CN104881561B

CN104881561B - 一种基于Hough变换的多维参数的检测前跟踪方法

Info

Publication number: CN104881561B
Application number: CN201410420900.1A
Authority: CN
Inventors: 毕欣; 杜劲松; 张清石; 王伟; 高洁; 仝盼盼; 丛日刚; 田星
Original assignee: Shenyang Institute of Automation of CAS
Current assignee: Shenyang Institute of Automation of CAS
Priority date: 2014-08-22
Filing date: 2014-08-22
Publication date: 2017-09-29
Anticipated expiration: 2034-08-22
Also published as: CN104881561A

Abstract

本发明涉及一种基于Hough变换的多维参数的检测前跟踪方法，包括以下步骤：初始化，确定目标航迹起始，并作为初次检测结果；从第3次检测开始循环；根据上一次检测结果与本次提取的特征参数作差和判决门限比较，进行判决；根据判决结果，对目标进行跟踪，当运动目标的其中某一特征参数比较发散时，执行滤波，否则，直接执行Hough变换，进行能量积累；根据目标积累能量和积累门限进行比较，自适应更新判决门限；通过积累门限的目标，作为最终的检测结果，并开始下一次循环。本发明基于Hough变换的多维参数的检测前跟踪方法避免预估航迹偏离实际，并且消除虚假航迹；提升了雷达对多运动目标的检测、跟踪和区分性能。

Description

一种基于Hough变换的多维参数的检测前跟踪方法

技术领域

本发明涉及雷达技术领域，具体地说是一种基于Hough变换的多维参数的检测前跟踪方法，特别适用于雷达多目标的识别与轨迹跟踪。

背景技术

雷达回波信号通常是伴有各种噪声和杂波的，包含有多个目标的回波信号更是复杂和难以辨识。传统的目标识别方法是先进行检测，通过单一门限处理后，然后再做跟踪。简化跟踪处理数据的同时也忽略了很多潜在的有用信息，对于信噪比小且运动特征明显的目标容易被舍弃。因此，相关学者提出TBD算法。

B.D.Carlson，E.D.Evans和S.L.Wilson等首次将Hough变换应用于雷达目标检测中，提出了基于Hough变换的TBD算法。CHEN J.等在此基础上提出了一种修正的Hough变换，以解决起始航迹慢以及计算量大的问题。Garvanov等提出了一种更适合于处理雷达实测数据的Porlar Hough Transrform，直接应用雷达得到的距离-角度信息进行变换处理。

上述基于Hough变换的TBD方法及其改进方法能有效的预估与跟踪目标的运行轨迹。但是，当雷达回波信号较弱、回波特征参数比较发散时，就容易出现预估航迹偏离实际，无法有效跟踪目标；当雷达回波包含有多个相似的运动目标，则容易出现相似目标的轨迹丢失；当修改判断限值使其具备更好的区分性能时，可能就会多出一些虚假航迹。

发明内容

针对现有技术的不足，本发明将多维度特征参数综合判断、多层次的滤波处理融合到检测前跟踪算法中，提出了一种基于Hough变换的多维参数的检测前跟踪方法。在该方法中，首先使用宽容限的检测跟踪方法对目标进行锁定，然后针对比较发散的目标进行滤波处理，得到相对凝聚的点迹，再进行TBD参数空间的能量积累，当积累达到限值后，对目标进行轨迹输出，同时更改检测的容限和滤波器的参数，使得跟踪轨迹能更好的贴近实际的目标航迹。

本发明为实现上述目的所采用的技术方案是：一种基于Hough变换的多维参数的检测前跟踪方法，包括以下步骤：

步骤1：以雷达为中心，建立x-y平面直角坐标系，确定目标航迹在该坐标系中的起始位置，并将目标的速度以及目标距雷达的距离和目标相对于x方向角度作为初次检测结果，并按检测时间序列依次进行检测，并从第3次检测开始，根据当时的检测结果，输出目标的航迹；

步骤2：在第n次检测跟踪中从第1个目标开始直至第L个目标，根据第n+1次检测提取的特征参数和和门限A_max、B_max和C_max进行判决，其中n≥3；

步骤3：根据步骤2中的判决结果，对目标进行跟踪，当运动目标的其中某一特征参数发散时，执行步骤4，否则，执行步骤5；

步骤4：通过αβ滤波器对发散的特征参数进行滤波，实现点迹凝聚；

步骤5：对得到的目标参数进行Hough变换，并将变换后的参数空间下的参数做能量积累；

步骤6：在目标未确定时增大判断门限，当目标超过积累门限时，减小判断门限，并将更新的门限返回步骤2；

步骤7：通过判断门限的目标，作为最终的检测结果。

所述第n次检测结果为A(n)、B(n)、C(n)，表示第n次检测跟踪的L个目标的距离、速度、角度，

A(n)＝[a_n,1,a_n,2,…a_n,i…,a_n,L]

B(n)＝[b_n,1,b_n,2,…b_n,i…,b_n,L]

C(n)＝[c_n,1,c_n,2,…c_n,i…,c_n,L]

其中，a_n,i、b_n,i、c_n,i分别为第i个目标的距离、速度、角度，L表示第n次提取到的目标数。

所述步骤2中的判决过程为：

第n+1次提取的特征参数和分别为：

其中，L'表示第n+1次提取到的目标数，分别为第j个目标的距离、速度、角度；

将与进行相减，得到向量RA(n)，RB(n)和RC(n)；

在向量RA(n)、RB(n)和RC(n)中查询最小值a_min、b_min、c_min和最小值对应的位置p、q、s；

具体判断的执行过程：

步骤2.1：如果且则第n+1次提取的第p个值对应为第i个目标，否则根据速度参量执行步骤2.2；

步骤2.2：如果且则第n+1次提取的第q个值对应为第i个目标，否则根据角度参量执行步骤2.3；

步骤2.3：如果且则第n+1次提取的第s个值对应为第i个目标；

其中A_max、B_max和C_max为距离、速度、角度对应的判决门限；

若上述判决都不满足，则表明第n+1次提取的特征参数没有与第i个目标对应。

所述步骤3中的判决方法为：

如果第n+1次提取的特征参数中有多个特征参数对应第n次检测的同一个目标，则将多个特征参数的距离、速度、角度求取平均，作为该目标的距离、速度、角度；

如果第n+1次提取的特征参数中没有对应第n次检测的目标，则表明第n+1次提取到新目标，如果连续m次持续检测到该目标，则进行跟踪确认，并作为检测结果从轨迹中输出；

如果第n次检测结果没有与第n+1次提取的特征参数相对应，则表明第n次检测的目标失跟，如果连续m次持续失跟该目标，则进行失跟确认，并将该目标从轨迹中剔除。

所述步骤4中αβ滤波的点迹凝聚过程为

θ′(n+1)＝θ(n)+(θ(n+1)-θ(n))/k

其中，θ(n)为第n次得到检测的值，θ(n+1)为第n+1次提取值，k为滤波参数，得到的θ'(n+1)就是滤波后的值。

所述步骤5中的Hough变换为：

A(i)＝K(i)·T(i)+A₀(i)

通过目标距离向量A(i)和时间向量T(i)，可以分别求得各个目标的速度向量K(i)和起始距离A₀(i)，从而在(K(i)，A₀(i))的参数空间下做能量的积累。

所述步骤7完成后返回步骤1中按检测时间序列依次进行检测步骤。

本发明具有以下有益效果及优点：

1.本发明采用宽容限的检测跟踪方法对目标进行锁定，避免雷达回波信号较弱、回波特征参数比较发散时，预估航迹偏离实际，无法有效跟踪目标；

2.本发明针对比较发散的目标进行滤波处理，得到相对凝聚的点迹，避免雷达回波包含有多个相似的运动目标存在相似目标的轨迹丢失现象；

3.本发明根据判决更改检测的容限和滤波器的参数，使得跟踪轨迹能更好的贴近实际的目标航迹，并且消除虚假航迹；

4.本发明提升雷达对多运动目标的检测、跟踪和区分性能。

附图说明

图1为本发明的方法流程图；

图2(a)示出了雷达采集数据的原始波形包含两个相对运动目标的距离；

图2(b)示出了雷达采集数据的原始波形包含两个相对运动目标的速度；

图2(c)示出了雷达采集数据的原始波形包含两个相对运动目标的角度；

图2(d)示出了雷达采集数据的原始波形包含两个相对运动目标的轨迹；

图3(a)示出了单一特征参数“距离”的轨迹跟踪；

图3(b)示出了增加判断“速度”特征参数的轨迹跟踪；

图4(a)示出了基于Hough变换的检测前跟踪方法目标的角度；

图4(b)示出了基于Hough变换的检测前跟踪方法目标的轨迹；

图5(a)示出了本发明的检测前跟踪方法目标的角度；

图5(b)示出了本发明的检测前跟踪方法目标的轨迹。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示，为本发明流程示意图。

步骤1：初始化，以雷达为中心，建立x-y平面直角坐标系，确定目标航迹起始位置(坐标系中的坐标)，并将目标的速度以及目标距雷达的距离和目标相对于x方向角度作为初次检测结果，并按检测时间序列进行每次检测；

步骤2：从第3次检测开始，根据每次检测结果，输出L个目标的航迹；其中，A(n)、B(n)、C(n)表示第n次检测跟踪的L个目标的距离、速度、角度信息。

A(n)＝[a_n,1,a_n,2,…,a_n,L]

B(n)＝[b_n,1,b_n,2,…,b_n,L]

C(n)＝[c_n,1,c_n,2,…,c_n,L]

步骤3：从第n次检测跟踪的第1个目标开始循环直至第L个目标，其中第i个目标的距离、速度、角度分别为a_n,i、b_n,i、c_n,i。

第n+1次提取的特征参数分别为和

其中，L'表示第n+1次提取到的目标数。

与进行相减，得到向量RA(n)，RB(n)和RC(n)。

在向量RA(n)、RB(n)和RC(n)中查询最小值和最小值对应的位置，假设最小值分别为a_min、b_min、c_min，对应的位置为p、q、s，其中p、q、s有可能相等。

距离、速度、角度对应的判决门限为A_max、B_max和C_max。如果且则第n+1次提取的第p个值对应为第i个目标，否则应用速度参量进行判断，如果且则第n+1次提取的第q个值对应为第i个目标，否则应用角度参量进行判断，如果且则第n+1次提取的第s个值对应为第i个目标。若上述判决都不满足，则表明第n+1次提取的特征参数没有与第i个目标对应。

步骤4：根据步骤3中的判决结果，如果第n+1次提取的特征参数中有2个或2个以上参数对应第n次检测的同一个目标，则进行特征参数归并；如果第n+1次提取的特征参数中没有对应第n次检测的目标，则表明第n+1次提取到新目标，如果连续m次持续检测到该目标，进行跟踪确认，并作为检测结果从轨迹中输出；如果第n次检测结果没有第n+1次提取的特征参数相对应，则表明第n次检测的目标失跟，如果连续m次持续失跟该目标，进行失跟确认，并将该目标从轨迹中剔除；当运动目标的其中某一特征参数比较发散时，执行步骤5，否则，执行步骤6；

步骤5：通过αβ滤波器对发散的特征参数进行滤波，实现点迹凝聚；

θ′(n+1)＝θ(n)+(θ(n+1)-θ(n))/k

步骤6：对得到的目标参数进行Hough变换，并将变换后的参数空间下的参数做能量积累。

A(i)＝B(i)·T(i)+A₀(i)

通过目标距离向量A(i)和时间向量T(i)，可以分别求得各个目标的速度向量B(i)和起始距离A₀(i)，从而在(B(i)，A₀(i))的参数空间下做能量的积累。

步骤7：目标未确定时增大判断门限，当目标超过积累门限时，减小判断门限，并将更新的门限返回给步骤3。

步骤8：通过积累门限的目标，作为最终的检测结果，返回步骤2。

本发明的效果可以通过以下仿真进一步说明

仿真内容：

根据雷达对两个相对运动目标采集的原始数据，来进行算法的仿真分析。检测时间序列的时间间隔为25ms。图2(a)-图2(d)为雷达采集数据的原始波形，分别包含有距离、速度、角度和轨迹。

对基于Hough变换的检测前跟踪方法和本发明提出的方法进行仿真验证，基于Hough变换的检测前跟踪方法对单一特征参数“距离”的轨迹跟踪时，图3(a)所示两目标距离接近时不能区分而失跟，本发明提出的方法增加判断“速度”特征参数，图3(b)所示可以对不同目标进行区分。

目标的角度信息发散，图4(a)、图4(b)所示基于Hough变换的检测前跟踪方法的轨迹波动较大，图5(a)、图5(b)所示本发明提出的方法通过滤波和自适应更新门限能够估计理想的轨迹。

Claims

1.一种基于Hough变换的多维参数的检测前跟踪方法，其特征在于：包括以下步骤：

步骤7：通过判断门限的目标，作为最终的检测结果。

2.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法，其特征在于：所述第n次检测结果为A(n)、B(n)、C(n)，表示第n次检测跟踪的L个目标的距离、速度、角度，

A(n)＝[a_n,1,a_n,2,…a_n,i…,a_n,L]

B(n)＝[b_n,1,b_n,2,…b_n,i…,b_n,L]

C(n)＝[c_n,1,c_n,2,…c_n,i…,c_n,L]

3.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法，其特征在于：所述步骤3中的判决方法为：

4.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法，其特征在于：所述步骤4中αβ滤波的点迹凝聚过程为

θ′(n+1)＝θ(n)+(θ(n+1)-θ(n))/k

5.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法，其特征在于：所述步骤5中的Hough变换为：

A(i)＝K(i)·T(i)+A₀(i)

6.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法，其特征在于：所述步骤7完成后返回步骤1中按检测时间序列依次进行检测步骤。