CN104699943B - 无人飞行器系统感测和避免传感器融合航迹初始化 - Google Patents

无人飞行器系统感测和避免传感器融合航迹初始化 Download PDF

Info

Publication number
CN104699943B
CN104699943B CN201410727129.2A CN201410727129A CN104699943B CN 104699943 B CN104699943 B CN 104699943B CN 201410727129 A CN201410727129 A CN 201410727129A CN 104699943 B CN104699943 B CN 104699943B
Authority
CN
China
Prior art keywords
track
measurement
measurement result
time
test track
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
Application number
CN201410727129.2A
Other languages
English (en)
Other versions
CN104699943A (zh
Inventor
V.L.巴格什瓦
N.昆达克
M.维塞利
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 CN104699943A publication Critical patent/CN104699943A/zh
Application granted granted Critical
Publication of CN104699943B publication Critical patent/CN104699943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01S13/66—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
    • 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
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/282—Transmitters
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G01S13/18—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein range gates are used

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

无人飞行器系统感测和避免传感器融合航迹初始化。提供了一种用以根据传感器测量结果对航迹进行初始化的方法。该方法包括基于在三个连续时间下从至少一个传感器收集的数据来识别至少一个试验航迹；针对所识别的试验航迹对确认/删除航迹过滤器进行初始化；以及将根据状态矢量统计而计算的门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。

Description

无人飞行器系统感测和避免传感器融合航迹初始化
技术领域
本申请涉及一种无人飞行器系统感测和避免传感器融合航迹初始化。
背景技术
联邦航空管理局（FAA）已经规定在美国的国家空域（NAS）中操作的无人飞行器系统（UAS）（在本文中也称为远程操作飞行器（ROA））“必须提供等价的安全水平，与用于有人驾驶飞行器的看到并避开（SAA）要求相当”。与术语“感测到并避开（SAA）”互换地使用术语看到并避开。SAA的目的是为UAS提供针对有或没有活动的基于应答器的防撞系统的所有空中交通执行自分离（self separation）和防撞操纵的能力。当前，在世界上的任何地方都不存在已被证明的ROA SAA能力。没有SAA的NAS中的在操作中的远程操作飞行器要求来自FAA的授权证书，并且要求追踪平面（追踪ROA的平面）或ROA的基于地面的观察者。
用于UAS的SAA能力的开发已被FAA识别为使得UAS能够在NAS中操作所需的关键之一。用于这些UAS的非军事应用包括监视边境以对非法边境活动进行定位、监视危险且潜在致命的天气事件或监视交通条件。
NAS中的UAS的任何使用（不考虑制造商）必须遵循由FAA建立的规则和要求。SAA要求UAS检测并跟踪本机（ownship）UAS的操作附近的入侵飞行器以识别执行自分离和防撞所需的指导策略。检测和跟踪功能是用于UAS SAA能力的关键使能者（enabler），因为UAS不能针对未检测到的、未被跟踪的入侵飞行器执行自分离或防撞操纵。
发明内容
本申请涉及一种用以根据传感器测量结果对航迹进行初始化的方法。该方法包括基于在三个连续时间下从至少一个传感器收集的数据来识别至少一个试验航迹；针对所识别的试验航迹对确认/删除航迹过滤器（track filter）进行初始化；以及将根据状态矢量统计而计算的门（gate）用于以下各项中的一个：确认至少一个试验航迹；对至少一个试验航迹进行再处理；或删除至少一个试验航迹。
附图说明
图1是用以在交通工具的环境中检测和跟踪所感测对象的交通工具中的交通工具跟踪系统的实施例；
图2是用以确认或删除试验航迹的过程的实施例的流程图；
图3是用于用以根据传感器测量结果对航迹进行初始化的方法的实施例的流程图；
图4是指示用以执行3/3测量到测量数据关联的球形门的示例性使用的图；以及
图5是3/3测量到测量数据关联算法的实施方式的实施例的扩展流程图。
根据一般惯例，各种所述特征并未按比例绘制，而是为了强调与本发明有关的特征而绘制。遍及各图和正文，相似的参考符号表示相似的元件。
具体实施方式
在下面的详细描述中，对形成其一部分的附图进行参考，并且其中以图示的方式示出了其中可实施本发明的特定说明性实施例。足够详细地描述了这些实施例以使得本领域的技术人员能够实施本发明，并且应理解的是在不脱离本发明的范围的情况下，可利用其它实施例，并且可进行逻辑、机械和电气修改。因此不应以限制性意义进行以下详细描述。
感测到并避开（SAA）要求无人飞行器系统（UAS）检测并跟踪本机UAS的操作附近的入侵飞行器以识别执行自分离和防撞所需的指导策略。在本文中互换地使用术语“本机的操作附近”和“本机的环境”。SAA还用来指导靠自动驾驶仪进行操作的任何交通工具，而不管交通工具中的人的存在。如在本文中定义的，术语“本机交通工具”是容纳跟踪在本机交通工具的附近的其它交通工具的无人交通工具系统的交通工具。在本实施例的一个实施方式中，本机交通工具是本机UAS。在本实施例的另一实施方式中，本机交通工具是在自动驾驶仪模式下操作的汽车。检测和跟踪功能是用于UAS SAA能力的关键使能者，因为UAS不能针对未检测到的、未被跟踪的入侵飞行器执行自分离或防撞操纵。检测功能指的是使用监控传感器来测量入侵飞行器相对于本机UAS的位置。跟踪功能指的是将监控传感器测量结果融合在一起以估计入侵飞行器相对于本机UAS的轨迹统计（例如，航迹）。
本文所述的技术使用监控传感器来为入侵交通工具的测量提供能够作为时间的函数而相关或随机的对应测量标识符。在本文中互换地使用术语“监控传感器”和“传感器”。本文所使用的术语“测量”是由传感器进行以提供关于在本机交通工具的环境中的交通工具的数据的测量。跟踪功能：1）使用数据关联算法来估计入侵飞行器的航迹以向当前航迹指派测量结果，其包括已确认航迹和试验航迹两者；2）使用过滤器将所指派传感器测量结果与航迹的当前估计融合；以及3）监视（oversee）传感器融合操作，确认航迹，并在轨迹管理器处删除航迹。跟踪功能将用于进入传感器的视场的入侵交通工具的新航迹初始化或将用于在传感器的视场内的先前未检测到的入侵交通工具的新航迹初始化。本文所述的技术提供了用以将用于入侵交通工具（例如，入侵飞行器）的新航迹初始化以促进跟踪功能的技术。诸如最邻近（nearest neighbor）或联合概率数据关联（JPDA）之类的明示数据关联技术不具有对新航迹进行初始化的能力。
交通工具可以是飞行器、水上交通工具或陆地交通工具。本文中的某些所述实施例描述了飞行器，然而，不应将这解释为该技术的限制。例如，可以在被设计成在几乎没有来自汽车中的驾驶员的辅助的情况下自己驾驶的汽车中实施此技术。在此后一种情况下，跟踪交通工具系统是靠自动驾驶仪驾驶的汽车中的系统。
根据一组传感器测量结果对新航迹进行初始化。存在两种类型的传感器测量结果：1）入侵交通工具或对象发起的传感器测量结果；以及2）源自于混乱（clutter）的假测量结果。对于与传感器测量结果一起输出标识（ID）的监控传感器而言，存在三种类型的传感器测量结果ID分类。第一ID分类是用于合作传感器测量结果。合作传感器测量结果包括广播式自动相关监控（ADS-B）或具有相关航迹ID的交通防撞系统（TCAS）模式S。这些类型的传感器执行内部数据关联并输出跨测量时间一致（即，相关）的国际民航组织（ICAO）飞行器ID。第二ID分类是用于具有相关航迹ID的非合作传感器测量结果。在这种情况下，传感器执行内部数据关联并输出跨测量时间一致（相关）的唯一飞行器ID。第三ID分类是用于没有相关航迹ID的非合作传感器测量结果。此分类内的传感器是低级且廉价的；传感器输出跨测量时间不一致（相关）的测量标志符。
航迹初始化算法使用包括以下各项的三个主要步骤将新航迹初始化：1）使用3/3测量到测量（measurement-to-measurement）数据关联算法来识别试验航迹；2）使用三个连续传感器测量结果来计算试验航迹的轨迹统计；以及3）确认或删除传感器测量结果ID分类内的用于每个传感器的试验航迹。如果用3/3数据关联算法从一系列测量结果识别到试验航迹，则针对该试验航迹将确认/删除航迹过滤器初始化并将该航迹视为用于本机交通工具的环境中的新交通工具的可能航迹。
本文所述的算法要求至少一个传感器的三个连续测量结果以识别试验航迹。由于监控传感器提供使用遍及传感器的视场的均匀分布建模的假测量结果，所以使用三个连续测量结果来对航迹进行初始化使根据假测量结果识别的试验航迹的数目最小化且使针对假航迹初始化的过滤器的数目最小化。
本文所述的算法在最小二乘法公式化中使用试验航迹的三个连续的测量结果来估计用于入侵交通工具相对于本机交通工具的三维（3D）位置、速度以及加速度的统计。航迹统计的这些估计提供用以对用于试验航迹的过滤器进行初始化的系统化方法并使过滤器会聚所需的时间最小化。
本文所述的算法使用取决于传感器测量结果标识符跨时间是否相关而使用测量至航迹关联的确认试验航迹的两个替换方法。在其中传感器测量结果标识符相关的情况下，该算法使用ID与最近邻方法的组合来识别被关联到试验航迹的测量结果。针对每个试验航迹在零点处将航迹分数进行初始化且随后在候选测量结果被关联至航迹时被更新。将已更新航迹分数与所选阈值相比较以确认或删除试验航迹。由算法的设计者针对给定交通工具系统来选择该阈值。
航迹分数是用每个所指派的测量结果计算的分数的累计总数。在本实施例的一个实施方式中，航迹分数是针对每个所指派的测量结果或移动平均数而计算的有限数目的分数的累计总数。用于每个所指派测量结果的分数是预测测量矢量与实际测量矢量之间的卡方（chi-squared）距离的函数。设计者具有选择在确认航迹之前选择被关联到试验航迹的最小数目的候选测量结果的选项。此外，设计者还具有选择用来累积航迹分数的测量结果的数目、使得较旧的测量结果不再对航迹分数有贡献以有利于较新测量结果的选项。
在其中传感器测量结果标识符不相关的情况下，算法使用JPDA来将候选测量结果关联到试验航迹，因为传感器测量结果标识符未指示潜在的关联。JPDA允许指派给试验航迹的多个候选测量结果的可能性。针对每个试验航迹在零点处对航迹分数进行初始化且随后在候选测量结果被关联至航迹时被更新。如果向试验航迹指派多个候选测量结果，则根据所述多个测量结果来计算平均航迹分数，并使用该平均航迹分数来更新当前航迹分数。
图1是用以检测和跟踪交通工具20的环境12中的所感测对象15（1—N）的交通工具20中的交通工具跟踪系统10的实施例，其中，N是正整数。在本实施例的一个实施方式中，交通工具20是无人交通工具20。所感测对象15（1—N）正在以相应的速度V（1—N）移动。交通工具20包括惯性导航系统25和交通工具跟踪系统10。交通工具跟踪系统10包括至少一个传感器85、至少一个处理器80以及包括至少一个确认/删除航迹过滤器70、存储器86以及软件95的存储介质90。该至少一个确认/删除航迹过滤器70在本文中也称为航迹过滤器70。
传感器85被通信耦合以向处理器80输出数据。传感器85可操作以感测交通工具20的环境12中的对象15（1—N）。传感器85可以是能够感测对象15（1—N）的当前可用或未来开发的传感器中的任何一个。例如，传感器85可以对从x射线至射频的辐射谱的至少一部分中的辐射敏感。基于雷达的传感器和/或基于GNSS的传感器是用于本文所述技术的两个关键传感器技术。传感器85还可以是声学或振动传感器。
惯性导航系统25被通信耦合成向处理器85输出导航解决方案并从处理器80接收输入。航迹过滤器70被通信耦合成从处理器80接收输入并向处理器80输出数据。处理器80还被配置成根据要求而执行软件95。
航迹过滤器70包括下面详细地描述的识别试验航迹算法75、初始化过滤器算法76以及确认/删除算法77。识别试验航迹算法75、初始化过滤器算法76、以及确认/删除算法77一起形成航迹初始化算法75—77。
图2是用以确认或删除试验航迹的方法200的实施例的流程图。通过由处理器80（图1）来执行航迹过滤器70而实施方法200。
在方框202处，基于在三个连续测量时间下从至少一个传感器85收集的测量数据来识别至少一个试验航迹。处理器80在方框202处执行航迹过滤器70中的识别试验航迹算法75。通过识别可能源自于入侵交通工具（例如，图1中所示的所感测对象15—1至15—N）的测量序列来实现识别试验航迹的目的。使用测量序列来将试验航迹公式化。如本文所述，使用3/3数据关联算法来识别试验航迹。该3/3数据关联算法使用基于相对交通工具动态约束的球形门（spherical gate）和三个连续传感器测量结果来识别试验航迹。下面参考图3的方框308来更详细地描述此过程。
在方框204处，针对所识别的试验航迹将过滤器初始化。处理器80在方框204处执行航迹过滤器70中的初始化过滤器算法76以将所识别试验航迹初始化。通过对测量序列和与该测量序列相关联的统计执行最小二乘法分析来计算在初始时间（t0）下的状态矢量统计而将过滤器初始化。在本实施例的一个实施方式中，通过使用三个测量结果的观察序列来计算用于入侵交通工具的初始状态矢量的统计而将过滤器初始化。初始状态矢量的统计包括：位置均值矢量；速度均值矢量；加速度均值矢量；位置矢量的方差；速度矢量的方差；以及加速度矢量的方差。对三个连续关联测量结果和与三个连续关联测量结果相关联的统计执行最小二乘法分析。仅针对并非由源自于混乱的假测量结果所得到的潜在航迹而将过滤器初始化。典型监控传感器在测量时间下测量并输出约三十个航迹。由于将用于试验航迹的过滤器初始化要求大量的计算时间，所以3/3数据关联算法仅允许针对可能与入侵交通工具相关联的潜在航迹而将过滤器初始化。
在方框206处，将门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。该门是根据状态矢量统计而计算的。
图3是用于根据传感器测量结果对航迹进行初始化的方法300的实施例的流程图。从至少一个传感器85接收到的数据被执行航迹过滤器70的处理器80处理以如下在四个步骤中将航迹初始化：1）识别至少一个试验航迹（方框353）；2）针对所识别试验航迹将过滤器初始化（方框350）；3）使用过滤器和传感器测量结果来预测并更新所述至少一个试验航迹（方框351）；以及4）在试验航迹状态内确认、删除或保持（即再处理）试验航迹（方框354）。已确认试验航迹是能够由跟踪系统实施的已初始化新航迹。
方框350的功能是将过滤器初始化。方框350包括方框301和302。在方框301处，向方框303输入初始航迹分数。针对每个试验航迹而将一般地表示为图3中的TS的航迹分数初始化。在方框310处，在过滤器测量更新之后更新航迹分数。处理器80执行图1中所示的至少一个航迹过滤器70中的初始化过滤器算法76以实施方框350。在本实施例的一个实施方式中，初始航迹分数是存储在存储器86中的用户选择值。在本实施例的另一实施方式中，针对每个试验航迹在零点处将初始航迹分数初始化并随后在候选测量结果被关联到试验航迹时更新。在方框302处，将初始状态矢量统计输入到方框303。在试验航迹的识别期间生成初始状态矢量统计，如下面参考方框353所述。从传感器85向处理器80输入在三个连续测量时间t0、t1和t2下的测量结果，并且处理器80将数据发送到航迹过滤器70。在时间t2下使用三个连续测量结果来估计状态矢量的统计以将跟踪过滤器（tracking filter）初始化。由3/3数据关联算法308来选择三个连续测量结果。
一旦针对每个试验航迹将过滤器初始化，则流程进行至方框351。方框351包括方框303、304、306、309和310。在方框351处，预测并更新试验航迹。所述至少一个确认/删除航迹过滤器70使用来自方框304的状态矢量统计和来自方框305的测量结果以将测量结果关联到试验航迹。具体地，在方框351的方框304处，处理器80执行航迹过滤器70中的所述至少一个确认/删除算法77以计算预测测量矢量和创新（innovation）协方差矩阵。预测状态矢量统计包括计算预测测量矢量和创新协方差矩阵，其被以数学方式表示为。
如果在方框306处测量结果和试验航迹未通过（fail）椭圆形门测试，则流程从方框306进行至方框353。如果在方框306处测量结果和试验航迹通过椭圆形门测试，则流程进行至方框309、310和311。当传感器测量结果通过椭圆形选通测试（gating test）时，将该传感器测量结果指派给试验航迹。方法基于如下所述的阈值测试的结果而从方框311进行至一个方框312、313或314。
在方框303处，将用于试验航迹的初始状态矢量统计、航迹ID以及航迹分数输出到方框304。在本实施例的一个实施方式中，所感测对象15（1—N）中的至少一个被传感器85感测成包括具有ICAO ID的合作传感器测量结果。在本实施例的另一实施方式中，所感测对象15（1—N）中的至少一个被传感器85感测成包括具有唯一相关ID的非合作传感器测量结果。在本实施例的又一实施方式中，所感测对象15（1—N）中的至少一个被传感器85感测成包括具有随机ID的非合作传感器测量结果。在此后一种情况下，在方框303处向试验航迹指派唯一过滤器ID。
在方框304处，使用从方框303输入的用于试验航迹的初始状态矢量统计、航迹ID以及航迹分数来通过在第二时间t2下向第三时间t3传播状态矢量统计而预测在第三时间t3下的状态矢量统计。方法300的方框351中的流程从方框304进行至方框306。
在方框306处，使用椭圆形门来识别候选测量结果到试验航迹关联。使用在方框304中计算的预测状态矢量统计且使用未指派给当前航迹的从方框305输入到方框306的测量结果来计算椭圆形门。关于预测测量矢量将椭圆形门公式化以识别用于测量至航迹关联的候选测量结果。首先，计算所有选通测量结果与预测测量矢量之间的统计距离。选通测量结果是用于测量至航迹关联的候选测量结果。这用数学方式描述为：
实验航迹的数目
选通测量结果的数目
项dj,i是选通测量结果i与试验航迹预测j之间的距离。在本实施例的一个实施方式中，选择门的体积（预测窗口），使得存在对应于入侵飞行器的测量结果落在第i入侵飞行器15-i的门内的概率PG ~ 1，其中，i是正整数。
在方框306处还将在稍后的时间下（例如，在第四时间t4和第五时间t5下）获得的测量结果关联到试验航迹。在方框306处存在三个可能结果。
在方框306的一个结果中，传感器ID关联和椭圆形选通测试将测量矢量（在方框304处预测并在方框305处测量）关联至同一试验航迹。如果测量结果在用于具有对应航迹ID的试验航迹的椭圆形门内，则流程进行至方框309。在方框309处，将测量结果指派给试验航迹。如果传感器测量结果来自具有相关航迹ID的合作传感器或非合作传感器，则使用全局最近邻算法来向试验航迹指派候选测量结果。将性能指数最小化以识别与候选航迹相关联的测量结果。这用数学方式描述为：
。
如果传感器测量结果来自具有随机航迹ID的非合作传感器，则使用JPDA算法来向试验航迹指派候选测量结果。然后流程进行至方框310以更新试验航迹的统计和航迹分数。在方框310处，处理器80执行至少一个确认/删除算法77（图1）以更新状态矢量统计和航迹分数。
在方框306的另一结果中，传感器ID关联和椭圆形选通测试并不将测量矢量（方框305）关联到试验航迹。在这种情况下，航迹分数和状态矢量统计未被更新，并且方法300的流程从方框306进行至方框353中的方框307。
在方框306的又一结果中，传感器ID关联和椭圆形选通测试并未向同一试验航迹指派测量矢量（方框305）。如果测量矢量不在用于具有对应航迹ID的试验航迹的椭圆形门内，则测量结果未被指派给试验航迹且方法300的流程从方框306进行至方框353中的方框307。存在如下的来自方框306的两个流程：1）不向任何试验航迹指派测量结果且过程流到方框353中的307；或者2）更新试验航迹且过程经由方框309和310流到方框354中的方框311。
现在描述在方框310处实施的过程。应注意的是每个试验航迹可以具有多个选通测量矢量，因此可以向多个航迹指派选通测量矢量。这是由于测量矢量是入侵交通工具发起测量结果与假测量结果的组合或入侵交通工具靠近在一起的事实而引起的。方框310包括两个步骤。首先，使用测量更新来更新对应于试验航迹的状态矢量统计。
然后使用用于所有选通测量结果的平均航迹分数来更新用于试验航迹的航迹分数。使用卡方（χ2）技术来如下更新航迹分数：
在上面等式中，p等于测量矢量的维数（dimension），其中，p ；chi2cfd(x,dim)等于具有维度dim的x的卡方累计分布；并且c(k)等于时间k下的航迹分数。
χ2航迹分数是1与0之间的数，其中，1指示试验航迹对应于入侵交通工具的置信度（confidence）。如下定义航迹分数：
测量次数
入侵者交通工具航迹数
一旦在方框310处更新了用于试验航迹的状态矢量统计和航迹分数，则流程进行至方框354。方框354包括方框311—314。在方框311处，对试验航迹执行阈值测试。该阈值测试是基于两个用户定义阈值：第一阈值T1；以及第二阈值T2。在本实施例的一个实施方式中，第一阈值T1和第二阈值T2被存储在存储器86中。将在方框310处更新的航迹分数TS与第一阈值T1和第二阈值T2相比较以用于航迹确认。第一阈值T1被设置成大于第二阈值T2。
当航迹分数TS大于第一阈值T1时，流程从方框311进行至方框313，并且将试验航迹确认为航迹。当航迹分数TS小于第一阈值T1且大于第二阈值T2时，流程从方框311进行至方框314，并且试验航迹是已确认航迹并不是一定的（非决定的）。在这种情况下，将用于不确定航迹的航迹分数TS和状态矢量统计输出到方框303并对试验航迹进行再处理。当航迹分数TS小于第二阈值T2时，流程从方框311进行至方框312并删除试验航迹，因为测量结果不能保持试验航迹。
现在参考图4和5来描述方框353的过程。方框353包括方框307和308。如上所述，方法300的流程在候选测量结果并未与试验航迹相关联时从方框306进行至方框307。当来自传感器85的测量结果未被指派给已识别航迹或试验航迹时，方框353识别潜在试验航迹。存在传感器测量结果未被指派给已识别航迹或试验航迹的三个可能原因。在第一个情况下，来自传感器85的数据是假测量结果的结果。在第二个情况下，来自传感器85的数据指示来自在第一次被感测的环境12（图1）中的所感测对象15的传感器测量结果。在第三个情况下，来自传感器85的数据指示来自先前已被感测且然后随后在再次被感测之前的时间段内未被感测的对象的传感器测量结果。
在方框307处，将并未与试验航迹相关联的候选测量结果识别为未指派测量结果。在方框308处，处理器80执行确认/删除航迹过滤器70中的识别试验航迹算法75。具体地，在方框308处实施3/3测量到测量数据关联算法以识别试验航迹。
图4是指示用以执行3/3测量到测量数据关联的球形门101—103的示例性使用的图。图5是图3中所示的3/3测量到测量数据关联算法308的实施方式的实施例的扩展流程图500。流程图500概括了在方框350中如何使用来自3/3测量到测量数据关联算法308的数据来提取初始状态矢量和初始状态协方差。如下实施3/3测量到测量数据关联。将在任意时间狭可获得的传感器测量结果分类成两组：1）与当前被跟踪的入侵交通工具相关联的测量结果；以及2）未被关联到当前被跟踪的入侵交通工具的测量结果（例如，传感器的视域中的新交通工具将被跟踪）。针对前面的组，当测量结果与当前被跟踪的入侵交通工具相关联时，不要求航迹初始化。针对后面的组，当要跟踪新的交通工具时，实施航迹初始化。在这种情况下，使用球形门在连续测量时间下对连续测量结果执行测量到测量数据关联以识别潜在试验航迹。
具体地，当存在没有关联航迹ID的非合作传感器测量结果时，系统10形成门或预测窗口（一般地在图4中的101、102和103处表示）。存在用以选择门的多个方法。每个门101、102或103（在本文中也称为“球形门101、102或103”）包括预测其中预期在后续测量时间下的入侵交通工具的测量矢量的区域。选通过程使用非选通初始测量矢量或后续选通测量矢量来识别作为3选通测量矢量序列的一部分的下一测量矢量。
如图4中所示，使用与门阈值相比较的矢量之间的距离来识别测量到测量关联候选。门的使用通过减小搜索空间和数据关联组合的数目而有利地限制数据关联的计算负担。并且，门的使用有利地识别并未对应于当前航迹或试验航迹的那些测量结果。然而，并不保证选通测量结果源自于一个特定的入侵交通工具，因为预测窗口可以重叠或者传感器可以输出假测量结果。因此，选通测量结果仍具有关联不确定性。为了计及这个，每个测量序列被统计地指派选通测量结果。
球形门的阈值是关于测量矢量形成的区域的半径。门阈值是入侵交通工具与本机交通工具之间的最大相对速度的函数且是部分地基于测量结果统计而计算的。在本实施例的一个实施方式中，由用户来定义门阈值（即，用户定义阈值）。如下获得在时间t1下的测量矢量的最初选通标准。获得在初始时间t0下的未关联测量矢量的同一性（identity）。然后计算在时间t0和t1下的测量矢量之间的距离。将测量矢量之间的距离与门阈值相比较以识别测量到测量关联。如下以数学方式描述这些函数：
测量矢量之间的距离
门阈值
其中
最大相对速度用户定义的
先前两个测量结果之间的时间
位置标准偏差
调节参数用户定义的
距离矢量
时间t0下测量的数目
时间t1下测量的数目
在本实施例的一个实施方式中，仅使用两个连续测量结果来完成测量到测量关联，然而，可以使用假测量结果来将试验航迹公式化，并且存在用以针对大量的假航迹将过滤器初始化的高计算负担。在本实施例的另一实施方式中，使用四个连续测量结果来完成测量到测量关联。在这种情况下，如本领域的技术人员可理解的那样实施4/4测量到测量数据关联算法。
图4中所示的圆形门101—103是三维球形门的二维表示。在通常以K表示的初始时间t0下，未关联测量结果150-1由至少一个传感器85实现。如本文所定义的，未关联测量结果是并未与任何已知测量航迹序列相关联的传感器85获得的测量结果。在通常以K+1表示的第一时间t1下，两个未关联测量结果150-2和150-3由至少一个传感器85实现且两个关联测量结果155-1和155-2由至少一个传感器85实现。如本文定义的，关联测量结果与已知测量航迹序列相关联。如图4的示例性图中所示，关联测量结果155-1和155-2在用于先前未关联测量结果150-1的球形门101内。由于关联测量结果155-1和155-2在测量结果150-1的球形门101内，所以其与测量结果150-1相关联。关联测量结果155-1通过试验测量航迹序列160与测量结果150-1相关联且关联测量结果155-2通过试验测量航迹序列161与测量结果150-1相关联。
在通常以K+2表示的第二时间t2下，三个未关联测量结果150-4、150-5和150-6由至少一个传感器85实现且三个关联测量结果155-3、155-4和155-5由至少一个传感器85实现。如图4的示例性图中所示，关联测量结果155-3和155-4在用于结果155-1的球形门102内。由于测量结果155-3和155-4在用于测量结果155-1的球形门102内，所以其与测量结果155-1相关联。这样，在第二时间t2下识别从第一时间t1起位于关联测量结果的球形门内的测量结果。
如图4的示例性图中所示，测量结果155-4和155-5在用于测量结果155-2的球形门103内。由于测量结果155-4和155-5在用于测量结果155-2的球形门103内，所以其与测量结果155-2相关联。关联测量结果155-4与在第一时间t1下获取的测量结果155-1和155-2两者相关联，因为关联测量结果155-4在球形门102和103的重叠区域内。
如图4的示例性图中所示，关联测量结果155-3通过试验测量航迹序列160和162与测量结果150-1和155-1相关联，其一起形成单个试验航迹。同样地，关联测量结果155-5通过试验测量航迹序列161和165与测量结果150-1和155-2相关联，其一起形成单个试验航迹。关联测量结果155-4通过试验测量航迹序列160和163与测量结果150-1和155-1相关联，并且关联测量结果155-4还通过试验测量航迹序列161和164与测量结果150-1和155-2相关联。
如图5中所示，3/3测量到测量数据关联算法308包括用以将用于试验航迹的过滤器初始化的三个主要步骤。在通常在510处表示的3/3测量到测量数据关联算法308的第一主要步骤中，在方框510处从球形系到笛卡尔系对未指派测量结果解析（resolve）。以扩展形式将方框510示为方框511至方框513。方框511示出了在球形系中解析的测量结果统计。方框512示出了无先导变换（unscented transform）算法。方框513示出了在笛卡尔系中解析的测量结果统计。无先导变换提供了半径（R）、仰角（E）和方位角（A）的球形坐标中的统计到笛卡尔坐标（x，y，z）的非线性变换。这用数学方式描述为：
无先导变换
存在从球形系到笛卡尔系对未指派测量结果进行解析的其它方法，如本领域的技术人员已知的。
在通常在520处表示的3/3测量到测量数据关联算法308的第二主要步骤中，计算在初始时间t0下的状态矢量统计。以扩展形式将方框520示为方框521至方框523。在方框520处，在最小二乘法最小化中使用测量结果及其在笛卡尔系中的统计来确定状态均值矢量和状态协方差矩阵。方框521示出了位置、速度、加速度、初始位置、初始速度与初始加速度之间的一维（1D）运动学关系，以数学方式将其描述为：
其中
位置
速度
加速度
初始位置
初始速度
初始加速度
假设加速度在初始化时间帧（time frame）期间是恒定的。如下计算初始状态矢量统计。如下重写位置等式：
将点之间的距离最小化成二次等式p(t)，使得：
。
然后根据最小化公式识别临界点：
使用临界点来生成初始状态矢量解：
其中
并且
针对M个矢量计算均值和协方差。然后，在方框522处，执行最小二乘法分析以计算最小二乘解。
最后的等式E{X0}和＝是最小二乘解。在方框523处，在初始时间下计算状态矢量统计X0和P0。
在通常在530处表示的3/3测量到测量数据关联算法308的第三主要步骤中，在时间t2下计算统计。将方框530扩展成包括方框531。如在方框530处所示，在第二时间t2下通过将在初始时间t0下的状态矢量统计传播至第二时间t2来预测状态矢量统计。
此3/3测量结果关联有利地提供了用于初始状态矢量的更准确统计，减少了根据假测量结果公式化的试验航迹的数目，并且减少了针对试验航迹被初始化的过滤器的数目，这减少了计算负担。当从方框308向方框302发送在时间t2下计算的统计时，将过滤器初始化。
可用数字电子电路或用处理器（例如，专用处理器、诸如计算机之类的通用处理器或可编程处理器）、固件、软件或其组合来实施这里所述的方法和技术。体现这些技术的装置可包括适当的输入和输出设备、处理器、以及有形地体现用于由处理器执行的程序指令的存储介质。体现这些技术的过程可通过处理器执行指令程序以通过对输入数据进行操作并生成适当输出来执行期望的功能来执行。可用在可编程系统上可执行的一个或多个程序来有利地实施该技术，可编程系统包括被耦合成从数据存储系统、至少一个输入设备以及至少一个输出设备接收数据和指令以及向其发射数据和指令的至少一个处理器。一般地，处理器将从只读存储器和/或随机存取存储器接收指令和数据。
适合于有形地体现计算机程序指令和数据的存储设备包括所有形式的非易失性存储器，举例来说包括半导体存储设备，诸如EPROM、EEPROM、以及闪速存储设备；磁盘，诸如内部硬盘和可移动磁盘；磁光盘；以及DVD磁盘。可用特殊设计的专用集成电路（ASIC）或现场可编程门阵列（FPGA）来补充或在其中结合任何前述内容。
示例性实施例
示例1包括一种用以根据传感器测量结果将航迹初始化的方法，该方法包括：基于在处理器处在至少三个连续时间从至少一个传感器收集的数据来识别至少一个试验航迹；在处理器处针对所识别试验航迹将确认/删除航迹过滤器初始化；以及将根据状态矢量统计计算的门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。
示例2包括示例1的方法，其中，识别至少一个试验航迹包括实施3/3测量到测量数据关联算法。
示例3包括示例2的方法，其中，实施3/3测量到测量数据关联算法包括：从球形系到笛卡尔系对测量结果进行解析；计算在初始时间的状态矢量统计；计算在第二时间的状态矢量统计；以及输出初始状态矢量统计以针对所识别试验航迹将确认/删除航迹过滤器初始化。
示例4包括示例3的方法，其中，实施3/3测量到测量数据关联算法还包括：识别从初始时间起位于未关联测量结果的球形门内的在第一时间的测量结果，其中，球形门是关于测量矢量的球形区域，并且门阈值是球形区域的半径；以及识别从第一时间起位于关联测量结果的球形门内的在第二时间的测量结果。
示例5包括示例3—4中的任一项的方法，其中，计算在初始时间的状态矢量统计包括对测量序列和与测量序列相关联的统计执行最小二乘法分析。
示例6包括示例5的方法，其中，计算在第二时间下的状态矢量统计包括将初始状态矢量传播到第二时间。
示例7包括示例1—6中的任一项的方法，其中，使用根据状态矢量统计计算的门来确认所述至少一个试验航迹包括：通过将在第二时间的状态矢量统计传播到第三时间来预测在第三时间的状态矢量统计；实施椭圆形门以确定候选测量结果是否与试验航迹相关联；以及向试验航迹提供测量结果指派。
示例8包括示例7的方法，还包括：更新已确认试验航迹；将用于已确认试验航迹的分数初始化并更新；以及对已更新已确认试验航迹和航迹分数实施阈值测试。
示例9包括示例1—8中的任一项的方法，其中，使用根据状态矢量统计计算的门来删除所述至少一个试验航迹包括：通过将在第二时间的状态矢量统计传播到第三时间来预测在第三时间的状态矢量统计；实施椭圆形门以确定候选测量结果是否与试验航迹未关联；以及针对未关联候选测量结果将确认/删除航迹过滤器初始化以确定未关联候选测量结果是否是新航迹。
示例10包括程序产品，其包括在存储介质上包含的程序指令，其可操作用于引起处理器以：基于在三个连续时间从至少一个传感器收集的数据来识别至少一个试验航迹；针对所识别试验航迹将确认/删除航迹过滤器初始化；以及将根据状态矢量统计计算的门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。
示例11包括示例10的程序产品，其中，可操作用于引起处理器识别至少一个试验航迹的指令包括可操作用于引起处理器实施3/3测量到测量数据关联算法的指令。
示例12包括示例11的程序产品，其中，可操作用于引起处理器实施3/3测量到测量数据关联算法的指令包括可操作用于引起处理器进行以下各项的指令：从球形系到笛卡尔系对测量结果解析；在初始时间计算状态矢量统计；在第二时间计算状态矢量统计；以及输出初始状态矢量统计以针对所识别试验航迹将确认/删除航迹过滤器初始化。
示例13还包括示例12的程序产品，其中，可操作用于引起处理器实施3/3测量到测量数据关联算法的指令还包括可操作用于引起处理器进行以下各项的指令：识别从初始时间起位于未关联测量结果的球形门内的在第一时间的测量结果；以及识别从第一时间起位于关联测量结果的球形门内的在第二时间的测量结果。
示例14包括示例12—13中的任一项的程序产品，其中，可操作用于引起处理器计算在初始时间的状态矢量统计的指令包括可操作用于引起处理器计算在初始时间的状态矢量统计的指令包括对测量序列和与测量序列相关联的统计执行最小二乘法分析。
示例15包括示例14的程序产品，其中，可操作用于引起处理器计算在第二时间的状态矢量统计的指令包括可操作用于引起处理器将初始状态矢量传播至第二时间的指令。
示例16包括示例10—15中的任一项的程序产品，其中，可操作用于引起处理器使用根据状态矢量统计计算的门来确认所述至少一个试验航迹的指令包括可操作用于引起处理器进行以下各项的指令：通过将在第二时间的状态矢量统计传播到第三时间来预测在第三时间的状态矢量统计；实施椭圆形门以确定候选测量结果是否与试验航迹相关联；将用于已确认试验航迹的航迹分数初始化；以及向试验航迹提供测量结果指派，其中，该指令还包括可操作用于引起处理器进行以下各项的指令：更新已确认试验航迹和航迹分数；以及对已更新已确认试验航迹和航迹分数实施阈值测试。
示例17包括示例10-16中的任一项的程序产品，其中，可操作用于引起处理器使用根据状态矢量统计计算的门来删除所述至少一个试验航迹的指令包括可操作用于引起处理器进行以下各项的指令：通过将在第二时间的状态矢量统计传播到第三时间来预测在第三时间的状态矢量统计；实施椭圆形门以确定候选测量结果是否与试验航迹未关联；以及针对未关联候选测量结果将确认/删除航迹过滤器初始化以确定未关联候选测量结果是否是新航迹。
示例18包括交通工具跟踪系统，其包括：处理器，被通信耦合以输入来自交通工具的环境中感测到对象的至少一个传感器的数据；以及确认/删除航迹过滤器，包括可操作用于基于来自所述至少一个传感器的输入将新航迹初始化的至少一个算法。
示例19包括示例18的交通工具跟踪系统，其中，可操作用于将新航迹初始化的所述至少一个算法包括：第一算法，用以基于在三个连续时间从至少一个传感器收集的数据来识别至少一个试验航迹；第二算法，用以针对所识别试验航迹将确认/删除航迹过滤器初始化；以及第三算法，用以将根据状态矢量统计计算的门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。
示例20包括示例18—19中的任一项的交通工具跟踪系统，还包括：所述至少一个传感器。
虽然在本文中已图示出并描述了特定实施例，但本领域的普通技术人员将认识到的是预计将实现相同目的的任何装置可代替所示的特定实施例。本申请意图涵盖本发明的任何修改或变型。因此，明确地意图在于仅仅由权利要求及其等价物来限制本发明。

Claims (3)

1.一种根据传感器测量结果将航迹初始化的方法，该方法包括：
通过在处理器处实施3/3测量到测量数据关联算法（308）而基于在至少三个连续时间（t1、t2、t3）下从至少一个传感器（85）收集的数据来识别至少一个试验航迹，其中实施所述3/3测量到测量数据关联算法（308）包括：
从球形系到笛卡尔系来解析测量结果；
计算在初始时间（t0）下的状态矢量统计；
计算在第二时间（t2）下的状态矢量统计；以及
输出初始状态矢量统计以针对所识别试验航迹将确认/删除航迹过滤器初始化；
识别从初始时间起位于未关联测量结果的球形门（101）内的在第一时间（t1）下的测量结果，其中，球形门是关于测量矢量的球形区域，并且门阈值是球形区域的半径；以及
识别从第一时间起位于关联测量结果的球形门（102）内的在第二时间下的测量结果，
所述方法还包括：
在处理器处针对所识别试验航迹将确认/删除航迹过滤器初始化；以及
将根据状态矢量统计计算的椭圆形门用于以下各项中的一个：确认所述至少一个试验航迹；对所述至少一个试验航迹进行再处理；或删除所述至少一个试验航迹。
2.根据权利要求1所述的方法，其中，使用根据状态矢量统计计算的门来确认所述至少一个试验航迹包括：
通过将在第二时间下的状态矢量统计传播到第三时间来预测第三时间（t3）下的状态矢量统计；
实施椭圆形门以确定候选测量结果是否与试验航迹相关联；
向试验航迹提供测量结果指派；以及
更新已确认试验航迹；
将用于已确认试验航迹的分数初始化并更新；以及
对已更新已确认试验航迹和航迹分数实施阈值测试，以及
其中，使用根据状态矢量统计计算的门来删除所述至少一个试验航迹包括：
通过将在第二时间（t2）下的状态矢量统计传播到第三时间来预测在第三时间（t3）下的状态矢量统计；
实施椭圆形门以确定候选测量结果是否与试验航迹未关联；以及
针对未关联候选测量结果将确认/删除航迹过滤器初始化以确定未关联候选测量结果是否是新航迹。
3.一种被配置成根据传感器测量结果对航迹进行初始化的交通工具跟踪系统（10），所述交通工具跟踪系统包括：
处理器（80），被通信耦合以输入来自感测交通工具（20）的环境（12）中的对象的至少一个传感器（85）的数据；和
确认/删除航迹过滤器（70），包括可操作用于基于来自至少一个传感器的输入而将新的航迹初始化的至少一个算法，其中可操作用于将新的航迹初始化的至少一个算法包括：
第一算法（75），在三个连续时间（t1、t2、t3）下基于从至少一个传感器收集的数据来通过以下各项识别至少一个试验航迹：
从球形系到笛卡尔系来解析测量结果；
计算在初始时间（t0）下的状态矢量统计；
计算在第二时间（t2）下的状态矢量统计；以及
输出初始状态矢量统计以针对所识别试验航迹将确认/删除航迹过滤器初始化；
识别从初始时间起位于未关联测量结果的球形门（101）内的在第一时间（t1）下的测量结果，其中，球形门是关于测量矢量的球形区域，并且门阈值是球形区域的半径；以及
识别从第一时间起位于关联测量结果的球形门（102）内的在第二时间下的测量结果；
第二算法（76），针对所识别的试验航迹将确认/删除航迹过滤器初始化；以及
第三算法（77），使用根据状态矢量统计计算的椭圆形门来进行下面中的一个：确认至少一个试验航迹；再处理至少一个试验航迹；或者删除至少一个试验航迹。
CN201410727129.2A 2013-12-05 2014-12-04 无人飞行器系统感测和避免传感器融合航迹初始化 Active CN104699943B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/097456 2013-12-05
US14/097,456 US9507020B2 (en) 2013-12-05 2013-12-05 Unmanned aircraft systems sense and avoid sensor fusion track initialization

Publications (2)

Publication Number Publication Date
CN104699943A CN104699943A (zh) 2015-06-10
CN104699943B true CN104699943B (zh) 2019-01-04

Family

ID=52002666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410727129.2A Active CN104699943B (zh) 2013-12-05 2014-12-04 无人飞行器系统感测和避免传感器融合航迹初始化

Country Status (6)

Country Link
US (1) US9507020B2 (zh)
EP (1) EP2881755B1 (zh)
CN (1) CN104699943B (zh)
CA (1) CA2871280A1 (zh)
IL (1) IL235940B (zh)
RU (1) RU2014148706A (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10878551B2 (en) * 2014-01-27 2020-12-29 Baxter International Inc. Visual inspection system for automated detection of particulate matter in flexible medical containers
WO2015135924A1 (en) * 2014-03-10 2015-09-17 Terma A/S Tracking device with deferred activation and propagation of passive tracks
US9764736B2 (en) * 2015-08-14 2017-09-19 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle operation relative to unexpected dynamic objects
CN105205237B (zh) * 2015-09-11 2018-05-04 中国人民解放军63796部队 一种基准弹道动态确定方法
DE102015117379A1 (de) * 2015-10-13 2017-04-13 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erfassen eines dynamischen Objekts in einem Umgebungsbereich eines Kraftfahrzeugs auf Basis von Informationen einer kraftfahrzeugseitigen Ultraschalldetektionseinrichtung, Fahrerassistenzsystem und Kraftfahrzeug
CN105223575B (zh) * 2015-10-22 2016-10-26 广州极飞科技有限公司 无人机、无人机的测距滤波方法及基于该方法的测距方法
FR3044402B1 (fr) * 2015-11-27 2021-04-02 Thales Sa Procede de calcul de la representation de la trajectoire d'un aeronef en vol
US9896096B2 (en) 2016-04-11 2018-02-20 David E. Newman Systems and methods for hazard mitigation
US10543852B2 (en) * 2016-08-20 2020-01-28 Toyota Motor Engineering & Manufacturing North America, Inc. Environmental driver comfort feedback for autonomous vehicle
GB2555779B (en) 2016-10-25 2020-06-03 Openworks Eng Ltd Acquisition and/or tracking of remote object
DE102017200807A1 (de) 2017-01-19 2018-07-19 Continental Automotive Gmbh Auswahlverfahren für einen Algorithmus zum Zuordnen von Radarreflexionspunkten zu einem Objekt
EP3489709B1 (en) 2017-11-24 2020-08-05 FREQUENTIS COMSOFT GmbH Method and system for dynamic mode s address allocation
EP3746999A1 (en) * 2018-01-29 2020-12-09 Interdigital Patent Holdings, Inc. Methods of a mobile edge computing (mec) deployment for unmanned aerial system traffic management (utm) system applications
EP3572970A1 (en) * 2018-05-22 2019-11-27 Veoneer Sweden AB A safety system and method for autonomous driving and/or driver assistance in a motor vehicle
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
US10816635B1 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Autonomous vehicle localization system
US10820349B2 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Wireless message collision avoidance with high throughput
US10820182B1 (en) 2019-06-13 2020-10-27 David E. Newman Wireless protocols for emergency message transmission
US10939471B2 (en) 2019-06-13 2021-03-02 David E. Newman Managed transmission of wireless DAT messages
US10713950B1 (en) 2019-06-13 2020-07-14 Autonomous Roadway Intelligence, Llc Rapid wireless communication for vehicle collision mitigation
CN112033416B (zh) * 2020-09-18 2021-08-10 中原工学院 一种无人机静态航迹规划方法和装置
CN112241844B (zh) * 2020-10-21 2021-07-13 生态环境部卫星环境应用中心 饮用水水源地环境风险源本底清单确定及更新方法和装置
US11206169B1 (en) 2020-11-13 2021-12-21 Ultralogic 5G, Llc Asymmetric modulation for high-reliability 5G communications
US20220183068A1 (en) 2020-12-04 2022-06-09 David E. Newman Rapid Uplink Access by Parallel Signaling on a 5G Random-Access Channel
EP4260092A1 (en) * 2020-12-09 2023-10-18 Symeo GmbH Method, apparatus and radar system for tracking objects
CN114895295B (zh) * 2022-04-19 2023-06-02 中国电子科技集团公司第十研究所 一种基于k近邻的通信散点关联加速方法及系统
IL303301A (en) * 2022-06-22 2024-01-01 Honeywell Int Inc Detect and avoid architecture tracking

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571591A (zh) * 2009-06-01 2009-11-04 民航数据通信有限责任公司 基于雷达航迹的拟合分析方法
EP2062067B1 (en) * 2006-09-15 2011-05-11 Thales Nederland B.V. Method of and device for tracking an object
US20110118980A1 (en) * 2009-11-13 2011-05-19 The Boeing Company Lateral Avoidance Maneuver Solver
CN102789171A (zh) * 2012-09-05 2012-11-21 北京理工大学 一种可视化无人机飞行控制半实物仿真测试方法及系统

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6239740B1 (en) * 1991-04-15 2001-05-29 The United States Of America As Represented By The Secretary Of The Navy Efficient data association with multivariate Gaussian distributed states
US5422830A (en) * 1993-01-12 1995-06-06 Martin Marietta Corporation Method for tracking a maneuvering target with a slow scan rate sensor
US5400264A (en) * 1993-04-29 1995-03-21 International Business Machines Corporation Suboptimal joint probabilistic data association
US5414643A (en) * 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5396252A (en) * 1993-09-30 1995-03-07 United Technologies Corporation Multiple target discrimination
AUPN722695A0 (en) * 1995-12-19 1996-03-14 Commonwealth Of Australia, The A tracking method for a radar system
US5842156A (en) * 1996-11-12 1998-11-24 The United States Of America As Represented By The Secretary Of The Air Force Multirate multiresolution target tracking
SE509328C2 (sv) * 1997-02-27 1999-01-11 Celsiustech Syst Ab Förfarande för spårinitiering vid multimålsspårning med hjälp av åtminstone två passiva sensorer
NL1020287C2 (nl) * 2002-04-02 2003-10-03 Thales Nederland Bv Werkwijze voor meerdoelendetectie, met name voor toepassing in rondzoekradars met meerbundelvorming in elevatie.
US7343232B2 (en) * 2003-06-20 2008-03-11 Geneva Aerospace Vehicle control system including related methods and components
ES2395826T3 (es) * 2004-07-09 2013-02-15 Bae Systems Plc Sistema para evitar colisiones
US7626535B2 (en) * 2006-11-09 2009-12-01 Raytheon Company Track quality based multi-target tracker
US7675458B2 (en) * 2006-11-09 2010-03-09 Raytheon Canada Limited Dual beam radar system
DE102007032084A1 (de) * 2007-07-09 2009-01-22 Eads Deutschland Gmbh Kollisions- und Konfliktvermeidungssystem für autonome unbemannte Flugzeuge (UAV)
US8060295B2 (en) * 2007-11-12 2011-11-15 The Boeing Company Automated separation manager
US8675448B1 (en) * 2011-06-07 2014-03-18 The United States Of America As Represented By The Secretary Of The Navy Adaptive ping control method for track-holding in multi-static active sonar networks

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2062067B1 (en) * 2006-09-15 2011-05-11 Thales Nederland B.V. Method of and device for tracking an object
CN101571591A (zh) * 2009-06-01 2009-11-04 民航数据通信有限责任公司 基于雷达航迹的拟合分析方法
US20110118980A1 (en) * 2009-11-13 2011-05-19 The Boeing Company Lateral Avoidance Maneuver Solver
CN102789171A (zh) * 2012-09-05 2012-11-21 北京理工大学 一种可视化无人机飞行控制半实物仿真测试方法及系统

Also Published As

Publication number Publication date
US20150160338A1 (en) 2015-06-11
CN104699943A (zh) 2015-06-10
US9507020B2 (en) 2016-11-29
EP2881755A1 (en) 2015-06-10
EP2881755B1 (en) 2016-07-27
IL235940B (en) 2018-10-31
RU2014148706A (ru) 2016-06-27
CA2871280A1 (en) 2015-06-05
IL235940A0 (en) 2015-02-26

Similar Documents

Publication Publication Date Title
CN104699943B (zh) 无人飞行器系统感测和避免传感器融合航迹初始化
US6590519B2 (en) Method and system for identification of subterranean objects
CN110443786A (zh) 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN109791200A (zh) 基于轨迹跟踪的导线和塔架分类
US11403842B2 (en) Simulator to simulate target detection and recognition
CN109583416A (zh) 伪车道线识别方法及系统
US11754704B2 (en) Synthetic-aperture-radar image processing device and image processing method
KR101460591B1 (ko) 특성 벡터 융합을 이용한 레이더 표적 인식 방법 및 장치
Kalyan et al. FISST-SLAM: Finite set statistical approach to simultaneous localization and mapping
US11393189B2 (en) Method to simulate target detection and recognition
US11423195B2 (en) User interface to simulate target detection and recognition
KR101280348B1 (ko) 다중 표적 추적 방법
Schüller et al. AIMS: an SQL-based system for airspace monitoring
Roy et al. Using trajectory smoothness metrics to identify drones in radar track data
CA2403462A1 (en) Method and system for identification of subterranean objects
Koch Advanced target tracking techniques
Collins et al. Sensor fusion of EMI and GPR data for improved land mine detection
EP4037346A1 (en) False target detection for airport traffic control
Mignotte et al. PATT: A performance analysis and training tool for the assessment and adaptive planning of Mine Counter Measure (MCM) operations
Dihel Classifying Aerial Objects from Trajectory Data
Christianti et al. Comparison of Support Vector Machine and Neural Network Algorithm in Drone Detection System
Laffin et al. Fusion techniques for hybrid ground-penetrating radar: electromagnetic induction landmine detection systems
Yu et al. Real-time adaptable subspace method for automatic mine detection
Balachandran et al. Ghost Track Detection in Multitarget Tracking using LSTM Network
Sun et al. A RS/GIS-based system for monitoring weed disasters

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant