CN101339243B - 一种地面集群目标跟踪系统 - Google Patents
一种地面集群目标跟踪系统 Download PDFInfo
- Publication number
- CN101339243B CN101339243B CN2008101185160A CN200810118516A CN101339243B CN 101339243 B CN101339243 B CN 101339243B CN 2008101185160 A CN2008101185160 A CN 2008101185160A CN 200810118516 A CN200810118516 A CN 200810118516A CN 101339243 B CN101339243 B CN 101339243B
- Authority
- CN
- China
- Prior art keywords
- cluster
- target
- metric data
- module
- current time
- 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
本发明公开了一种地面集群目标跟踪系统，包括：量测预处理模块，用于对初始量测数据中不符合条件的回波进行处理；群处理器模块，用于在系统初始化时，将所述量测预处理模块处理后的初始量测数据作为初始目标，并选择所述初始目标组成集群，确定该集群的跟踪点代表该集群被跟踪；将初始化后收到的量测数据更新所述集群跟踪点代表该集群被跟踪，得到当前时刻集群目标状态值。采用本发明所述方法，能够得到当前时刻地面目标状态值和下一时刻地面目标状态的预测值，并可即时显示输入和输出数据。
Description
技术领域
本发明涉及智能信息处理技术领域，具体涉及一种地面集群目标跟踪系统。
背景技术
目标跟踪理论最初是从跟踪空中目标发展起来的，目前应用最广泛的雷达跟踪系统也主要是解决空中目标的跟踪问题。对地跟踪系统相对来说发展比较晚，也不像对空跟踪系统那样完善，而且地面目标跟踪也比对空跟踪复杂。一是因为地面目标环境的复杂性，雷达必须在强杂波环境中检测目标，虚警、杂波大量存在，给雷达数据处理的计算量、处理速度提出了很高的要求；二是地面目标运动的复杂性，由于地面高、低速及非机动、高机动目标的并存，使得地面目标的跟踪问题变得复杂。
这些问题限制了地面目标跟踪系统的发展，并且由于集群目标数量巨大，集群判断条件复杂，集群目标跟踪系统发展更为滞后。
发明内容
本发明要解决的技术问题是提供一种地面集群目标跟踪系统，能够预测当前时刻，及下一时刻地面目标的状态，并可即时显示输入和输出数据。
本发明的目的是通过以下技术方案实现的：
一种地面集群目标跟踪系统，包括：
量测预处理模块，用于对初始量测数据中不符合条件的回波进行处理；
群处理器模块，用于在系统初始化时，将所述量测预处理模块处理后的初始量测数据作为初始目标，并选择所述初始目标组成集群，确定该集群的跟踪点代表该集群被跟踪；将初始化后收到的量测数据更新所述集群跟踪点代表该集群被跟踪，得到当前时刻集群目标状态；
其中，所述群处理器模块为至少两个，且系统还包括：
群量测分配模块，用于将接收到的所述量测数据根据雷达扫描的标识位，分配给不同的群处理器模块进行跟踪；
群并行控制模块，用于控制群处理器模块并行工作，并将所述群处理器模块跟踪后得到的当前时刻集群目标状态值汇总；
群状态综合模块，用于对所述群并行控制模块汇总后得到的，当前时刻集群目标状态值进行综合处理，并将综合处理后的结果输出。
进一步地，所述群状态综合模块具体包括：
数据综合处理模块，用于将所述群并行控制模块汇总后得到的当前时刻集群目标状态值进行综合处理，得到当前时刻该集群中所有目标的相对位置和状态；
输入输出模块，用于将通过所述数据综合处理模块处理后得到的当前时刻该集群中所有目标的相对位置和状态输出。
进一步地，所述量测预处理模块具体包括：
坐标变换模块，用于将平台坐标系下的量测数据通过坐标变换转换为笛卡尔坐标系或极坐标系下；
数据预处理模块，用于在经过所述坐标变换模块进行坐标转化后的量测数据中，剔除操作和记录时因为过失产生的回波，数据复制和计算处理时的错误而产生的回波和探测环境的变化使得部分数据与原先样本的模型不符合产生的回波。
进一步地，所述群处理器模块在确定集群目标跟踪点代表集群跟踪的同时，还要保存集群中每个目标与该跟踪点之间的映射关系。
进一步地，所述群处理器模块具体包括：
集群组队单元，用于把至少一个目标组成集群，确定集群包含的目标数和该集群的跟踪点，代表集群被跟踪，同时保存集群中每个目标与跟踪点之间的映射关系；
目标关联单元，用于将当前时刻接收到的量测数据，与通过所述集群组队单元组队后的集群跟踪点之间相关联；
目标判断单元，用于在当前时刻接收到的量测数据中，判断落入集群范围内的量测数据的数目，将所述落入集群范围内的量测数据数目与上一时刻集群目标数作比较，当所述落入集群范围内的量测数据数目大于上一时刻目标数时，进行集群合批；否则，当满足分离条件时，进行集群分批；
多目标跟踪单元，用于在所述目标判断单元进行集群分批后，对分批后的目标采用多目标跟踪，并将分批后的量测数据发送给所述集群组队单元，重新组成集群；
集群更新单元，用于接收所述目标判断单元对量测数据进行集群合批后的量测数据，或者接收当所述落入集群范围内的量测数据数目与上一时刻集群目标数相等，并且不满足分离条件时的量测数据，并根据接收到的所述量测数据和保存的上一时刻集群目标状态预测值，得到当前时刻状态值和下一时刻集群目标状态预测值。
进一步地，所述集群组队单元进行集群组队是通过集群组队规则实现的，所述集群组队规则包括自动组队和人工组队；
自动组队是将在连续时序内，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”定义为一个集群；
人工组队是通过人工输入方式指定集群中的目标，将这些集群目标看作整体作为跟踪目标。
进一步地，所述多目标跟踪单元具体包括：
数据关联子单元，用于将当前时刻接收到的量测数据，与所述集群分批后的目标相关联；
更新滤波子单元，用于根据经过所述数据关联子单元关联后的量测数据和保存的上一时刻的集群目标状态预测值，对当前时刻的集群目标状态进行估计，并对下一时刻集群目标状态进行预测。
进一步地，所述多目标跟踪单元具体还包括：
性能评估子单元，用于根据蒙特卡罗仿真统计对所述更新滤波子单元得到的当前时刻集群目标状态值和下一时刻集群目标状态预测值，进行误差计算，并将结果输出；
航迹管理子单元，与所述更新滤波子单元协同工作，用于根据当前时刻接收到的量测数据，集群目标状态值与下一时刻集群目标状态的预测值，管理集群目标运动过程中的航迹情况。
进一步地，所述数据关联子单元将当前时刻接收到的量测数据，与所述集群分批后的目标相关联的方法包括：根据当前时刻接收到的量测数据、上一时刻集群目标状态值和上一时刻的集群目标状态预测值，根据残差协方差矩阵计算跟踪门，将所述量测数据与所述跟踪门相匹配，将落入跟踪门内的量测数据放入有效的量测数据集合中，通过关联算法将有效的量测数据与具体目标相关联。
本发明的有益效果：
由上述本发明提供的技术方案可以看出，采用本发明所述系统，有效地解决了地面目标运动不确定性和回波环境复杂性问题，实现了地面集群目标的跟踪，并提高了雷达资源的利用率。
附图说明
图1为本发明所述系统的结构示意图；
图2为图1中所示本发明所述系统中群处理器模块的结构示意图；
图3为图2中所示本发明所述系统中多目标跟踪单元的结构示意图。
具体实施方式
本发明所述的地面集群目标跟踪系统，针对地面目标跟踪的特点和难点，通过实时接收雷达量测数据，估计当前时刻地面单目标、多目标或集群目标的状态，并能够预测下一时刻的状态，将数据即时显示。
下面结合附图对本发明的技术方案作进一步说明。
参照图1，本发明一种地面集群目标跟踪系统，包括：
量测预处理模块S11，用于对初始量测数据中不符合条件的回波进行处理；
群处理器模块S13，用于在系统初始化时，将所述量测预处理模块处理后的初始量测数据作为初始目标，并选择所述初始目标组成集群，确定该集群的跟踪点代表该集群被跟踪；将初始化后收到的量测数据更新所述集群跟踪点代表该集群被跟踪，得到当前时刻集群目标状态。
该量测预处理模块接收到的量测数据是通过数据库、文件和网络通信三种方式输入的。
当系统初始化时，群处理器模块将初始量测数据作为初始目标，根据集群组队规则组成集群，并确定集群的跟踪点代表该集群被跟踪；当系统初始化后，系统接收到量测数据，群处理器模块将接收到的量测数据进行综合处理，更新集群跟踪点代表集群被跟踪，这样根据集群的跟踪结果可以得到当前时刻集群中目标的状态值。
所述量测预处理模块具体包括：
坐标变换模块，用于将平台坐标系的量测数据通过坐标变换转换到笛卡尔坐标系或极坐标系下；
例如，根据平台坐标系得出量测数据为平台余弦坐标系下的量测数据，将初始量测数据从该坐标系下转化至笛卡尔坐标系下，原因是笛卡尔坐标系下的状态方程是线性的，这样操作和计算相对简便。
数据预处理模块，用于在经过所述坐标变换模块进行坐标转化后的量测数据中，剔除操作和记录时因为过失产生的回波，数据复制和计算处理时的错误而产生的回波和探测环境的变化使得部分数据与原先样本的模型不符合产生的回波。
通常在初始时刻，在每个区域中，如果目标的运动状态相似，就把这些目标都看作一个群中的目标，所述在群处理器模块确定集群的跟踪点代表该集群跟踪的同时，还要保存这些集群中目标与该跟踪点之间的映射关系，以便于逆推出具体每个目标的状态，并预测下一时刻它的状态。
所述群处理器模块确定集群的跟踪点代表该集群跟踪时，如果集群目标的覆盖范围是规则的几何图形，就选择这个几何图形的几何中心点，作为跟踪点；如果集群目标的覆盖范围是不规则的形状，就选择这个图形的质心，作为跟踪点；集群的跟踪点还可以是人为指定的领队目标，将这个目标作为跟踪点代表集群被跟踪。
群处理器模块S13为至少两个，本发明一种地面集群目标跟踪系统还包括：
群量测分配模块S12，用于将接收到的所述量测数据根据雷达扫描的标识位，分配到不同的群处理器模块进行跟踪；
通常，每个区域中包含较多目标，把运动状态相似并且距离较近的目标作为同一个集群，其余那些运动状态不同或距离较远的目标则不属于这个集群。
所述群量测分配模块可以通过自动或人工方式将每个区域中的集群分配给不同的群处理器跟踪处理。
群并行控制模块S14，用于控制群处理器模块并行工作，并将群处理器模块跟踪后得到的当前时刻集群目标状态值汇总；
因为不同群处理器模块对于集群目标处理的时间不同，需要等待所有群处理器模块都做完后才能进行下一步，所以通过群并行控制模块来实现各个群处理器模块处理过程的同步，最终将各个群处理器模块的跟踪结果汇总。
群状态综合模块S15，用于对所述群处理器模块汇总后得到的，当前时刻集群目标状态值进行综合处理，并将综合处理后的结果输出。
所述群状态综合模块对群处理器模块得到的结果进行综合处理，得到当前时刻集群中所有目标的相对位置和状态。
所述群状态综合模块具体包括：
数据综合处理模块，用于将所述群并行控制模块汇总后得到的当前时刻集群目标状态值进行综合处理，得到当前时刻该集群中所有目标的相对位置和状态；
输入输出模块，用于将通过所述数据综合处理模块处理后得到的当前时刻该集群中所有目标的相对位置和状态输出。
参考图2，所述群处理器模块具体包括：
集群组队单元S21，用于把至少一个目标组成集群，确定集群包含的目标数和该集群的跟踪点，代表集群被跟踪，同时保存集群中每个目标与跟踪点之间的映射关系；
所述集群组队单元将接收到的系统初始化时的初始量测数据或经过多目标跟踪单元进行集群分批后的目标，按照集群组队规则组成集群。
所述集群组队单元进行集群组队是通过集群组队规则实现的，所述集群组队规则是：所述集群组队单元通过自动组队或人工组队模式将距离相近且状态近似的多个目标组成集群，其中：
所述自动组队是将在连续时序内，多个目标“聚”在一块，与其它目标距离相距较远，将聚在一块的多个目标组织成一个集群，每个集群取其跟踪点作为跟踪目标；
所述人工组队是通过人工输入方式指定集群中的目标，将这些集群目标看作整体进行跟踪；在确定集群的目标和跟踪点后，计算并保存每个目标与跟踪点之间的映射关系。
目标关联单元S22，用于将当前时刻接收到的量测数据，与通过所述集群组队后的集群跟踪点之间相关联；
目标判断单元S23，用于在当前时刻接收到的量测数据中，判断落入集群范围内的量测数据的数目，将所述落入集群范围内的量测数据数目与上一时刻集群目标数作比较，当所述落入集群范围内的量测数据数目大于上一时刻目标数时，进行集群合批；否则，当满足分离条件时，进行集群分批；
所述判断落入集群范围内的量测数目是根据设置的跟踪门或者关联区域来判定的。
所述目标判断单元，将落入集群范围内的量测数据与上一时刻集群目标数作比较后，当落入集群范围内的量测数据与上一时刻目标数相等，且不满足分离条件时，系统对该集群继续采用跟踪点进行跟踪，将当前时刻的接收到的量测数据发送给集群更新单元。
所述分离条件包括：集群目标数目是否减少和集群目标间距的大小。
多目标跟踪单元S24，用于在所述目标判断单元进行集群分批后，对分批后的集群目标采用多目标跟踪，并将分批后的目标发送给所述集群组队单元，重新形成新的集群，进行相应的集群目标跟踪；
集群更新单元S25，用于接收所述目标判断单元对量测数据进行集群合批后的量测数据，或者接收所述落入集群范围内的量测数据与上一时刻集群目标数相等，不满足分离条件时的量测数据，并根据接收到的所述量测数据和保存的上一时刻集群目标状态预测值，对当前时刻状态进行估计，并对下一时刻集群目标状态进行预测。
参照图3，所述多目标跟踪单元具体包括数据关联子单元和新滤波子单元：
数据关联子单元S31，用于将当前时刻接收到的量测数据，与所述集群分批后的目标相关联；
更新滤波子单元S32，用于根据经过所述数据关联子单元关联后的量测数据和保存的上一时刻的集群目标状态预测值，对当前时刻的集群目标状态进行估计，并对下一时刻集群目标状态进行预测。
当集群分批后，此时就没有集群了，原集群中的所有目标被当作不同的目标进行处理，此时进入多目标跟踪单元，数据关联子单元将此时的量测数据与具体目标对应上，更新每个目标的状态，然后进入所述集群组队单元再进行集群组队。
所述数据关联子单元将接收到的量测数据与所述集群分批后的目标相关联的方法包括：将当前时刻接收到的量测数据，上一时刻集群目标状态值和期望关联的数据，根据上一时刻的集群目标状态预测值和残差协方差矩阵计算跟踪门，将所述量测数据与所述跟踪门相匹配，将落入跟踪门内的量测数据放入有效的量测数据集合中，通过关联算法将有效的量测数据与具体目标相关联，这样做得到的量测数据与目标关联正确率高于85％。
所述关联算法包括：最近邻法、概率数据关联和联合概率数据关联。
更新滤波子单元S32，用于根据上一时刻的状态预测和当前接收到的关联后的量测数据，对当前时刻的状态进行估计，并预测下一时刻目标的状态，将预测结果发给性能评估子单元。
所述更新滤波子单元接收上一时刻的集群目标状态预测、以及当前时刻经过数据关联后的量测数据后，对当前时刻的集群目标状态进行估计，并对下一时刻的集群目标状态进行预测。计算过程中的所述值和所述预测值数据会保存至数据库中，用于下一时刻的计算。通过地理信息修正量测法将量测的位置分布密度函数投影到道路方向，并将量测也投影到道路上，对量测值的位置和位置分布密度函数进行修正，也就是利用地理信息对量测进行预处理。
所述更新滤波子单元是通过：卡尔曼滤波、扩展卡尔曼滤波、Unscented卡尔曼滤波和粒子滤波等方法实现所述功能的。
所述多目标跟踪单元具体还包括性能评估子单元S34和航迹管理子单元S33：
性能评估子单元S34：用于根据蒙特卡罗仿真统计对所述更新滤波子单元得到的当前时刻集群目标状态值和下一时刻集群目标状态预测值，进行误差计算，并将结果输出；
航迹管理子单元S33，与所述更新滤波子单元协同工作，用于根据当前时刻接收到的量测数据，集群目标状态值与下一时刻集群目标状态的预测值，管理集群目标运动过程中的航迹情况。
所述航迹管理包括：稳定航迹、临时航迹和余波处理三部分。
所述稳定航迹，用当前时刻量测数据与量测轨迹相匹配，将匹配上的量测数据进行轨迹状态更新并计算轨迹质量，如果当前没有量测与该轨迹匹配，则降低航迹质量。当航迹质量低于某一阈值，则进行航迹终结的处理；
对于没有与稳定航迹匹配上的量测，则更新临时航迹状态，如果临时航迹达到质量要求，则转变为稳定航迹；仍然没有被匹配上的余波则进行临时航迹的起始。
所述状态管理子单元的功能是通过航迹起始、航迹更新、航迹质量排序、航迹合并、航迹终结等实现的。
所述多目标跟踪单元还包括一用户界面S36，用于：
将从更新滤波子单元实时获得数据进行显示和绘制。
所述用户界面包括：航迹显示窗口、量测信息和状态估计显示窗口、性能评估显示窗口、目标控制台以及参数配置窗口。
航迹显示窗口按照每个集群独立窗口的方式显示集群中所有目标的轨迹，包括量测轨迹和估计轨迹，并可缩放显示；
量测信息和状态估计显示窗口展现了目标的编号、位置、速度、角度等目标状态数据；
性能评估窗口显示了性能评估模块统计出来的误差值；
目标控制台提供给用户用人工选取目标组队进行集群跟踪的接口。
所述多目标跟踪单元具体还包括：数据库S35，作为整个系统提供数据操作的基础，主要与量测预处理模块、数据关联模块、更新/滤波模块及I/O控制模块等单元进行交互，该模块是其它功能单元的数据支撑；用于管理量测数据、集群目标状态值与下一时刻集群目标状态预测值、性能评估值、地图信息的增删改查。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种地面集群目标跟踪系统，其特征在于，包括：
量测预处理模块，用于对初始量测数据中不符合条件的回波进行处理；
群处理器模块，用于在系统初始化时，将所述量测预处理模块处理后的初始量测数据作为初始目标，并选择所述初始目标组成集群，确定该集群的跟踪点代表该集群被跟踪；将初始化后收到的量测数据更新所述集群跟踪点代表该集群被跟踪，得到当前时刻集群目标状态值；
其中，所述群处理器模块为至少两个，且系统还包括：
群量测分配模块，用于将接收到的所述量测预处理模块处理后的量测数据根据雷达扫描的标识位，分配给不同的群处理器模块进行跟踪；
群并行控制模块，用于控制群处理器模块并行工作，并将所述群处理器模块跟踪后得到的当前时刻集群目标状态值汇总；
群状态综合模块，用于对所述群并行控制模块汇总后得到的，当前时刻集群目标状态值进行综合处理，并将综合处理后的结果输出。
2.根据权利要求1所述的系统，其特征在于，所述群状态综合模块具体包括：
数据综合处理模块，用于将所述群并行控制模块汇总后得到的当前时刻集群目标状态值进行综合处理，得到当前时刻该集群中所有目标的相对位置和状态；
输入输出模块，用于将通过所述数据综合处理模块处理后得到的当前时刻该集群中所有目标的相对位置和状态输出。
3.根据权利要求1所述的系统，其特征在于，所述量测预处理模块具体包括：
坐标变换模块，用于将平台坐标系下的量测数据通过坐标变换转换为笛卡尔坐标系或极坐标系下；
数据预处理模块，用于在经过所述坐标变换模块进行坐标转化后的量测数据中，剔除操作和记录时因为过失产生的回波，数据复制和计算处理时的错误而产生的回波和探测环境的变化使得部分数据与原先样本的模型不符合产生的回波。
4.根据权利要求1所述的系统，其特征在于，所述群处理器模块在确定集群目标跟踪点代表集群跟踪的同时，还要保存集群中每个目标与该跟踪点之间的映射关系。
5.根据权利要求1所述的系统，其特征在于，所述群处理器模块具体包括：
集群组队单元，用于把至少一个目标组成集群，确定集群包含的目标数和该集群的跟踪点，代表集群被跟踪，同时保存集群中每个目标与跟踪点之间的映射关系；
目标关联单元，用于将当前时刻接收到的量测数据，与通过所述集群组队单元组队后的集群跟踪点之间相关联；
目标判断单元，用于在当前时刻接收到的量测数据中，判断落入集群范围内的量测数据的数目，将所述落入集群范围内的量测数据数目与上一时刻集群目标数作比较，当所述落入集群范围内的量测数据数目大于上一时刻目标数时，进行集群合批；否则，当满足分离条件时，进行集群分批；
多目标跟踪单元，用于在所述目标判断单元进行集群分批后，对分批后的目标采用多目标跟踪，并将分批后的目标发送给所述集群组队单元，重新组成集群；
集群更新单元，用于接收所述目标判断单元对量测数据进行集群合批后的量测数据，或者接收当所述落入集群范围内的量测数据数目与上一时刻集群目标数相等，并且不满足分离条件时的量测数据，并根据接收到的所述量测数据和保存的上一时刻集群目标状态预测值，得到当前时刻目标状态值和下一时刻集群目标状态预测值。
6.根据权利要求5所述的系统，其特征在于，所述集群组队单元进行集群组队是通过集群组队规则实现的，所述集群组队规则包括自动组队和人工组队；
自动组队是将在连续时序内，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”定义为一个集群；
人工组队是通过人工输入方式指定集群中的目标，将这些集群目标看作整体作为跟踪目标。
7.根据权利要求5所述的系统，其特征在于，所述多目标跟踪单元具体包括：
数据关联子单元，用于将当前时刻接收到的量测数据，与所述集群分批后的目标相关联；
更新滤波子单元，用于根据经过所述数据关联子单元关联后的量测数据和保存的上一时刻的集群目标状态预测值，对当前时刻的集群目标状态进行估计，并对下一时刻集群目标状态进行预测。
8.根据权利要求7所述的系统，其特征在于，所述多目标跟踪单元具体还包括：
性能评估子单元，用于根据蒙特卡罗仿真统计对所述更新滤波子单元得到的当前时刻集群目标状态值和下一时刻集群目标状态预测值，进行误差计算，并将结果输出；
航迹管理子单元，与所述更新滤波子单元协同工作，用于根据当前时刻接收到的量测数据，集群目标状态值与下一时刻集群目标状态的预测值，管理集群目标运动过程中的航迹情况。
9.根据权利要求7所述的系统，其特征在于，所述数据关联子单元将当前时刻接收到量测数据，与所述集群分批后的目标相关联的方法包括：根据当前时刻接收到的量测数据、上一时刻集群目标状态值和上一时刻的集群目标状态预测值，根据残差协方差矩阵计算跟踪门，将所述量测数据与所述跟踪门相匹配，将落入跟踪门内的量测数据放入有效的量测数据集合中，通过关联算法将有效的量测数据与具体目标相关联。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101185160A CN101339243B (zh) | 2008-08-15 | 2008-08-15 | 一种地面集群目标跟踪系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101185160A CN101339243B (zh) | 2008-08-15 | 2008-08-15 | 一种地面集群目标跟踪系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101339243A CN101339243A (zh) | 2009-01-07 |
| CN101339243B true CN101339243B (zh) | 2011-06-08 |
Family
ID=40213357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101185160A Active CN101339243B (zh) | 2008-08-15 | 2008-08-15 | 一种地面集群目标跟踪系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101339243B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291530B (zh) * | 2016-07-26 | 2018-12-18 | 北京航空航天大学 | 一种基于最近邻法的概率数据关联优化方法 |
| CN109990789A (zh) * | 2019-03-27 | 2019-07-09 | 广东工业大学 | 一种飞行导航方法、装置及相关设备 |
| 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 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1389808A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 机动多目标跟踪方法 |
| EP1571461A1 (en) * | 2004-03-01 | 2005-09-07 | Microsoft Corporation | A method for improving the precision of localization estimates |
-
2008
- 2008-08-15 CN CN2008101185160A patent/CN101339243B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1389808A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 机动多目标跟踪方法 |
| EP1571461A1 (en) * | 2004-03-01 | 2005-09-07 | Microsoft Corporation | A method for improving the precision of localization estimates |
Non-Patent Citations (2)
| Title |
|---|
| 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),第4477～4486页. * |
| 郭俊文等.机动目标空间群生成算法.《清华大学学报(自然科学版)》.2006,第46卷(第S1期),第1036～1040页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101339243A (zh) | 2009-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110865343B (zh) | 基于lmb的粒子滤波检测前跟踪方法及系统 | |
| CN103759732B (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
| CN103020989A (zh) | 一种基于在线场景特征聚类的多视角目标跟踪方法 | |
| CN101996420A (zh) | 信息处理装置、信息处理方法及程序 | |
| CN114584571B (zh) | 基于空间计算技术的电网场站数字孪生同步通信方法 | |
| CN105182311A (zh) | 全向雷达数据处理方法及系统 | |
| CN101339243B (zh) | 一种地面集群目标跟踪系统 | |
| CN106599915A (zh) | 一种车载激光点云分类方法 | |
| CN111829505A (zh) | 多传感器航迹质量外推航迹融合方法 | |
| CN110070565A (zh) | 一种基于图像叠加的船舶轨迹预测方法 | |
| CN109657928B (zh) | 一种车载传感器系统的闭环协同调度框架的协同调度方法 | |
| CN104143186A (zh) | 一种slic超像素分块优化方法 | |
| CN110376582A (zh) | 自适应gm-phd的机动目标跟踪方法 | |
| CN109189747A (zh) | 基于Spark大数据平台的电瓶车用户行为习惯分析方法 | |
| CN112991389A (zh) | 一种目标跟踪方法、装置及移动机器人 | |
| CN109872025A (zh) | 作物病虫害分区变量管理方法及装置 | |
| CN105741070B (zh) | 一种海量实时舱位运价结果数据快速差异更新存储的方法 | |
| CN111898746B (zh) | 一种中断航迹接续关联深度学习方法 | |
| CN103889053A (zh) | 一种自生长式的指纹图自主建立方法 | |
| CN104866821A (zh) | 基于机器学习的视频物体跟踪方法 | |
| CN113486960A (zh) | 基于长短时记忆神经网络的无人机跟踪方法、装置、存储介质及计算机设备 | |
| CN115374880A (zh) | 一种面向海上目标识别的多级增量数据融合系统 | |
| CN112258566B (zh) | 一种路面的采集点识别方法、装置及服务器 | |
| CN108875245A (zh) | 基于glmb滤波器的多传感器自适应角度控制方法 | |
| CN105721199B (zh) | 一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法 |
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: 20210705 Address after: 100084 Tsinghua Yuan, Beijing, Haidian District Patentee after: TSINGHUA University Address before: 100084 School of software, Tsinghua University, Beijing, Haidian District Patentee before: Qin Zheng Patentee before: Li Xiangnan Patentee before: Guo Ronghua |
|
| TR01 | Transfer of patent right |