安交通大学学报》.2006,第40卷(第8期),883-887. * |
杜鸿等.任务表集群计算平台的实时性研究.《飞行器测控学报》.2004,第23卷(第4期),75-78. * |
王中华等.基于UKF的双平台无源融合跟踪方法.《系统仿真学报》.2007,第19卷(第19期),4477-4486. * |
薛弘晔.并行BSP模型在实时集群系统中的应用.《计算机工程》.2008,第34卷(第4期),71-72. * |
Also Published As
Publication number | Publication date |
---|---|
CN101290350A (zh) | 2008-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101290350B (zh) | 地面集群目标跟踪方法 | |
Hu et al. | Statistical performance analysis of track initiation techniques | |
CN102881024B (zh) | 一种基于tld的视频目标跟踪方法 | |
CN109633589A (zh) | 目标跟踪中基于多模型优化多假设的多目标数据关联方法 | |
Connare et al. | Group IMM tracking utilizing track and identification fusion | |
CN107192995A (zh) | 一种多层次信息融合的纯方位水下目标跟踪算法 | |
CN104156984A (zh) | 一种不均匀杂波环境下多目标跟踪的概率假设密度方法 | |
Song et al. | Multi-vehicle tracking using microscopic traffic models | |
CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
CN109214432B (zh) | 一种多传感器多目标联合检测、跟踪与分类方法 | |
CN108614580A (zh) | 一种无人机目标跟踪中的分层避障控制方法 | |
CN103759732A (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
CN111830501B (zh) | Hrrp历史特征辅助的信号模糊数据关联方法及系统 | |
US5400264A (en) | Suboptimal joint probabilistic data association | |
CN107238835B (zh) | 一种编队目标点航抗叉关联方法 | |
Benoudnine et al. | Real time Hough transform based track initiators in clutter | |
Cui et al. | Online multi-target tracking for pedestrian by fusion of millimeter wave radar and vision | |
Haag et al. | Classification assisted tracking for autonomous driving domain | |
CN101308206A (zh) | 一种白噪声背景下的圆周轨迹机动目标跟踪方法 | |
CN116859350A (zh) | 一种基于无人机的组网雷达距离门联合拖引干扰方法 | |
Li et al. | Multi-mode filter target tracking method for mobile robot using multi-agent reinforcement learning | |
CN113219425A (zh) | 一种雷达目标检测性能的测试方法及系统 | |
CN109901152B (zh) | 异步动平台多基地传感器系统目标检测跟踪联合估计方法 | |
Yang | Review of Target Tracking Algorithms Based on Bayes Filtering | |
JP3044296B2 (ja) | 目標相関装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210714 Address after: 100084 Tsinghua Yuan, Beijing, Haidian District Patentee after: TSINGHUA University Address before: 100084 School of software engineering, Tsinghua University, Beijing 105, Haidian District Patentee before: Qin Zheng Patentee before: Guo Ronghua |
|
TR01 | Transfer of patent right |