CN107271991A - 一种基于状态估计的光/电传感器目标关联方法 - Google Patents

一种基于状态估计的光/电传感器目标关联方法 Download PDF

Info

Publication number
CN107271991A
CN107271991A CN201710376525.9A CN201710376525A CN107271991A CN 107271991 A CN107271991 A CN 107271991A CN 201710376525 A CN201710376525 A CN 201710376525A CN 107271991 A CN107271991 A CN 107271991A
Authority
CN
China
Prior art keywords
target
optical electrical
sensor
multisensor
correlating method
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
CN201710376525.9A
Other languages
English (en)
Other versions
CN107271991B (zh
Inventor
刘铮
盛晶
陈文晶
毛宏霞
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.)
Beijing Institute of Environmental Features
Original Assignee
Beijing Institute of Environmental Features
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 Beijing Institute of Environmental Features filed Critical Beijing Institute of Environmental Features
Priority to CN201710376525.9A priority Critical patent/CN107271991B/zh
Publication of CN107271991A publication Critical patent/CN107271991A/zh
Application granted granted Critical
Publication of CN107271991B publication Critical patent/CN107271991B/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
    • G01S13/86—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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于状态估计的光/电传感器目标关联方法，步骤有：(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；(3)基于广义似然函数的目标状态预估与反馈系统建模；(4)根据多传感器得到的观测数据，进行多传感器下目标组合在目标状态预估与反馈系统建模中寻优；(5)多传感器多目标关联。本发明避免了对远距离弱小目标识别中其他关联识别传感器权重分配、识别证据冲突、目标同一性判断等一系列有待解决的难题，可在复杂场景下远距离弱小目标关联联合识别中应用。

Description

一种基于状态估计的光/电传感器目标关联方法
技术领域
本发明涉及目标识别技术领域，尤其涉及一种基于状态估计的光/电传感器目标关联方法。
背景技术
雷达是外场主要的观测手段。近年来随着红外探测水平的发展，红外观测设备在外场建设中越来越受到重视，红外/雷达多传感器联合数据处理与分析技术成为国际上研究热点。多传感器联合数据处理的首要问题是不同传感器探测目标关联。由于受到传感器空间分辨能力制约，仅在空间维进行目标关联的方法对近邻目标产生很大不确定性。
美国研究了JDL模型作为多传感器融合处理的标准模型，具体实施上D-S理论受到广泛关注，但是如何处理冲突证据以及如何确定传感器权重还需要进一步研究；约翰霍普金斯大学的Maurer建立了多传感器联合对试验现象解译的贝叶斯理论框架，但是当传感器测量本身具有不确定性以及目标先验信息具有不确定性因素时，建立贝叶斯推理网络存在一定困难；可能性理论也是解决多传感器数据融合的一种途径，但是如何确定每一个特征量的隶属度以及建立一个行之有效的理论框架，是需要进一步研究。
发明内容
针对上述现有技术存在的缺陷，本发明提供一种基于状态估计的光/电传感器目标关联方法，拟构造包含光、电、运动、位置等多维度特征空间，在多维特征空间中对目标进行关联。
本发明提供的一种基于状态估计的光/电传感器目标关联方法，其改进之处在于，所述方法包括如下步骤：
(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；
(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；
(3)基于广义似然函数的目标状态预估与反馈系统建模；
(4)根据多传感器得到的观测数据，进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优；
(5)进行多传感器多目标关联。
优选的，步骤(3)包括如下步骤：
1)以目标运动学的连续性，以及目标姿态同其光/电特性的关系为纽带，构建目标状态转移矩阵，包括目标六自由度的运动学参数，以及目标光/电特征数据；
2)利用所述目标状态转移矩阵进行前一时刻目标特征与当前时刻目标特征关联；
3)利用当前时刻目标特征测量数据和目标特征估计数据进行匹配寻优；
4)判断目标估计特征与测量特征之差，若在预设阈值内，则表示最终收敛，作为最终寻优标准。
较优选的，步骤(4)进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优，是指将所述光/电特性数据估计后的结果与理论估计值比较，若收敛，则认为光/电传感器测量目标是一致的，且与假设目标是一致的；若不收敛，则重复所述步骤(1)。
较优选的，步骤(5)进行多传感器多目标关联是指将不同传感器观测的目标，为同一目标的进行标记。
较优选的，所述多传感器包括雷达和红外地面观测设备；
所述观测数据包括：
雷达测量的目标位置、速度；
雷达测量的目标RCS，一维距离像；
红外地面观测设备测量的目标辐射强度。
较优选的，理论值指的是在假设目标种类的情况下，目标光/电特征理论计算的值；假设目标包括目标的类型、形状等。
本发明的技术方案中，可以实现多传感器关联识别过程中，特征层的目标融合关联。本发明充分利用了基于物理属性的目标光/电特征关联性，避免了对远距离弱小目标识别中其他关联识别传感器权重分配、识别证据冲突、目标同一性判断等一系列有待解决的难题，可在复杂场景下远距离弱小目标关联联合识别中应用。
附图说明
图1为本发明实施例的基于状态估计的光/电传感器目标关联方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
图1示出了本发明实施例的基于状态估计的光/电传感器目标关联方法的流程图。本发明的实施例针对不同传感器间多目标关联问题，建立基于光/电特性理论值时间序列的状态估计与反馈系统，将光/电特性测量值作为系统输入，利用输出结果与理论值之间的收敛程度判断目标是否关联。
参见图1，本发明实施例的基于状态估计的光/电传感器目标关联方法具体如下。
(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；
(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；
(3)基于广义似然函数的目标状态预估与反馈系统建模，具体的：
1)以目标运动学的连续性，以及目标姿态同其光/电特性的关系为纽带，构建目标状态转移矩阵，包括目标六自由度的运动学参数，以及目标光/电特征数据；
2)利用所述目标状态转移矩阵进行前一时刻目标特征与当前时刻目标特征关联；
3)利用当前时刻目标特征测量数据和目标特征估计数据进行匹配寻优；
4)判断目标估计特征与测量特征之差，若在预设阈值内，则表示最终收敛，作为最终寻优标准。
(4)根据多传感器得到的观测数据，进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优。即将所述光/电特性数据估计后的结果与理论估计值比较，若收敛，则认为光/电传感器测量目标是一致的，且与假设目标是一致的；若不收敛，则重复步骤(1)。
(5)将不同传感器观测的目标，为同一目标的进行标记，进行多传感器多目标关联。多传感器包括雷达和红外地面观测设备；
观测数据包括：
雷达测量的目标位置、速度；
雷达测量的目标RCS，一维距离像；
红外地面观测设备测量的目标辐射强度。
根据本发明的实施例，可以实现多传感器关联识别过程中，特征层的目标融合关联。本发明充分利用了基于物理属性的目标光/电特征关联性，避免了对远距离弱小目标识别中其他关联识别传感器权重分配、识别证据冲突、目标同一性判断等一系列有待解决的难题，可在复杂场景下远距离弱小目标关联联合识别中应用。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于状态估计的光/电传感器目标关联方法，其特征在于，所述方法包括如下步骤：
(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；
(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；
(3)基于广义似然函数的目标状态预估与反馈系统建模；
(4)根据多传感器得到的观测数据，进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优；
(5)进行多传感器多目标关联。
2.如权利要求1所述的光/电传感器目标关联方法，其特征在于，步骤(3)包括如下步骤：
1)以目标运动学的连续性，以及目标姿态同其光/电特性的关系为纽带，构建目标状态转移矩阵，包括目标六自由度的运动学参数，以及目标光/电特征数据；
2)利用所述目标状态转移矩阵进行前一时刻目标特征与当前时刻目标特征关联；
3)利用当前时刻目标特征测量数据和目标特征估计数据进行匹配寻优；
4)判断目标估计特征与测量特征之差，若在预设阈值内，则表示最终收敛，作为最终寻优标准。
3.如权利要求2所述的光/电传感器目标关联方法，其特征在于，步骤(4)进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优，是指将所述光/电特性数据估计后的结果与理论估计值比较，若收敛，则认为光/电传感器测量目标是一致的，且与假设目标是一致的；若不收敛，则重复所述步骤(1)。
4.如权利要求1所述的光/电传感器目标关联方法，其特征在于，步骤(5)进行多传感器多目标关联是指将不同传感器观测的目标，为同一目标的进行标记。
5.如权利要求1所述的光/电传感器目标关联方法，其特征在于，所述多传感器包括雷达和红外地面观测设备；
所述观测数据包括：
雷达测量的目标位置、速度；
雷达测量的目标RCS，一维距离像；
红外地面观测设备测量的目标辐射强度。
CN201710376525.9A 2017-05-25 2017-05-25 一种基于状态估计的光/电传感器目标关联方法 Active CN107271991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710376525.9A CN107271991B (zh) 2017-05-25 2017-05-25 一种基于状态估计的光/电传感器目标关联方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710376525.9A CN107271991B (zh) 2017-05-25 2017-05-25 一种基于状态估计的光/电传感器目标关联方法

Publications (2)

Publication Number Publication Date
CN107271991A true CN107271991A (zh) 2017-10-20
CN107271991B CN107271991B (zh) 2019-05-24

Family

ID=60064807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710376525.9A Active CN107271991B (zh) 2017-05-25 2017-05-25 一种基于状态估计的光/电传感器目标关联方法

Country Status (1)

Country Link
CN (1) CN107271991B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827547A (zh) * 2019-03-27 2019-05-31 中国人民解放军战略支援部队航天工程大学 一种分布式多传感器空间目标同步关联方法
CN114202025A (zh) * 2021-12-10 2022-03-18 中国人民解放军96901部队25分队 一种多传感器数据融合方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1389710A (zh) * 2002-07-18 2003-01-08 上海交通大学 多传感器多目标信息融合方法
CN101697006A (zh) * 2009-09-18 2010-04-21 北京航空航天大学 基于机载雷达和红外成像传感器数据融合的目标识别方法
CN102147468A (zh) * 2011-01-07 2011-08-10 西安电子科技大学 基于贝叶斯理论的多传感器检测跟踪联合处理方法
WO2012085868A1 (en) * 2010-12-21 2012-06-28 Selex Sistemi Integrati S.P.A. Target altitude estimation based on measurements obtained by means of a passive radar
CN105093197A (zh) * 2015-07-27 2015-11-25 电子科技大学 一种并行的雷达多目标关联方法
CN105717505A (zh) * 2016-02-17 2016-06-29 国家电网公司 利用传感网进行多目标跟踪的数据关联方法
CN106056163A (zh) * 2016-06-08 2016-10-26 重庆邮电大学 一种多传感器信息融合的目标识别方法
CN106443622A (zh) * 2016-09-13 2017-02-22 哈尔滨工程大学 一种基于改进联合概率数据关联的分布式目标跟踪方法
EP2452204B1 (fr) * 2008-07-08 2017-11-22 Thales Traitement de donnees multi-cibles pour radars passifs multi-statiques et multi-canaux

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1389710A (zh) * 2002-07-18 2003-01-08 上海交通大学 多传感器多目标信息融合方法
EP2452204B1 (fr) * 2008-07-08 2017-11-22 Thales Traitement de donnees multi-cibles pour radars passifs multi-statiques et multi-canaux
CN101697006A (zh) * 2009-09-18 2010-04-21 北京航空航天大学 基于机载雷达和红外成像传感器数据融合的目标识别方法
WO2012085868A1 (en) * 2010-12-21 2012-06-28 Selex Sistemi Integrati S.P.A. Target altitude estimation based on measurements obtained by means of a passive radar
CN102147468A (zh) * 2011-01-07 2011-08-10 西安电子科技大学 基于贝叶斯理论的多传感器检测跟踪联合处理方法
CN105093197A (zh) * 2015-07-27 2015-11-25 电子科技大学 一种并行的雷达多目标关联方法
CN105717505A (zh) * 2016-02-17 2016-06-29 国家电网公司 利用传感网进行多目标跟踪的数据关联方法
CN106056163A (zh) * 2016-06-08 2016-10-26 重庆邮电大学 一种多传感器信息融合的目标识别方法
CN106443622A (zh) * 2016-09-13 2017-02-22 哈尔滨工程大学 一种基于改进联合概率数据关联的分布式目标跟踪方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHANG XIAOLIANG ET AL.: ""A new method for double sensors bearings-only target association based on target motion state characteristics"", 《2011 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING (ICSPCC)》 *
刘敏: ""多传感器数据融合算法研究与应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
巴宏欣等: ""多传感器多目标跟踪的极大似然分配数据关联方法"", 《信息化理论与综合信息系统——中国电子学会电子系统工程分会第十三届信息化理论学术研讨会论文集》 *
朱志宇: ""基于红外和雷达的目标跟踪数据关联快速算法"", 《光电技术应用》 *
胡炜薇: ""多传感器数据融合中多目标跟踪关键技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827547A (zh) * 2019-03-27 2019-05-31 中国人民解放军战略支援部队航天工程大学 一种分布式多传感器空间目标同步关联方法
CN109827547B (zh) * 2019-03-27 2021-05-04 中国人民解放军战略支援部队航天工程大学 一种分布式多传感器空间目标同步关联方法
CN114202025A (zh) * 2021-12-10 2022-03-18 中国人民解放军96901部队25分队 一种多传感器数据融合方法
CN114202025B (zh) * 2021-12-10 2024-10-15 中国人民解放军96901部队25分队 一种多传感器数据融合方法

Also Published As

Publication number Publication date
CN107271991B (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN107330396B (zh) 一种基于多属性和多策略融合学习的行人再识别方法
CN101944234B (zh) 特征迹驱动的多目标跟踪方法及装置
CN104330090B (zh) 机器人分布式表征智能语义地图创建方法
CN102915039B (zh) 一种仿动物空间认知的多机器人联合目标搜寻方法
CN107491071B (zh) 一种智能多机器人协同测图系统及其方法
CN105636201B (zh) 基于稀疏信号指纹数据库的室内定位方法
KR100866380B1 (ko) 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법
CN104392228A (zh) 基于条件随机场模型的无人机图像目标类检测方法
KR20090088516A (ko) 물체인식 및 인식된 물체를 포함하는 주변 환경 정보를바탕으로 한 로봇의 자기 위치 추정 방법
CN107084714A (zh) 一种基于RoboCup3D的多机器人协作目标定位方法
Saputra et al. Graph-based thermal–inertial SLAM with probabilistic neural networks
CN106454750B (zh) 一种基于压缩感知技术的多区域室内安全定位方法
CN107025657A (zh) 一种基于视频图像的车辆行为轨迹检测方法
KR101460313B1 (ko) 시각 특징과 기하 정보를 이용한 로봇의 위치 추정 장치 및 방법
CN104573017A (zh) 识别网络水军团体的方法及系统
Jiao et al. 2-entity random sample consensus for robust visual localization: Framework, methods, and verifications
CN109961461A (zh) 一种基于三维分层图模型的多运动目标跟踪方法
Xue et al. DeepTAL: Deep learning for TDOA-based asynchronous localization security with measurement error and missing data
CN113936210A (zh) 塔吊防撞方法
CN107271991B (zh) 一种基于状态估计的光/电传感器目标关联方法
CN104182747A (zh) 基于多个立体相机的对象检测跟踪方法及装置
CN115979250A (zh) 基于uwb模块、语义地图与视觉信息的定位方法
JP2024514175A (ja) 鳥の検出および種決定
Saad et al. StereoYolo+ DeepSORT: a framework to track fish from underwater stereo camera in situ
Luber et al. Better models for people tracking

Legal Events

Date Code Title Description
PB01 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