CN105321379A - 基于传感器轨迹id在phd滤波器中合并强度 - Google Patents

基于传感器轨迹id在phd滤波器中合并强度 Download PDF

Info

Publication number
CN105321379A
CN105321379A CN201510560799.4A CN201510560799A CN105321379A CN 105321379 A CN105321379 A CN 105321379A CN 201510560799 A CN201510560799 A CN 201510560799A CN 105321379 A CN105321379 A CN 105321379A
Authority
CN
China
Prior art keywords
track
intensity
sensor
measured value
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.)
Granted
Application number
CN201510560799.4A
Other languages
English (en)
Other versions
CN105321379B (zh
Inventor
V·L·巴格什瓦
M·R·埃尔格斯马
E·A·尤特诺伊尔
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 CN105321379A publication Critical patent/CN105321379A/zh
Application granted granted Critical
Publication of CN105321379B publication Critical patent/CN105321379B/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
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Automation & Control Theory (AREA)

Abstract

在一个实施例中，提供了一种利用概率假设密度滤波器跟踪多个物体方法。所述方法包括：通过组合一个或多个第一测量值生成第一强度，其中与第一强度关联的轨迹ID的第一集合包括与一个或多个第一测量值中相应测量值对应的轨迹ID。通过组合一个或多个第二测量值生成第二强度，其中与第二强度关联的轨迹ID的第二集合包括与一个或多个第二测量值中相应测量值对应的轨迹ID。比较轨迹ID的第一集合与轨迹ID的第二集合，并且基于轨迹ID的第一集合中的任何轨迹ID是否与轨迹ID的第二集合中的任何轨迹ID匹配，选择性地合并第一强度和第二强度。

Description

基于传感器轨迹ID在PHD滤波器中合并强度
相关申请的交叉引用
本申请涉及如下共同待审的美国专利申请，其由此通过引用并入本文：
与本申请同一日期提交的美国专利申请序列号14/448803(代理人案号H0043754)，标题为“UPDATINGINTENSITIESINAPHDFILTERBASEDONASENSORTRACKID”；
与本申请同一日期提交的美国专利申请序列号14/448813(代理人案号H0045529)，标题为“ADJUSTINGWEIGHTOFINTENSITYINAPHDFILTERBASEDONSENSORTRACKID”；以及
与本申请同一日期提交的美国专利申请序列号14/448819(代理人案号H0045530)，标题为“TWOSTEPPRUNINGINAPHDFILTER”。
背景技术
查看并躲避或感测并躲避(SAA)的目标是给无人机系统(UAS)提供如下能力：利用或者不利用激活的、基于应答器的防撞系统执行自隔离和对于所有空中交通的碰撞避免。SAA需要UAS检测并跟踪所有权飞行器进行操作的附近区域中的入侵飞行器以识别执行自隔离和碰撞避免所需的指导机动飞行。检测和跟踪功能是UASSAA能力的关键使能器，因为UAS针对未检测的、未跟踪的入侵飞行器不能执行自隔离或碰撞避免机动飞行。检测功能是指使用监视传感器测量入侵飞行器相对所有权UAS的位置。跟踪功能是指把监视传感器测量值融合在一起以便估计入侵飞行器相对所有权UAS的轨道统计值(在此也称为轨迹)。监视传感器提供具有对应测量ID的测量值，测量ID可以在时间上是相关的或在时间上是随机的。
跟踪功能使用数据关联算法把测量值分配给当前轨迹来估计入侵飞行器的轨迹，滤波器把传感器测量值与轨迹统计值的当前估计融合，并且轨道管理器监督传感器融合操作，启动轨迹，保持轨迹并删除轨迹。
一个跟踪系统使用随机有限集(RFS)跟踪在所有权UAS的环境中运行的多个入侵飞行器(IA)。RFS是针对多IA跟踪的多重假设检验(MHT)方法的一部分。RFS将多IA跟踪问题设计成集值状态空间，其中集值状态向量和集值测量向量的统计值使用他们的一阶矩(在此也称为强度)来近似并被应用在贝叶斯滤波器框架中以使用高斯混合来估计IA轨迹统计值。产生的滤波器称为概率假设密度(PHD)滤波器。强度涉及集值状态空间的要素的权重、状态平均向量和状态协方差矩阵，在集值状态空间中该要素对应于轨迹的统计值。
基本PHD滤波器通常通过比较两个强度统计值之间的Malhanobis距离来聚集新的、当前的和测量值到轨迹强度。如果此距离低于用户选择的阈值，则两个强度被认为是起源于同一IA。此过程包括将全部可能的强度对与阈值比较。
发明内容
在一个实施例中，提供了一种利用概率假设密度滤波器跟踪多个物体的方法。该方法包括通过组合来自一个或多个第一传感器的一个或多个第一测量值生成第一强度，其中轨迹ID的第一集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第一测量值中其相应的测量值对应的一个或多个第一传感器提供，其中第一强度包括在第一时间(atafirsttime)的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵。通过组合来自一个或多个第二传感器的一个或多个第二测量值来生成第二强度，其中轨迹ID的第二集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第二测量值中其相应的测量值对应的一个或多个第二传感器提供，其中第二强度包括在所述第一时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵。轨迹ID的第一集合与轨迹ID的第二集合比较，并且基于轨迹ID的第一集合中的任何轨迹ID与轨迹ID的第二集合中的任何轨迹ID是否匹配，选择性地把第一强度与第二强度合并。
附图说明
应当理解，附图仅描述示例性实施例，并因此不被认为在范围上是限制性的，将通过使用附图以附加的明确性和细节描述示例性实施例，其中：
图1是示例环境的方框图，该环境中可以使用基于PHD滤波器的跟踪系统。
图2是在图1环境中使用的示例跟踪系统的方框图。
图3是用于利用图2的跟踪系统跟踪多个物体的示例方法的流程图。
依照惯例，各种描述的特征未按比例绘制，但被绘制为强调与示例性实施例相关的特定特征。
具体实施方式
在此所述主题提供一种通过使用轨迹标识符(ID)在概率假设密度(PHD)滤波器中合并强度的方法，该轨迹标识符(ID)由获得与强度对应的物体测量值的一个或多个传感器提供。轨迹ID是由传感器提供的标识符，其中标识符在时间上与一系列的测量值相关。一种类型的轨迹ID是国际民用航空组织(ICAO)飞行器地址，其由飞行器连同对应的测量信息一起传送，由传感器连同对应的测量信息一起接收。能够接收这种ICAO飞行器地址的传感器示例包括广播式自动相关监视(ADS-B)传感器和交通防撞系统(TCAS)模式S传感器。另一类型的轨迹ID是来自传感器的标识符，该传感器在时间上使测量值相关。具体地，这种传感器通过在时间上使测量值相关和将ID分配给那些轨迹来识别物体的轨迹。这些ID连同测量值一起由传感器提供。由于这些ID是由在时间上使其自己的测量值相关的传感器生成的，因此这些ID是传感器特定的。也就是说，即使第一传感器和第二传感器可获得相同物体的测量值，但第一传感器和第二传感器使他们自己的测量值相关，而不使另一传感器的测量值相关；因此，由每个传感器提供的轨迹ID是不同的，并与来自该传感器而不是另一传感器的测量值对应。提供这种轨迹ID给相关的测量值的传感器示例包括TCAS模式C传感器、某些LiDAR以及某些雷达。此处所述的主题利用这些轨迹ID来提高准确度和效率，在PHD滤波器中可按照该准确度和效率跟踪多个物体。
图1是示例环境的方框图，其中可以使用基于PHD滤波器的跟踪系统102。在此处示出的示例中，跟踪系统102安装在飞行器104中，然而，跟踪系统102可安装在任何交通工具中或可以是独立的系统。跟踪系统102配置成在环境中检测和跟踪其他物体。在此示例中，跟踪系统102配置成检测空中物体，如入侵飞行器(IA)106、108。在示例中，跟踪系统102是感测并躲避(SAA)系统的一部分，并且飞行器104是无人机系统(UAS)
图2是示例跟踪系统102的方框图。跟踪系统102包括多个传感器202-206，传感器202-206配置成检测传感器202-206周围环境中的物体。所述多个传感器202-206可包括任何适当的传感器，例如雷达202、TCAS传感器203、ADS-B传感器204、光学照相机205以及LiDAR206。也可使用其他传感器。此外，可使用包括多个相同类型传感器的任何数量的传感器。传感器202-206与一个或多个处理设备208耦合。传感器202-206配置成获得测量值并发送测量值至所述一个或多个处理设备208。如上所述，传感器202-206中的一些或全部可配置成发送轨迹ID和测量值至所述一个或多个处理设备208。
一个或多个处理设备208配置成基于从传感器202-206接收的测量值跟踪多个物体(例如入侵飞行器106、108)。为了跟踪物体，一个或多个处理设备208配置成执行指令210，该指令存储在与一个或多个处理设备208耦合的一个或多个数据存储设备212上。指令210，当由一个或多个处理设备208执行时，使一个或多个处理设备208基于来自传感器202-206的测量值实施跟踪物体的行动。一个或多个处理设备208可包括中央处理单元(CPU)、微控制器、微处理器(例如，数字信号处理器)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其他处理设备。在某些示例中，一个或多个数据存储设备212包括用于存储机器可读数据和指令的非易失性电子硬件设备。在示例中，一个或多个数据存储设备212在用于存储计算机可读指令或数据结构的任何合适的计算机可读介质上存储信息。计算机可读介质可被实施为可由一个或多个处理设备208访问的任何可用介质。合适的计算机可读介质可包括如磁或光学介质的存储介质。例如，存储介质可以包括传统硬盘、紧凑盘-只读存储器(CD-ROM)、固态驱动器(SSD)、其他闪速存储器、只读存储器(ROM)，以及电可擦除可编程ROM(EEPROM)。一个或多个处理设备208也可与存储器214耦合，存储器214配置成在由一个或多个处理设备208进行执行期间存储数据和指令。存储器214可包括易失性或非易失性介质，例如随机存取存储器(RAM)(包括但不限于同步动态随机存取存储器(SDRAM)、双数据速率(DDR)RAM、RAMBUS动态RAM(RDRAM)、以及静态RAM(SRAM)，等等)。在示例中，一个或多个处理设备208配置成输出关于物体轨迹的信息至输出设备，如显示设备。在一些示例中，一个或多个处理设备208提供轨迹信息给更大的SAA系统用于控制无人机系统的移动。
图3是示例方法300的流程图，该方法利用跟踪系统102跟踪多个物体。跟踪系统102实施循环，该循环基于从传感器202-206新获得的测量值在每个循环期间计算多个强度并更新强度。循环实时运行以跟踪由传感器202-206测量的多个物体。如上所讨论的，该循环实施概率假设密度(PHD)滤波器以更新强度。PHD滤波器循环试图对每个被跟踪的物体保持单个强度。在针对飞行器104的跟踪系统102的情况下，PHD滤波器循环试图对每个入侵飞行器106、108和/或传感器202-206视野中的其他飞行物体保持单个强度。在给定循环期间，把一个或多个强度保持为与在该时间正被跟踪的物体数量相对应。通过循环的每次迭代更新每个强度，该强度被保持到下一时间步长，除非特定强度被删除(不再跟踪)。
跟踪方法300对来自传感器202-206的测量值进行操作(方框302)。一些或所有测量值具有与其一起提供的、来自相应传感器202-206的轨迹ID。因此，一个或多个测量值以及一个或多个相关联的轨迹ID由传感器202-206提供。
跟踪方法300利用由传感器202-206提供的轨迹ID来确定是否将两个或更多个强度合并在一起。跟踪方法300利用以下事实来确定哪些强度合并在一起：由传感器202-206提供的轨迹ID表明与先前测量值的潜在相关性。为了做到这一点，跟踪方法300将一个或多个轨迹ID与强度相关联。在一些示例中，每个强度具有至少一个与其关联的轨迹ID。在其他实施例中，一些强度没有任何与其关联的轨迹ID。在任何情况中，确实具有与其关联的轨迹ID的强度可通过本文所述方法300进行。不具有与其关联的轨迹ID的任何强度可被分析以用于以任何合适的方式合并，合适的方式包括本领域技术人员已知的方式。分析这种不具有与其关联的轨迹ID的强度的行动在图3中未示出。
如上所述的，方法300的每个循环更新每个到下一个时间步长不被删除的强度。对应于时间步长的时间长度可以以任何合适的方式确定，例如基于由传感器202-206中的一个或多个提供的测量值的频率。每个循环对从该循环的先前迭代输出的一个或多个强度(方框304)进行操作。在跟踪系统102提供物体轨迹给SAA系统的示例中，一个或多个强度输出至SAA系统作为针对那个时间步长的轨迹。在由方法300进行的更新期间，所述一个或多个强度(方框304)中的每一个前进通过多中间阶段。在给定时间步长内已完成更新并被输出(如输出至SAA系统)的强度在此称为“轨迹强度”。因此，输入至方法300的循环中的所述一个或多个强度在此也称为一个或多个“轨迹”强度。
忽略任何不具有与其关联的轨迹ID(如上所讨论的)的轨迹强度，输入至循环中的一个或多个轨迹强度中的每一个具有与其关联的相应的一个或多个轨迹ID。这些轨迹ID中的每一个对应于来自传感器202-206的一个或多个测量值，该测量值已经被用于更新(在先前时间步长中)与相应轨迹ID相关联的轨迹强度。因此，一个或多个轨迹强度的每一个轨迹强度具有与其相关联的相应的一个或多个轨迹ID；其中相应的一个或多个轨迹ID对应于被用于更新该轨迹强度的一个或多个测量值。相应的一个或多个轨迹ID可对应于在任何过去时间步长中被用于更新轨迹强度的测量值。下面提供关于将一个或多个轨迹ID与轨迹强度关联的过程的更多细节。
为了更新所述一个或多个强度，针对一个或多个强度中的每一个计算预测强度(方框306)。这些一个或多个预测强度可以按照任何合适方式计算，包括按照本领域技术人员已知的方式。此外，可创建一个或多个新强度(方框308)。该新强度可以按照任何合适方式被创建，包括按照本领域技术人员已知的方式。
一旦生成一个或多个预测强度和任何新强度，测量值-轨迹关联就可基于来自传感器202-206的一个或多个测量值计算(方框310)。计算测量值-轨迹关联通过利用一个测量值更新预测强度或新强度而导致生成测量值-轨迹强度，使得产生的测量值-轨迹强度是被调整为合并测量值的预测/新强度。生成任何测量值-轨迹强度的过程可以按照任何合适方式执行，包括按照本领域技术人员已知的方式。
一个或多个预测强度、任何新强度以及任何测量值-轨迹强度然后通过修剪(方框312)被进一步处理。修剪包括分析所述一个或多个预测强度、任何新强度和任何测量值-轨迹强度以确定是否删除任何强度。此外，修剪试图删除未跟踪实际物体的强度。可使用任何合适方式的修剪，包括本领域技术人员已知的方式。
分析在修剪之后仍然存在(即未被删除)的任何预测强度、新强度和测量值-轨迹强度以确定是否将两个或更多个强度合并在一起(方框314)。为确定是否合并任何强度，比较与相应强度关联的轨迹ID。然后基于他们的相应轨迹ID是否匹配来选择性地合并强度。
如上所述，由方法300处理的预测强度、新强度和测量值-轨迹强度中的每一个具有一个或多个与其关联的轨迹ID。与预测强度关联的一个或多个轨迹ID与如下一个或多个轨迹ID相同：该一个或多个轨迹ID与根据其创建预测强度的轨迹强度相关联。对于新强度，与其关联的一个或多个轨迹ID可以是来自用于创建新强度的任何测量值的一个或多个轨迹ID。例如，新强度可基于一个或多个测量值(方框302)中的不被用于测量值-轨迹关联的测量值被创建。这样的测量值可被确定为对应于可能的新物体并且，因此，可被用于基于其创建新强度。因此，针对新强度的轨迹ID可对应于用于创建强度的测量值。对于测量值-轨迹强度，与其关联的一个或多个轨迹ID可以是来自用于创建测量值-轨迹强度的任何测量值的一个或多个轨迹ID。例如，测量值-轨迹强度可基于测量值对应于预测/新强度的确定而被创建。然后，测量值-轨迹强度可基于测量值-预测/新强度对而被创建。这样的测量值-轨迹强度可具有来自如下测量值的轨迹ID：该测量值用于创建与其关联的测量值-轨迹强度。在示例中，来自用于创建测量值-轨迹强度的预测/新强度的一个或多个轨迹ID不与测量值-轨迹强度关联。在替代示例中，来自用于创建测量值-轨迹强度的预测/新强度的一个或多个轨迹ID与测量值-轨迹强度连同来自用于创建测量值-轨迹强度的测量值的轨迹ID相关联。
在任何情况中，由方法300处理的预测强度、新强度和测量值-轨迹强度中的每一个具有与其关联的一个或多个轨迹ID，并且这些轨迹ID用于确定是否合并轨迹ID中的两个或更多个。在示例中，为确定是否合并轨迹ID的两个或更多个，比较预测强度、新强度以及测量值-轨迹强度之中的轨迹ID以识别任何的匹配轨迹ID。也就是说，来自预测/新/测量值-轨迹强度中每一个的一个或多个轨迹ID与来自每个其他预测/新/测量值-轨迹强度的一个或多个轨迹ID比较。如果针对任何强度对发生匹配，则进一步考虑合并该强度对。例如，如果第一强度包括具有一个或多个轨迹ID的第一集合并且第二强度包括具有一个或多个轨迹ID的第二集合，则通过比较轨迹ID的第一集合与轨迹ID的第二集合可以针对合并来分析第一强度-第二强度对。如果轨迹ID的第一集合中任何轨迹ID与轨迹ID的第二集合中轨迹ID匹配，则可进一步针对合并分析第一强度-第二强度对。当轨迹ID与另一轨迹ID相同时，发生匹配。
除使用针对强度对的关联轨迹ID之间的比较来确定是否合并强度对之外，也使用统计距离测试。统计距离测试包括计算强度和测量值之间的统计距离。可使用任何合适距离测试，例如Malhanobis距离测试。具体来说，可针对强度对计算统计距离并且然后可基于统计距离是否在阈值之下选择性地合并强度对。可以以任何合适的方式选择阈值。
在示例中，针对每个强度对计算统计距离。也就是说，计算每个强度和未被修剪的每个其他强度之间的统计距离(方框312)。如果任何强度对具有至少一个匹配轨迹ID并且具有低于阈值的统计距离，则该强度对聚集在一起。在示例中，被聚集在一起的任何强度在针对合并分析全部强度对之后被合并。如果没有匹配的轨迹ID或统计距离在阈值之上，则基于该分析，该强度对不被聚集在一起。在这个示例中，针对未被修剪的强度中每一强度对重复轨迹ID比较和统计距离测试。
合并的目标是组合对应于相同被跟踪物体的任何强度，使得针对每个物体只有一个强度存在。因此，超过两个强度可合并成单个强度。因此，在示例中，在合并之前，被识别为将要合并的强度聚集在一起。聚集是两个或更多将要合并但尚未合并的强度之间的关联。可在合并之前聚集强度以允许在任何强度对合并之前分析全部可能的强度对。在这种示例中，轨迹ID比较和统计测试的结果是：在分析全部强度对之后对应的强度对被聚集在一起并且与该集群中任何其他强度合并在一起。
由于超过两个强度可以被聚集在一起，因此以下情况是可能的：基于轨迹ID比较和统计测试未被聚集的强度对中的强度以后仍可被放置在相同集群中。例如，如果上面讨论的第二强度已经在具有第三强度的集群中，并且上面讨论的第一强度与第二强度针对合并进行比较，但第一强度-第二强度对不符合合并的标准，基于此分析第一强度将不与第二强度聚集。然而，如果第一强度-第三强度对符合合并的标准，则第一强度将被放置在也包括第二强度的具有第三强度的集群中。因此，第一强度将与第二强度聚集，即使第一强度-第二强度对不符合合并标准。以这种方式，超过两个强度可聚集在一起用于合并。
在另一示例中，代替针对每个可能强度对计算统计距离，基于针对强度对是否存在任何匹配轨迹ID选择性地计算统计距离测试。例如，对于上面讨论的包括第一强度和第二强度的强度对，如果轨迹ID的第一集合中的任何轨迹ID匹配轨迹ID的第二集合中的任何轨迹ID，则针对第一强度-第二强度对计算统计距离。如果该统计距离低于阈值，则第一强度与第二强度被聚集在一起。如果统计距离高于阈值，则基于此分析第一强度与第二强度不被聚集。然而，如果轨迹ID的第一集合中没有一个轨迹ID匹配轨迹ID的第二集合中的任何轨迹ID，则基于此分析不计算统计距离并且第一强度与第二强度不被聚集。这种过程可减少必需的计算量，因为不针对基于轨迹ID比较而不能被聚集的强度对计算统计距离。这种过程可针对每一强度对进行重复。
此外，在一些示例中，基于两个对之间是否存在任何相同类型的轨迹ID来选择性地执行轨迹ID比较。例如，如果第一强度仅具有一个与其关联的轨迹ID，且他是来自TCAS模式S传感器的ICAO飞行器地址，以及第二强度仅具有一个与其关联的轨迹ID并且他来自雷达，则这两个轨迹ID将不匹配，即使强度可能对应于相同物体。这两个轨迹ID将不匹配，因为他们具有不同的类型；来自TCAS模式S传感器的第一轨迹ID是ICAO飞行器地址，并且来自雷达的第二轨迹ID是传感器特定ID，而不是ICAO飞行器地址。同样，如果第一传感器特定轨迹ID来自第一传感器并且第二传感器特定轨迹ID来自第二传感器，即使他们对应于相同物体他们也将不匹配。考虑到这些，一些示例基于强度对之间是否存在相同类型的任何轨迹ID来选择性地执行轨迹ID比较。如果存在相同类型的两个轨迹ID，则执行轨迹ID比较，并且基于该比较做出是否合并的判定。如果没有相同类型的两个轨迹ID，则不执行轨迹ID比较，并且仅基于统计距离进行是否合并的判定。
使用上述示例强度，其中第一强度具有与其关联的具有一个或多个轨迹ID的第一集合并且第二强度具有与其关联的具有一个或多个轨迹ID的第二集合，做出关于在轨迹ID的第一集合和轨迹ID的第二集合两者中是否存在相同类型的任何轨迹ID的确定。可以以任何合适的方式(如基于包括在轨迹ID中的类型标识符)做出这种确定。例如，来自第一传感器的轨迹ID可以是RDR1XXXX，其中“RDR1”是类型标识符，表明轨迹ID来自“雷达1”，并且“XXXX”是针对对应于被跟踪的物体的唯一标识符的四个字母。类似地，来自第二传感器的轨迹ID可以是LDR1XXXX，其中“LDR1”是类型标识符，表明轨迹ID来自“LiDAR1”，并且“XXXX”是针对对应于被跟踪的物体的唯一标识符的四个字母。ICAO飞行器地址的轨迹ID可以是“ICAOXXXXXX”，其中“ICAO”是类型标识符，表明轨迹ID是ICAO飞行器地址，并且“XXXXXX”是针对飞行器的十六进制唯一标识符。也可使用其他示例。在这样的示例中，如果来自轨迹ID第一集合的轨迹ID具有与来自轨迹ID第二集合的轨迹ID相同类型的标识符，则利用那些轨迹ID执行轨迹ID比较。如果不存在与轨迹ID第二集合中的任何轨迹ID具有相同类型标识符的来自轨迹ID第一集合的轨迹ID，则不利用那些轨迹ID执行轨迹ID比较。
对于与飞行器对应的轨迹ID，可在如下两个情形下执行轨迹ID比较：如果轨迹ID的第一和第二集合二者都包括作为ICAO飞行器地址的轨迹ID；或者如果轨迹ID的第一和第二集合二者都包括来自同一传感器的轨迹ID，该传感器在时间上使测量值相关。如果这两个情形都不发生，则不对这两个强度执行轨迹ID比较，并且合并判定仅基于两个强度之间的统计距离。
在任何情况中，上面所述的过程之一对未被修剪(方框312)的多个强度执行以将合适的强度合并在一起。组合被识别用于合并的强度的行动可以按照任何合适方式执行，包括按照本领域技术人员已知的方式。在示例中，合并强度(从两个或更多个强度组合形成(方框314)的强度)具有与其关联的来自被组合以形成合并强度的每个强度的全部轨迹ID。因此，如果预测强度与新强度合并，其中预测强度具有与其关联的第一轨迹ID和第二轨迹ID，新强度具有与其关联的第三轨迹ID，则产生的合并强度具有与其关联的第一、第二和第三轨迹ID。在示例中，也仅基于统计距离测试，针对合并分析不具有任何与其关联的轨迹ID的强度与另一强度。
在一个示例中，用于确定是否合并强度对的统计距离阈值基于哪个传感器具有与强度对中的强度关联的轨迹ID被动态选择。具有与强度关联的轨迹ID的传感器可基于上面讨论的轨迹ID类型被确定。例如，第一传感器可以是提供ICAO飞行器地址的传感器。第二传感器可以是雷达，雷达在时间上使测量值和对应的轨迹ID相关。第三传感器可以是LiDAR，LiDAR在时间上使测量值和对应的轨迹ID相关。在任何情况下，统计距离阈值可基于具有与强度对关联的(一个或多个)轨迹ID的(一个或多个)传感器被选择。此外，在轨迹ID比较发生的状况下，统计距离阈值可基于哪个传感器提供正被比较的轨迹ID而被选择。例如，如果第一强度和第二强度二者都包括来自雷达的轨迹ID，则可使用对应于雷达的统计距离阈值。如果第一强度和第二强度二者都包括ICAO飞行器地址，则可使用对应于输出ICAO飞行器地址的传感器的统计距离阈值。在一个示例中，如果第一强度仅包括来自雷达的轨迹ID并且第二强度仅包括ICAO飞行器地址，则可使用对应于雷达-ICAO飞行器地址对的统计距离。此外，如果超过两个轨迹ID被包括在强度对中，则统计距离阈值可对应于具有超过两个传感器的集合。如可以看出的，依赖于具有与强度对关联的轨迹ID的(一个或多个)特定传感器，可使用任何数量的不同统计阈值。在一个示例中，基于具有与强度对关联的轨迹ID的传感器的准确度来设置统计距离阈值。具体来说，对于具有较差准确度的传感器，更高阈值用于统计距离以使合并对应于相同物体的强度更加可能。
在合并强度之后，产生的强度作为对应于那个时间步长的轨迹强度从循环输出。把这些轨迹强度输入至下一个循环迭代中以被更新到下一个时间步长，如上面描述的那样。这些轨迹强度也被输出用于显示和/或进一步分析，例如由SAA系统(方框316)。
由循环输出的轨迹强度保持来自用于创建该轨迹强度的任何强度的全部轨迹ID。例如，当给定轨迹强度被更新至下一个时间步长时，如果没有强度与给定轨迹强度合并，则更新的轨迹强度保持与先前轨迹强度相同的(一个或多个)轨迹ID。然而，如果第一强度与一个或多个第二轨迹强度合并(方框314)以创建合并的轨迹强度，则该合并的轨迹强度作为更新的轨迹强度输出，该更新的轨迹强度具有与其关联的来自第一强度和一个或多个第二强度的全部轨迹ID。如果强度被修剪(方框312)，则该强度被删除(不再保持)，并且因此，在输出的轨迹强度中不存在。与修剪的强度关联的任何轨迹ID不被考虑用于聚集(方框310)或由修剪行动(方框312)传递至被合并(方框314)。最后，如果测量值-轨迹强度没有与任何其他强度合并，并且基于测量值-轨迹强度创建更新的轨迹强度，则与测量值-轨迹强度关联的(一个或多个)轨迹ID与更新的轨迹强度关联。没有其他轨迹ID与这种更新轨迹强度相关联。类似地，如果新强度没有与任何其他强度合并，并且基于其创建更新的轨迹强度，则与新强度关联的轨迹ID与更新的轨迹强度关联。没有其他轨迹ID与这种更新的轨迹强度相关联。
示例实施例
示例1包括一种利用概率假设密度滤波器跟踪多个物体的方法，该方法包括：通过组合来自一个或多个第一传感器的一个或多个第一测量值生成第一强度，其中轨迹ID的第一集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第一测量值中其相应的测量值对应的一个或多个第一传感器提供，其中第一强度包括在第一时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；通过组合来自一个或多个第二传感器的一个或多个第二测量值来生成第二强度，其中轨迹ID的第二集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第二测量值中其相应的测量值对应的一个或多个第二传感器提供，其中第二强度包括在所述第一时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；轨迹ID的第一集合与轨迹ID的第二集合比较，并且基于轨迹ID的第一集合中的任何轨迹ID与轨迹ID的第二集合中的任何轨迹ID是否匹配，选择性地把第一强度与第二强度合并。
示例2包括示例1的方法，包括：计算第一强度与第二强度之间的统计距离；并且其中选择性地合并包括：基于统计距离是否小于阈值来选择性地合并第一强度和第二强度。
示例3包括示例2的方法，其中选择性地合并包括：如果轨迹ID的第一集合中任何轨迹ID与轨迹ID的第二集合中任何轨迹ID匹配并且如果统计距离小于阈值，则将第一强度与第二强度合并。
示例4包括示例1-3中任一项的方法，包括：如果轨迹ID的第一集合中任何轨迹ID与轨迹ID的第二集合中任何轨迹ID匹配，则计算第一强度与第二强度之间的统计距离；并且如果统计距离小于阈值，则合并第一强度和第二强度。
示例5包括示例4的方法，其中计算统计距离包括计算Malhanobis距离。
示例6包括示例1-5中任一项的方法，包括：生成多个强度，每个强度具有与其关联的一个或多个轨迹ID，其中第一和第二强度在所述多个强度内；并且其中选择性地合并包括合并所述多个强度以产生一个或多个合并强度，其中如果与给定强度关联的一个或多个轨迹ID中的任何和与一个或多个其他强度关联的一个或多个轨迹ID中的任何相匹配，并且如果所述给定强度与具有匹配轨迹ID的所述一个或多个其他强度之间的统计距离小于阈值，则给定强度与所述一个或多个其他强度合并。
示例7包括示例1-6中任一项的方法，其中轨迹ID的第一集合和轨迹ID的第二集合中的每个轨迹ID是由传感器分配给由所述传感器获得的测量值的集合的标识符之一，所述测量值在时间上被相关，或者是由传感器接收的并且对应于所述传感器的相应测量值的国际民用航空组织(ICAO)飞行器地址。
示例8包括示例1-7中任一项的方法，其中第一强度包括预测强度、测量值-轨迹强度和新强度中的一个，并且第二强度包括预测强度、测量值-轨迹强度和新强度中的一个。
示例9包括利用概率假设密度滤波器跟踪多个物体的方法，该方法包括：通过组合来自一个或多个第一传感器的一个或多个第一测量值生成第一强度，其中轨迹ID的第一集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第一测量值中其相应的测量值对应的一个或多个第一传感器提供，其中第一强度包括在第一时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；通过组合来自一个或多个第二传感器的一个或多个第二测量值来生成第二强度，其中轨迹ID的第二集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第二测量值中其相应的测量值对应的一个或多个第二传感器提供，其中第二强度包括在第二时间(atthesecondtime)的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；基于在轨迹ID的第一集合和轨迹ID的第二集合中是否存在相同类型的任何轨迹ID，选择性地比较轨迹ID的第一集合与轨迹ID的第二集合；并且基于轨迹ID的第一集合中的任何轨迹ID与轨迹ID的第二集合中的任何轨迹ID是否匹配，选择性地把第一强度与第二强度合并。
示例10包括示例9的方法，其中选择性比较包括：如果轨迹ID的第一集合包括作为国际民用航空组织(ICAO)飞行器地址的第一轨迹ID并且轨迹ID的第二集合包括作为ICAO飞行器地址的第二轨迹ID，则：比较第一轨迹ID和第二轨迹ID；如果第一轨迹ID与第二轨迹ID匹配，则：计算第一强度和第二强度之间的统计距离；并且如果统计距离小于第一阈值，则合并第一强度和第二强度；如果轨迹ID的第一集合包括来自在时间上使测量值相关的第一传感器的第一轨迹ID，并且轨迹ID的第二集合包括来自第一传感器的第二轨迹ID，则：比较第一轨迹ID和第二轨迹ID；如果第一轨迹ID与第二轨迹ID匹配，则：计算第一强度和第二强之间的统计距离；并且如果统计距离小于第二阈值，则合并第一强度和第二强度；如果轨迹ID的第一和第二集合中任一个不包括作为ICAO飞行器地址的轨迹ID或者如果轨迹ID的第一和第二集合中的任一个不包含来自在时间上使测量值相关的相同传感器的轨迹ID，则：计算第一强度和第二强度之间的统计距离；并且如果统计距离小于第三阈值，则合并第一强度和第二强度；否则，不合并第一强度和第二强度。
示例11包括示例10的方法，其中第一阈值基于哪个传感器提供第一轨迹ID和哪个传感器提供第二轨迹ID被设置，其中第二阈值基于第一传感器被设置，其中第三阈值基于提供轨迹ID的第一集合和轨迹ID的第二集合的一个或多个传感器被设置。
示例12包括示例11的方法，其中针对具有较差准确度的传感器类型，第一阈值、第二阈值和第三阈值被设置得更高。
示例13包括示例9-12中任一项的方法，其中轨迹ID的第一集合和轨迹ID的第二集合中的每个轨迹ID是由传感器分配给由所述传感器获得的测量值的集合的标识符之一，所述测量值在时间上被相关，或者是由传感器接收的并且对应于所述传感器的相应测量值的ICAO飞行器地址。
示例14包括示例9-13中任一项的方法，其中第一强度包括预测强度、测量值-轨迹强度和新强度中的一个，并且第二强度包括预测强度、测量值-轨迹强度和新强度中的一个。
示例15包括示例9-14中任一项的方法，其中选择性合并包括：在组合两个或更多个强度以创建合并强度之前，聚集已识别用于合并在一起的两个或更多个强度。
示例16包括利用概率假设密度滤波器跟踪多个物体的方法，方法包括：提供多个强度，所述多个强度中的每个强度包括相应物体轨迹统计值的权重、状态平均向量和状态协方差矩阵，其中每个强度具有与其关联的一个或多个轨迹ID，其中与相应强度关联的每个轨迹ID对应于对所述相应强度有贡献的测量值；并且基于所述多个强度中一个或多个轨迹ID中的任何强度是否匹配并基于所述多个强度中的任何强度之间的统计距离是否小于阈值来合并所述多个强度。
示例17包括示例16的方法，其中合并所述多个强度包括：针对第一轨迹ID和第二轨迹ID之间每一个匹配，计算与第一轨迹ID关联的第一强度和与第二轨迹ID关联的第二强度之间的统计距离；并且如果统计距离小于阈值，则合并第一强度和第二强度。
示例18包括示例16-17中任一项的方法，其中基于提供第一轨迹ID的传感器类型和提供第二轨迹ID的传感器类型可调整所述阈值。
示例19包括示例16-18中任一项的方法，其中所述多个强度包括预测强度、测量值-轨迹强度和新强度中的一个或多个。
示例20包括示例16-19中任一项的方法，其中所述一个或多个轨迹ID中的每个轨迹ID是由传感器分配给由所述传感器获得的测量值的集合的标识符之一，所述测量值在时间上被相关，或者是由传感器接收的并且对应于所述传感器的相应测量值的国际民用航空组织(ICAO)飞行器地址。

Claims (3)

1.一种利用概率假设密度滤波器跟踪多个物体的方法(300)，该方法包括：
通过组合来自一个或多个第一传感器的一个或多个第一测量值(302)生成第一强度(304)，其中轨迹ID的第一集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第一测量值(302)中其相应的测量值对应的一个或多个第一传感器提供，其中第一强度包括在第一时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；
通过组合来自一个或多个第二传感器的一个或多个第二测量值(302)来生成第二强度(304)，其中轨迹ID的第二集合包括一个或多个轨迹ID，该一个或多个轨迹ID由与所述一个或多个第二测量值(302)中其相应的测量值对应的一个或多个第二传感器提供，其中第二强度包括在第二时间的物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；
基于在轨迹ID的第一集合和轨迹ID的第二集合中是否存在相同类型的任何轨迹ID，选择性地比较轨迹ID的第一集合与轨迹ID的第二集合；以及
基于轨迹ID的第一集合中的任何轨迹ID与轨迹ID的第二集合中的任何轨迹ID是否匹配，选择性地把第一强度与第二强度合并(314)。
2.根据权利要求1所述的方法，其中选择性地比较包括：
如果轨迹ID的第一集合包括作为国际民用航空组织(ICAO)飞行器地址的第一轨迹ID并且轨迹ID的第二集合包括作为ICAO飞行器地址的第二轨迹ID，则：
比较第一轨迹ID和第二轨迹ID；
如果第一轨迹ID与第二轨迹ID匹配，则：
计算第一强度和第二强度之间的统计距离；并且
如果统计距离小于第一阈值，则合并第一强度和第二强度；
如果轨迹ID的第一集合包括来自在时间上使测量值相关的第一传感器的第一轨迹ID，并且轨迹ID的第二集合包括来自第一传感器的第二轨迹ID，则：
比较第一轨迹ID和第二轨迹ID；
如果第一轨迹ID与第二轨迹ID匹配，则：
计算第一强度和第二强之间的统计距离；并且
如果统计距离小于第二阈值，则合并第一强度和第二强度；
如果轨迹ID的第一和第二集合中任一个不包括作为ICAO飞行器地址的轨迹ID或者如果轨迹ID的第一和第二集合中的任一个不包含来自在时间上使测量值相关的相同传感器的轨迹ID，则：
计算第一强度和第二强度之间的统计距离；并且
如果统计距离小于第三阈值，则合并第一强度和第二强度；
否则，不合并第一强度和第二强度。
3.根据权利要求2所述的方法，其中第一阈值基于哪个传感器提供第一轨迹ID和哪个传感器提供第二轨迹ID被设置，
其中第二阈值基于第一传感器被设置，
其中第三阈值基于提供轨迹ID的第一集合和轨迹ID的第二集合的一个或多个传感器被设置。
CN201510560799.4A 2014-07-31 2015-07-30 基于传感器轨迹id在phd滤波器中合并强度 Active CN105321379B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/448,808 US10309784B2 (en) 2014-07-31 2014-07-31 Merging intensities in a PHD filter based on a sensor track ID
US14/448808 2014-07-31

Publications (2)

Publication Number Publication Date
CN105321379A true CN105321379A (zh) 2016-02-10
CN105321379B CN105321379B (zh) 2020-01-10

Family

ID=53673858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510560799.4A Active CN105321379B (zh) 2014-07-31 2015-07-30 基于传感器轨迹id在phd滤波器中合并强度

Country Status (4)

Country Link
US (1) US10309784B2 (zh)
EP (2) EP2980604B1 (zh)
CN (1) CN105321379B (zh)
IL (1) IL240076B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105699964A (zh) * 2016-02-29 2016-06-22 无锡南理工科技发展有限公司 一种基于汽车防撞雷达的道路多目标跟踪方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10605607B2 (en) 2014-07-31 2020-03-31 Honeywell International Inc. Two step pruning in a PHD filter
US11175142B2 (en) * 2014-07-31 2021-11-16 Honeywell International Inc. Updating intensities in a PHD filter based on a sensor track ID
WO2020110040A1 (en) * 2018-11-27 2020-06-04 Leonardo S.P.A. Suborbital space traffic control system with radar system and ads-b receiver
US11698440B2 (en) * 2019-04-02 2023-07-11 Universal City Studios Llc Tracking aggregation and alignment
CN110308442B (zh) * 2019-06-10 2023-04-28 南京理工大学 强杂波环境下相控阵雷达的gm-phd目标跟踪方法
CN110596693B (zh) * 2019-08-26 2021-10-22 杭州电子科技大学 一种迭代更新的多传感器gmphd自适应融合方法
CN113959428B (zh) * 2021-09-27 2024-05-28 桂林电子科技大学 一种用于跟踪非刚性多扩展目标的phd滤波方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040189521A1 (en) * 1999-03-05 2004-09-30 Smith Alexander E. Method and apparatus for accurate aircraft and vehicle tracking
US20100231418A1 (en) * 2009-03-10 2010-09-16 Honeywell International Inc. Methods and systems for correlating data sources for vehicle displays
US20130229298A1 (en) * 2012-03-02 2013-09-05 The Mitre Corporation Threaded Track Method, System, and Computer Program Product
CN103729637A (zh) * 2013-12-31 2014-04-16 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4816833A (en) 1987-06-16 1989-03-28 Westinghouse Electric Corp. Pulse doppler surveillance post signal processing and scan to scan correlation
US5390133A (en) 1992-09-30 1995-02-14 Martin Marietta Corporation Image processor for target detection and tracking
US5414643A (en) 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5798942A (en) 1994-04-05 1998-08-25 Trw Inc. N-best feasible hypotheses multitarget tracking system for space-based early warning systems
US6959869B2 (en) 1999-06-07 2005-11-01 Metrologic Instruments, Inc. Automatic vehicle identification (AVI) system employing planar laser illumination and imaging (PLIIM) based subsystems
AU2002334708A1 (en) 2001-10-01 2003-04-14 Kline And Walker, Llc Pfn/trac system faa upgrades for accountable remote and robotics control
US6799114B2 (en) 2001-11-20 2004-09-28 Garmin At, Inc. Systems and methods for correlation in an air traffic control system of interrogation-based target positional data and GPS-based intruder positional data
NL1020287C2 (nl) 2002-04-02 2003-10-03 Thales Nederland Bv Werkwijze voor meerdoelendetectie, met name voor toepassing in rondzoekradars met meerbundelvorming in elevatie.
DE10231712A1 (de) 2002-07-13 2004-01-29 Stn Atlas Elektronik Gmbh Verfahren zur Beobachtung einer Vielzahl von Objekten
US7218270B1 (en) 2003-02-10 2007-05-15 The United States Of America As Represented By The Secretary Of The Air Force ATR trajectory tracking system (A-Track)
US6806828B1 (en) 2003-09-22 2004-10-19 Itt Manufacturing Enterprises, Inc. Passive range and angle measurement system and method
EP1533628B1 (en) 2003-11-19 2012-10-24 Saab Ab A method for correlating and numbering target tracks from multiple sources
US7680300B2 (en) 2004-06-01 2010-03-16 Energid Technologies Visual object recognition and tracking
US7626535B2 (en) 2006-11-09 2009-12-01 Raytheon Company Track quality based multi-target tracker
US7864096B2 (en) 2008-01-23 2011-01-04 Aviation Communication & Surveillance Systems Llc Systems and methods for multi-sensor collision avoidance
US8330810B2 (en) 2008-02-27 2012-12-11 Honeywell International Inc. Systems and method for dynamic stabilization of target data detected from a moving platform
FR2951553A1 (fr) * 2009-10-20 2011-04-22 Thales Sa Procede de pistage associant un radar passif a d'autres senseurs
US9240053B2 (en) 2010-03-15 2016-01-19 Bae Systems Plc Target tracking
US8378881B2 (en) 2010-10-18 2013-02-19 Raytheon Company Systems and methods for collision avoidance in unmanned aerial vehicles
US8924137B2 (en) * 2011-09-30 2014-12-30 Lockheed Martin Corporation Method and apparatus for dynamic air traffic trajectory synchronization
JP5306389B2 (ja) 2011-02-25 2013-10-02 株式会社東芝 目標追跡装置
US8799189B2 (en) * 2011-03-11 2014-08-05 Raytheon Company Multiple hypothesis tracking
US8515881B2 (en) 2011-03-11 2013-08-20 Raytheon Company Multiple hypothesis tracking
US8970429B2 (en) 2012-06-14 2015-03-03 Raytheon Company Systems and methods for tracking targets by a through-the-wall radar using multiple hypothesis tracking
US9495778B2 (en) 2012-08-27 2016-11-15 Kabushiki Kaisha Toshiba Information presenting apparatus and method for confirmed and tentative tracks
CN103345577B (zh) 2013-06-27 2016-05-18 江南大学 变分贝叶斯概率假设密度多目标跟踪方法
WO2015008432A1 (ja) 2013-07-17 2015-01-22 日本電気株式会社 物体追跡装置、物体追跡方法および物体追跡プログラム
FR3017481B1 (fr) 2014-02-07 2016-02-26 Sagem Defense Securite Procede de detection et de pistage de cibles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040189521A1 (en) * 1999-03-05 2004-09-30 Smith Alexander E. Method and apparatus for accurate aircraft and vehicle tracking
US20100231418A1 (en) * 2009-03-10 2010-09-16 Honeywell International Inc. Methods and systems for correlating data sources for vehicle displays
US20130229298A1 (en) * 2012-03-02 2013-09-05 The Mitre Corporation Threaded Track Method, System, and Computer Program Product
CN103729637A (zh) * 2013-12-31 2014-04-16 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BA NGU VO: "The Gaussian Mixture Probability Hypothesis Density Filter", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 *
吕学斌: "高斯混合概率假设密度滤波器在多目标跟踪中的应用", 《计算机学报》 *
张鹤冰: "概率假设密度滤波算法及其在多目标跟踪中的应用", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105699964A (zh) * 2016-02-29 2016-06-22 无锡南理工科技发展有限公司 一种基于汽车防撞雷达的道路多目标跟踪方法

Also Published As

Publication number Publication date
US20160033276A1 (en) 2016-02-04
EP3859389A1 (en) 2021-08-04
EP3859389B1 (en) 2024-04-03
CN105321379B (zh) 2020-01-10
US10309784B2 (en) 2019-06-04
EP2980604A1 (en) 2016-02-03
IL240076B (en) 2020-02-27
EP2980604B1 (en) 2021-04-14

Similar Documents

Publication Publication Date Title
CN105321379A (zh) 基于传感器轨迹id在phd滤波器中合并强度
CN104699943B (zh) 无人飞行器系统感测和避免传感器融合航迹初始化
KR101829560B1 (ko) 칼만 필터를 기반으로 하는 용량 예측 방법, 시스템 및 컴퓨터 장치
US20170364817A1 (en) Estimating a number of occupants in a region
CN110780289B (zh) 基于场景雷达的多目标车辆跟踪方法及装置
KR101720781B1 (ko) 객체에 대한 이상 행동 예측 장치 및 이를 이용한 이상 행동 예측 방법
CN105182291A (zh) 自适应目标新生强度的phd平滑器的多目标跟踪方法
CN109343051A (zh) 一种用于高级辅助驾驶的多传感器数据融合方法
JP2013174568A (ja) 移動体追跡装置、移動体追跡方法、及びプログラム
CN105321380A (zh) 基于传感器轨迹id更新phd过滤器中的强度
CN105320143A (zh) Phd滤波器中的双步骤修剪
KR101372390B1 (ko) 마코브 체인 방식의 다중스캔 추적 기법을 이용한 표적 추적방법 및 이를 이용한 표적 추적장치
CN105321381B (zh) 基于传感器轨迹id调整phd过滤器中的强度的权重
CN115240400B (zh) 车辆位置识别方法和装置、车辆位置输出方法和装置
US11555942B2 (en) Method for prediction of a surface event
Ye et al. Parallel Bayesian inference of range and reflectance from LaDAR profiles
CN117235434B (zh) 林业碳汇项目基线构建方法、系统、终端及介质
Hao et al. Stochastic queue profile estimation using license plate recognition data
CN111951170A (zh) 一种点云数据的处理方法及装置
CN114999649A (zh) 一种基于深度学习的老人体征数据监控预警方法和系统
Tandon et al. Detection of Radioactive Source Using Bayesian Aggregation of Data from Mobile Spectrometers
KR20180116998A (ko) 전자전 수집신호변수 기반의 레이더 위협체 역추정을 위한 시뮬레이션 시스템 및 그 방법
Sutharsan et al. Observable operator model-based joint target tracking and classification
Clark et al. Multi-object filtering with Poisson arrival-rate measurements

Legal Events

Date Code Title Description
C06 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