CN106199583A - 多目标数据匹配与跟踪的方法及系统 - Google Patents

多目标数据匹配与跟踪的方法及系统 Download PDF

Info

Publication number
CN106199583A
CN106199583A CN201610497183.1A CN201610497183A CN106199583A CN 106199583 A CN106199583 A CN 106199583A CN 201610497183 A CN201610497183 A CN 201610497183A CN 106199583 A CN106199583 A CN 106199583A
Authority
CN
China
Prior art keywords
target
moment
maximum
value
row
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.)
Pending
Application number
CN201610497183.1A
Other languages
English (en)
Inventor
田雨农
张磊
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.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland Technology Co Ltd
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 Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610497183.1A priority Critical patent/CN106199583A/zh
Publication of CN106199583A publication Critical patent/CN106199583A/zh
Pending legal-status Critical Current

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种多目标数据匹配与跟踪的方法及系统，把雷达扫描得到的第一帧的数据保存到事先开辟的航迹列表中，作为起始航迹；把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；把k‑1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素，形成矩阵；得到矩阵每一个元素的值后，进行归一化处理，取更新后的这个矩阵元素的最大值，记录下这个元素所在的行与列，然后求取剩余元素的最大值，记录下其元素所在的行与列，求取除了前面那些最大值所在的行与列外，剩余元素的最大值；本发明不但解决了最近邻域法中目标匹配不精准问题，还解决了联合概率数据关联法中计算量大的问题。

Description

多目标数据匹配与跟踪的方法及系统
技术领域
本发明属于车载毫米波雷达技术领域，具体说是一种多目标数据匹配与跟踪的方法及系统。
背景技术
随着对汽车安全行驶与辅助驾驶的重视以及智能化产品的发展，当前车载毫米波雷达的应用也越来越引起重视。而毫米波雷达多目标匹配与跟踪问题是车载毫米波雷达应用中的一个重要方面。
多目标匹配与跟踪问题主要涉及到上一个时刻k-1有n个已知的目标航迹，对这n个待匹配目标航迹与当前k时刻m个测量数据进行匹配关联问题。下文中已知的目标航迹都称为待更新的目标航迹,举例说明，已知k-1时刻有3个待更新航迹目标，k时刻当前有2个观测目标。一般同一个目标在运动中都是连续的，在k-1时刻运动到某个位置，在k时刻运动到另外一个位置。即如果是同一个目标，k时刻目标与k-1时刻的位置是存在关联。因此多目标匹配与跟踪就是求取当前时刻这2个观测目标中某一个目标B1与A1,A2,A3中哪一个存在关联，为同一个假设目标，B2是来源于A1,A2,A3中哪一个，或者都不来源于A1,A2,A3，B1或者B2是一个杂波或者是一个新的目标。
当前解决多目标匹配与跟踪问题主要有以下两个方面：1、最近邻域法：比较简单，但是在有杂波的情况下，最近的不一定是真实的目标。另外最近邻域法本身有种先入为主的问题，如在计算中，当n个目标航迹中第i个目标的预测值与所有的量测目标进行距离对比，发现第j个测量与之的距离最近，为2m,这样第j个测量数据完成了匹配关联，就不参与后续的计算，即不再与n个目标航迹中后续其他目标进行距离判断，进行匹配关联。但是如果实际上当n个目标航迹中第i+2个目标的预测值与第j个测量数据的距离值为1m，这样原有的匹配就有问题。2、联合概率数据关联法：综合考虑了n个待更新航迹目标与m个量测目标的匹配关联问题。但是在计算不同行不同列相乘时，如果n，m数字比较大，求取不同行与不同列的元素相乘，计算量就比较大。如果是n*n矩阵，计算不同行与不同列的元素相乘，计算量为n！*(n-1)个乘法。如上面的例子，n＝3,需要计算6个值，每个值需要2个乘法，因此需要计算3！*2个乘法。这个还不包含计算完后还需要计算这些值中的最大值的计算量。而且如果在求矩阵元素的概率值时，再把量测方差考虑进去，每次进行迭代，计算量就更大了。
发明内容
针对最近邻域法以及联合概率数据关联法存在上述缺点和不足，本发明提供了一种多目标数据匹配与跟踪的方法及系统，不但解决了最近邻域法中目标匹配不精准问题，还解决了联合概率数据关联法中计算量大的问题。
为实现上述目的，本发明提供了一种多目标数据匹配与跟踪的方法，包括：
步骤1.把雷达扫描得到的第一帧的数据保存到事先开辟的航迹列表中，作为起始航迹；
步骤2.把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
步骤3.把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素，形成矩阵；
步骤4.得到矩阵每一个元素的值后，取这个矩阵元素的最大值，设其最大值为d；然后重新计算把原来的不能进行匹配的元素值仍置为0；
步骤5.在归一化更新后的矩阵中找出其中最大的一个元素值，记录下这个元素所在的行与列。然后除了这一行这一列外，求取剩余元素的最大值，记录下其元素所在的行与列。以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,最多需要找出m个元素。
步骤6.已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，如果在步骤5没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，得到k时刻的航迹列表；
进一步的，本方法还包括步骤7.重复步骤2-6，计算第k时刻待更新的航迹目标与k+1时刻测量数据的匹配关联问题，这样迭代计算下去，即可以对多目标实现跟踪。
进一步的，是否进行关联匹配的依据为：根据预测速度在当前时刻的最小值与最大值来进行关联匹配。具体如下：ΔV＝a*ΔT，其中a表示加速度，ΔT表示时间间隔，ΔV表示速度差；取物体运动的最大加速度，在单位时间间隔内得到最大的速度差值，再根据加速与减速，以及根据上一时刻的速度，预测速度在当前时刻的最小值与最大值。
进一步的，设加速度为a，时间间隔为ΔT,上一时刻k-1某个待更新的目标航迹中的速度值为v(k-1),当前时刻k的速度v(k)的预测值范围为：
(v(k-1)-a*Δt)<v(k)<(v(k-1)+a*Δt)
如果当前时刻k某个测量目标中的速度不在这个范围内，则这个测量目标与这个待更新的目标航迹不能匹配关联。
更进一步的，步骤3中把不能进行匹配的矩阵元素的值置为0，相应的匹配关联运算如下：
m i n j | V j ( k ) - U i ( k | k - 1 ) |
其中Vj(k)表示当前时刻k的第j个观测目标的值，Ui(k|k-1)表示上一时刻k-1第i个待更新航迹目标在k时刻的预测值；表示求取所有的观测目标与上一时刻k-1第i个的预测值距离最近的某个观测目标的下标；
进而得出矩阵元素aji的值，即第j行第i列元素的值。
作为更进一步的，建立一个初始目标航迹或者消除这个目标航迹，需要几帧数据来确认：刚开始，连续几帧都存在这个新目标，则确认这个目标是有效目标，即有效航迹；跟踪一段时间，如果连续几帧都找不到这个目标，即在测量数据中无这个目标，则需要把这个丢失的目标从目标航迹列表中删除。
本发明还提供了一种多目标数据匹配与跟踪的系统，具体包括：
起始航迹列表，用来存储雷达扫描得到的第一帧数据；
环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
形成矩阵模块，把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素；
求取匹配关联模块，根据计算后得到的矩阵的值，求取这个矩阵元素的最大值，记录下其元素所在的行与列；求取剩余元素的最大值，记录下其元素所在的行与列，以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,找出m个元素；
匹配更新模块，已经匹配过的待匹配目标航迹用新匹配测量数据进行更新。
具体的，该系统还包括：新航迹列表，如果没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，以及结合上面提到的已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，得到k时刻的航迹列表。
更具体的，该系统还包括：确认模块，建立一个有效的初始目标航迹或者消除这个目标航迹，用几帧数据来确认。
本发明由于采用以上技术方案，能够取得如下的技术效果：在综合考虑k时刻的n个待更新航迹目标与k+1时刻的m个量测目标的匹配关联问题情况下，比最近邻域法考虑要综合些，在n，m数字比较大时比联合概率数据互联计算量会减少不少。
附图说明
本发明共有附图1幅：
图1为多目标数据匹配与跟踪的方法流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步的具体说明。
实施例1
一种多目标数据匹配与跟踪的方法，包括：
步骤1.把雷达扫描得到的第一帧的数据保存到事先开辟的航迹列表中，作为起始航迹；
步骤2.设计一个环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
ΔV＝a*ΔT，其中a表示加速度，ΔT表示时间间隔，ΔV表示速度差；取物体运动的最大加速度，在单位时间间隔内得到最大的速度差值，再根据加速与减速，以及根据上一时刻的速度，预测速度在当前时刻的最小值与最大值。
设加速度为a，时间间隔为ΔT,上一时刻k-1某个待更新的目标航迹中的速度值为v(k-1),当前时刻k的速度v(k)的预测值范围为：
(v(k-1)-a*Δt)<v(k)<(v(k-1)+a*Δt)
如果当前时刻k某个测量目标中的速度不在这个范围内，则这个测量目标与这个待更新的目标航迹不能匹配关联。
步骤3.把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素，形成矩阵；把不能进行匹配的矩阵元素的值置为0，相应的匹配关联运算如下：
m i n j | V j ( k ) - U i ( k | k - 1 ) |
其中Vj(k)表示当前时刻k的第j个观测目标的值，Ui(k|k-1)表示上一时刻k-1第i个待更新航迹目标在k时刻的预测值；表示求取所有的观测目标与上一时刻k-1第i个的预测值距离最近的某个观测目标的下标；
进而得出矩阵元素aji的值，即第j行第i列元素的值。
步骤4.得到矩阵每一个元素的值后，取这个矩阵元素的最大值，设其最大值为d,重新计算把原来的不能进行匹配的元素值仍置为0；
步骤5.在归一化更新后的矩阵中找出其中最大的一个元素值，记录下这个元素所在的行与列；然后除了这一行这一列外，求取剩余元素的最大值，记录下其元素所在的行与列。以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,最多需要找出m个元素。
步骤6.已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，如果在步骤5没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，得到k时刻的航迹列表；
步骤7.重复步骤2-6，计算第k时刻待更新的航迹目标与k+1时刻测量数据的匹配关联问题，这样迭代计算下去，即可以对多目标实现跟踪。
本发明还提供了一种多目标数据匹配与跟踪的系统，具体包括：
起始航迹列表，用来存储雷达扫描得到的第一帧数据；
环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
形成矩阵模块，把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素；
求取匹配关联模块，根据计算后得到的矩阵的值，求取这个矩阵元素的最大值，记录下其元素所在的行与列；求取剩余元素的最大值，记录下其元素所在的行与列，以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,找出m个元素；
匹配更新模块，已经匹配过的待匹配目标航迹用新匹配测量数据进行更新；
新航迹列表，如果没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，以及结合上面提到的已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，得到k时刻的航迹列表。
实施例2
一种多目标数据匹配与跟踪的方法，包括：
步骤1.把毫米波雷达扫描得到的第一帧的数据保存到事先开辟的航迹列表中，作为起始航迹；
步骤2.设计一个环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
ΔV＝a*ΔT，其中a表示加速度，ΔT表示时间间隔，ΔV表示速度差；取物体运动的最大加速度，在单位时间间隔内得到最大的速度差值，再根据加速与减速，以及根据上一时刻的速度，预测速度在当前时刻的最小值与最大值。
如假设加速度为6，时间间隔为0.05s,上一时刻k-1某个待更新的目标航迹中的速度值为v(k-1),当前时刻k的速度v(k)的预测值范围为
(v(k-1)-6*0.05)<v(k)<(v(k-1)+6*0.05)
如果当前时刻k某个测量目标中的速度不在这个范围内，则这个测量目标与这个待更新的目标航迹不能匹配关联。
步骤3.把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素，形成矩阵；把不能进行匹配的矩阵元素的值置为0，相应的匹配关联运算如下：
m i n j | V j ( k ) - U i ( k | k - 1 ) |
其中Vj(k)表示当前时刻k的第j个观测目标的值，Ui(k|k-1)表示上一时刻k-1第i个待更新航迹目标在k时刻的预测值；表示求取所有的观测目标与上一时刻k-1第i个的预测值距离最近的某个观测目标的下标；
进而得出矩阵元素aji的值，即第j行第i列元素的值。
步骤4.得到矩阵每一个元素的值后，取这个矩阵元素的最大值，设其最大值为d,重新计算把原来的不能进行匹配的元素值仍置为0；
步骤5.在归一化更新后的矩阵中找出其中最大的一个元素值，记录下这个元素所在的行与列。然后除了这一行这一列外，求取剩余元素的最大值，记录下其元素所在的行与列。以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,最多需要找出m个元素；之所以是需要找出m个元素，是由于有m个目标测量数据。另外由于当前时刻k有些目标测量数据与k-1时刻的每一个待更新目标都不能匹配关联，因此最多需要寻找m次。
假如得到更新元素值后的矩阵如下：
A1 A2 A3
B1 0.5 0.8 0.3
B2 0.6 0 0.5
B3 0 0.4 0.55
在这个矩阵中找出最大元素值，是a12＝0.8,记录下第1个测量数据与第2个待更新的航迹目标数据相匹配，然后除了第一行第二列，找出其次最大值，是a21＝0.6，记录下第2个测量数据与第1个待更新的航迹目标数据相匹配。然后除了第一行第二列，第二行第一列以外，找出最大元素值，是a33＝0.55，记录下第3个测量数据与第3个待更新的航迹目标数据相匹配，这样寻找结束后，就得到判断匹配关联的依据。即第1个测量数据与第2个待更新的航迹目标数据相匹配，第2个测量数据与第1个待更新的航迹目标数据相匹配，第3个测量数据与第3个待更新的航迹目标数据相匹配。
步骤6.已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，如果在步骤5没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，得到k时刻的航迹列表；
步骤7.重复步骤2-6，计算第k时刻待更新的航迹目标与k+1时刻测量数据的匹配关联问题，这样迭代计算下去，即可以对多目标实现跟踪。
上述方法中，还包括建立一个有效的初始目标航迹或者消除这个目标航迹，需要几帧(把某个时刻称之为某一帧)数据来确认的步骤：刚开始，连续几帧都存在这个新目标，则确认这个目标是有效目标，即有效航迹；跟踪一段时间，如果连续几帧都找不到这个目标，即在测量数据中无这个目标，则需要把这个丢失的目标从目标航迹列表中删除。
本发明还提供了一种多目标数据匹配与跟踪的系统，具体包括：
起始航迹列表，用来存储毫米波雷达扫描得到的第一帧数据；
环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
形成矩阵模块，把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素；
求取匹配关联模块，根据归一化计算得到的矩阵的值，求取这个矩阵元素的最大值，记录下其元素所在的行与列；求取剩余元素的最大值，记录下其元素所在的行与列，以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,找出m个元素；
匹配更新模块，已经匹配过的待匹配目标航迹用新匹配测量数据进行更新。
新航迹列表，如果没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，以及结合上面提到的已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，得到k时刻的航迹列表；
确认模块，建立一个有效的初始目标航迹或者消除这个目标航迹，用几帧数据来确认。
如果是n*n的矩阵，按照从小到大进行排序，计算量较大的情况下是O(n4).因此当n较大时，这种方法就比现有技术提到的计算不同行与不同列的元素相乘的计算量n！(n-1)要小很多，而且这种方法也比计算矩阵不同行不同列的元素相乘值要简单一些。
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披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种多目标数据匹配与跟踪的方法，其特征在于，包括：
步骤1.把雷达扫描得到的第一帧数据保存到事先开辟的航迹列表中，作为起始航迹；
步骤2.把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
步骤3.把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素，形成矩阵；
步骤4.得到矩阵每一个元素的值后，取这个矩阵元素的最大值，设其最大值为d；然后重新计算把原来的不能进行匹配的元素值仍置为0；
步骤5.在归一化更新值后的矩阵中找出其中最大的一个元素值，记录下这个元素所在的行与列；然后除了这一行这一列外，求取剩余元素的最大值，记录下其元素所在的行与列，以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,最多找出m个元素；
步骤6.已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，如果在步骤5没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，得到k时刻的航迹列表。
2.根据权利要求1所述的多目标数据匹配与跟踪的方法，其特征在于，本方法还包括步骤7.重复步骤2-6，计算第k时刻待更新的航迹目标与k+1时刻测量数据的匹配关联问题，这样迭代计算下去，即可对多目标实现跟踪。
3.根据权利要求1所述的多目标数据匹配与跟踪的方法，其特征在于，是否进行关联匹配的依据为，根据预测速度在当前时刻的最小值与最大值来进行关联匹配，具体如下：ΔV＝a*ΔT，其中a表示加速度，ΔT表示时间间隔，ΔV表示速度差；取物体运动的最大加速度，在单位时间间隔内得到最大的速度差值，再根据加速与减速，以及根据上一时刻的速度，预测速度在当前时刻的最小值与最大值。
4.根据权利要求3所述的多目标数据匹配与跟踪的方法，其特征在于，设加速度为a，时间间隔为ΔT,上一时刻k-1某个待更新的目标航迹中的速度值为v(k-1),当前时刻k的速度v(k)的预测值范围为：
(v(k-1)-a*Δt)<v(k)<(v(k-1)+a*Δt)
如果当前时刻k某个测量目标中的速度不在这个范围内，则这个测量目标与这个待更新的目标航迹不能匹配关联。
5.根据权利要求1所述的多目标数据匹配与跟踪的方法，其特征在于，步骤3中把不能进行匹配的矩阵元素的值置为0，相应的匹配关联运算如下：
m i n j | V j ( k ) - U i ( k | k - 1 ) |
其中Vj(k)表示当前时刻k的第j个观测目标的值，Ui(k|k-1)表示上一时刻k-1第i个待更新航迹目标在k时刻的预测值；表示求取所有的观测目标与上一时刻k-1第i个的预测值距离最近的某个观测目标的下标；
进而得出矩阵元素aji的值，即第j行第i列元素的值。
6.根据权利要求1所述的多目标数据匹配与跟踪的方法，其特征在于，建立一个初始目标航迹或者消除这个目标航迹，用几帧数据来确认：刚开始，连续几帧都存在这个新目标，则确认这个目标是有效目标，即有效航迹；跟踪一段时间，如果连续几帧都找不到这个目标，即在测量数据中无这个目标，则需要把这个丢失的目标从目标航迹列表中删除。
7.多目标数据匹配与跟踪的系统，其特征在于，具体包括：
起始航迹列表，用来存储雷达扫描得到的第一帧数据；
环形波门，把目标的速度的最小值与最大值作为判断是否进行关联匹配的依据；
形成矩阵模块，把k-1时刻n个目标航迹中的每一个待更新目标作为列向量元素，把当前k时刻m个测量目标中每一个测量数据作为行向量元素；
求取匹配关联模块，根据归一化计算得到的矩阵的值，求取这个矩阵元素的最大值，记录下其元素所在的行与列；求取剩余元素的最大值，记录下其元素所在的行与列，以此类推，求取除了前面那些最大值所在的行与列外，剩余元素的最大值,找出m个元素；
匹配更新模块，已经匹配过的待匹配目标航迹用新匹配测量数据进行更新。
8.根据权利要求7所述的多目标数据匹配与跟踪的系统，其特征在于，该系统还包括：新航迹列表，如果没有匹配的测量数据，这时需要建立新的航迹，放到航迹列表中，以及结合上面提到的已经匹配过的待匹配目标航迹用新匹配测量数据进行更新，得到k时刻的航迹列表。
9.根据权利要求7所述的多目标数据匹配与跟踪的系统，其特征在于，该系统还包括：确认模块，建立一个有效的初始目标航迹或者消除这个目标航迹，用几帧数据来确认。
CN201610497183.1A 2016-06-30 2016-06-30 多目标数据匹配与跟踪的方法及系统 Pending CN106199583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610497183.1A CN106199583A (zh) 2016-06-30 2016-06-30 多目标数据匹配与跟踪的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610497183.1A CN106199583A (zh) 2016-06-30 2016-06-30 多目标数据匹配与跟踪的方法及系统

Publications (1)

Publication Number Publication Date
CN106199583A true CN106199583A (zh) 2016-12-07

Family

ID=57463381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610497183.1A Pending CN106199583A (zh) 2016-06-30 2016-06-30 多目标数据匹配与跟踪的方法及系统

Country Status (1)

Country Link
CN (1) CN106199583A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106872955A (zh) * 2017-01-24 2017-06-20 西安电子科技大学 基于联合概率数据关联算法的雷达多目标跟踪优化方法
CN106932771A (zh) * 2017-03-30 2017-07-07 成都紫瑞青云航空宇航技术有限公司 一种雷达仿真目标航迹跟踪方法及系统
CN107561528A (zh) * 2017-08-11 2018-01-09 中国人民解放军63870部队 一种抗航迹合并的联合概率数据关联算法
CN108344992A (zh) * 2017-12-20 2018-07-31 北京华航无线电测量研究所 一种用于车载毫米波雷达的多目标跟踪方法
CN108827369A (zh) * 2018-07-20 2018-11-16 重庆长安汽车股份有限公司 提升传感器关联效率的方法
CN109188424A (zh) * 2018-09-14 2019-01-11 中国人民解放军海军航空大学 基于量测一致性的分布式多传感器多目标跟踪方法
CN109212514A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 一种雷达检测设备对运动以及静止目标持续跟踪关联方法
CN109782267A (zh) * 2019-01-25 2019-05-21 北京润科通用技术有限公司 航迹关联方法及车载雷达
CN111611836A (zh) * 2019-12-27 2020-09-01 珠海大横琴科技发展有限公司 基于背景消除法的船只检测模型训练及船只跟踪方法
CN112654979A (zh) * 2020-04-29 2021-04-13 华为技术有限公司 数据关联方法与装置
CN113406617A (zh) * 2021-06-22 2021-09-17 哈尔滨工业大学 一种扇扫雷达多目标连续跟踪方法
CN115701549A (zh) * 2021-08-02 2023-02-10 合肥保航汽车科技有限公司 雷达目标匹配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102253375A (zh) * 2011-04-02 2011-11-23 海华电子企业(中国)有限公司 雷达多目标数据互联方法
KR101334190B1 (ko) * 2012-11-22 2013-11-28 국방과학연구소 항적 연관 및 융합을 위한 최소 정보량 산출 방법 및 이의 저장 매체
CN103471591A (zh) * 2013-04-15 2013-12-25 中国人民解放军海军航空工程学院 基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法
CN104977022A (zh) * 2014-04-04 2015-10-14 西北工业大学 多目标跟踪系统性能评估仿真方法
CN105066995A (zh) * 2015-07-15 2015-11-18 北方信息控制集团有限公司 一种情报处理目标关联方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102253375A (zh) * 2011-04-02 2011-11-23 海华电子企业(中国)有限公司 雷达多目标数据互联方法
KR101334190B1 (ko) * 2012-11-22 2013-11-28 국방과학연구소 항적 연관 및 융합을 위한 최소 정보량 산출 방법 및 이의 저장 매체
CN103471591A (zh) * 2013-04-15 2013-12-25 中国人民解放军海军航空工程学院 基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法
CN104977022A (zh) * 2014-04-04 2015-10-14 西北工业大学 多目标跟踪系统性能评估仿真方法
CN105066995A (zh) * 2015-07-15 2015-11-18 北方信息控制集团有限公司 一种情报处理目标关联方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘宇: "雷达数据处理中的航迹相关", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
石章松等: "《目标跟踪与数据融合理论及方法》", 31 July 2010, 北京：国防工业出版社 *
肖松等: "一种可行的临近空间高超声速目标航迹起始方法", 《空军工程大学学报（自然科学版）》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106872955B (zh) * 2017-01-24 2020-02-18 西安电子科技大学 基于联合概率数据关联算法的雷达多目标跟踪优化方法
CN106872955A (zh) * 2017-01-24 2017-06-20 西安电子科技大学 基于联合概率数据关联算法的雷达多目标跟踪优化方法
CN106932771A (zh) * 2017-03-30 2017-07-07 成都紫瑞青云航空宇航技术有限公司 一种雷达仿真目标航迹跟踪方法及系统
CN107561528A (zh) * 2017-08-11 2018-01-09 中国人民解放军63870部队 一种抗航迹合并的联合概率数据关联算法
CN108344992A (zh) * 2017-12-20 2018-07-31 北京华航无线电测量研究所 一种用于车载毫米波雷达的多目标跟踪方法
CN108344992B (zh) * 2017-12-20 2020-03-27 北京华航无线电测量研究所 一种用于车载毫米波雷达的多目标跟踪方法
CN108827369A (zh) * 2018-07-20 2018-11-16 重庆长安汽车股份有限公司 提升传感器关联效率的方法
CN108827369B (zh) * 2018-07-20 2020-09-08 重庆长安汽车股份有限公司 提升传感器关联效率的方法
CN109188424A (zh) * 2018-09-14 2019-01-11 中国人民解放军海军航空大学 基于量测一致性的分布式多传感器多目标跟踪方法
CN109188424B (zh) * 2018-09-14 2020-09-04 中国人民解放军海军航空大学 基于量测一致性的分布式多传感器多目标跟踪方法
CN109212514A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 一种雷达检测设备对运动以及静止目标持续跟踪关联方法
CN109782267A (zh) * 2019-01-25 2019-05-21 北京润科通用技术有限公司 航迹关联方法及车载雷达
CN109782267B (zh) * 2019-01-25 2021-01-22 北京润科通用技术有限公司 航迹关联方法及车载雷达
CN111611836A (zh) * 2019-12-27 2020-09-01 珠海大横琴科技发展有限公司 基于背景消除法的船只检测模型训练及船只跟踪方法
CN112654979A (zh) * 2020-04-29 2021-04-13 华为技术有限公司 数据关联方法与装置
CN113406617A (zh) * 2021-06-22 2021-09-17 哈尔滨工业大学 一种扇扫雷达多目标连续跟踪方法
CN115701549A (zh) * 2021-08-02 2023-02-10 合肥保航汽车科技有限公司 雷达目标匹配方法

Similar Documents

Publication Publication Date Title
CN106199583A (zh) 多目标数据匹配与跟踪的方法及系统
Yu et al. Crack detection of concrete structures using deep convolutional neural networks optimized by enhanced chicken swarm algorithm
CN110738690A (zh) 一种基于多目标追踪框架的无人机视频中车速校正方法
CN103559237B (zh) 基于目标跟踪的半自动图像标注样本生成方法
CN109508000A (zh) 异构多传感器多目标跟踪方法
US20210233261A1 (en) Object Tracking Based on Multiple Measurement Hypotheses
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
CN104318059A (zh) 用于非线性高斯系统的目标跟踪方法和跟踪系统
CN106407677A (zh) 一种测量数据丢失情况下的多目标跟踪方法
CN104217428A (zh) 一种融合特征匹配和数据关联的视频监控多目标跟踪方法
CN113869412B (zh) 一种联合轻量级注意力机制和YOLOv3网络的图像目标检测方法
CN101719278B (zh) 基于khm算法的视频显微图像细胞自动跟踪方法
Han et al. Visual tracking by continuous density propagation in sequential Bayesian filtering framework
CN107133970A (zh) 基于运动信息的在线多目标跟踪方法及装置
CN106023254A (zh) 基于箱粒子phd滤波的多目标视频跟踪方法
CN114972410A (zh) 一种多级匹配视频赛车追踪方法及系统
Liu et al. Which framework is suitable for online 3d multi-object tracking for autonomous driving with automotive 4d imaging radar?
CN106199581A (zh) 一种随机集理论下的多机动目标跟踪方法
Lindenmaier et al. GM-PHD filter based sensor data fusion for automotive frontal perception system
CN110189362A (zh) 基于多分支自编码对抗网络的高效目标跟踪方法
CN112305915B (zh) Tsk迭代回归模型的标签多伯努利多目标跟踪方法及系统
CN114219127A (zh) 一种基于贝叶斯-长短期记忆神经网络的光伏出力概率分布预测方法
Li et al. Labeled multi-Bernoulli filter based group target tracking using SDE and graph theory
CN103020452B (zh) 一种雷达辐射源威胁等级判断方法
CN108010066A (zh) 基于红外目标灰度互相关和角度信息的多假设跟踪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207

RJ01 Rejection of invention patent application after publication