CN109443343A - 一种目标跟踪系统 - Google Patents
一种目标跟踪系统 Download PDFInfo
- Publication number
- CN109443343A CN109443343A CN201811067870.5A CN201811067870A CN109443343A CN 109443343 A CN109443343 A CN 109443343A CN 201811067870 A CN201811067870 A CN 201811067870A CN 109443343 A CN109443343 A CN 109443343A
- Authority
- CN
- China
- Prior art keywords
- race
- perception
- data center
- time
- vector
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种目标跟踪系统,由多个距离传感器与多个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行。与已有的技术相比,本发明解决了传感器采样率不同、传输距离有限情况下的目标跟踪问题,具有功耗低、成本低的优点。
Description
技术领域
本发明涉及检测技术,特别是涉及一种目标跟踪系统。
背景技术
目标跟踪是检测技术领域重要的研究内容之一,并在视频监控,车辆导航领域有着很广泛的应用。跟踪问题中最为核心的是滤波算法。在分布式传感系统当中,有很多传感器节点,而这些传感器往往是电池供电的。因此,这就限制了这些传感器的数据传输距离、采样频率等方面的性能。在专利“CN106934332A”、“CN103729861B”中,公开了基于图像的跟踪方法,其主要关注点在于如何从图像中识别跟踪目标。在专利“CN102750522A”中公开了一种目标跟踪的方法,采用了粒子滤波来提升跟踪性能。在专利“CN101770024B”公开了一种多目标跟踪方法,改进了传统的卡尔曼滤波来提升跟踪性能。值得说明的是,这些已有技术都没有考虑传输距离限制,采样率不统一等问题。
发明内容
为解决上述问题,本发明公开了一种目标跟踪系统,由多个距离传感器与γ个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行,具体如下:
S1、令时间t=0,根据实际情况确定每个感知族在时间t的状态后验估计向量与后验误差协方差矩阵的具体值,其中i∈{1,2,…,γ}表示感知族的序号,为2行1列的向量,其第1个元素表示东向坐标的先验估计,第2个元素表示北向坐标的先验估计;根据实际情况确定过程噪声方差矩阵Q与观测噪声方差矩阵R;
S2、时间t自增1;
S3、计算每个感知族在时间t的状态先验估计向量与先验误差协方差矩阵如下:
其中,单引号上标表示矩阵的转置,T表示采样间隔,ut为2行1列的向量,其第1个元素表示东向速度,第2个元素表示北向速度,A=[1,0;0,1];
S4、每个感知族的数据中心从该族中的距离传感器读取信息,设有个距离传感器检测出了目标距离信息;如果则组建该感知族在时间t的观测向量 其中, ai,p与bi,p分别表示第i个感知族在时间t第p个检测出了目标距离信息的距离传感器的输出、东向坐标与北向坐标;如果则令并跳至步骤S7;
S5、计算每个感知族在时间t的新息新息理论方差新息估计方差弱化因子如下:
其中,M为正整数,表示滑窗宽度,tr表示矩阵的迹,具体为:
S5、计算每个感知族在时间t的增益矩阵如下:
S6、计算每个感知族在时间t的后验估计向量与后验误差协方差如下:
S7、每个感知族数据中心收集其可通信的数据中心在时间t输出的与其中k∈Ni,Ni∈{1,2,…,γ}表示第i个感知族数据中心可以通信的数据中心所在感知族的序号;然后利用进行融合,得到每个感知族在时间t的融合后验估计向量与融合后验误差协方差如下:
其中,表示第k个感知族的权重,如下:
S8、重复步骤S2到S7,即可获得第i个感知族数据中心在时间t的融合后验估计向量其第1、2个元素分别为目标的东向坐标与北向坐标的融合后验估计值。
与已有的技术相比,本发明解决了传感器采样率不同、传输距离有限情况下的目标跟踪问题,具有功耗低、成本低的优点。
附图说明
图1为本发明系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,实心圆表示距离传感器,空心正方形表示数据中心,虚线圆表示感知族的范围,本发明公开了一种目标跟踪系统,由多个距离传感器与γ个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行,具体如下:
S1、令时间t=0,根据实际情况确定每个感知族在时间t的状态后验估计向量与后验误差协方差矩阵的具体值,其中i∈{1,2,…,γ}表示感知族的序号,为2行1列的向量,其第1个元素表示东向坐标的先验估计,第2个元素表示北向坐标的先验估计;根据实际情况确定过程噪声方差矩阵Q与观测噪声方差矩阵R;
S2、时间t自增1;
S3、计算每个感知族在时间t的状态先验估计向量与先验误差协方差矩阵如下:
其中,单引号上标表示矩阵的转置,T表示采样间隔,ut为2行1列的向量,其第1个元素表示东向速度,第2个元素表示北向速度,A=[1,0;0,1];
S4、每个感知族的数据中心从该族中的距离传感器读取信息,设有个距离传感器检测出了目标距离信息;如果则组建该感知族在时间t的观测向量 其中, ai,p与bi,p分别表示第i个感知族在时间t第p个检测出了目标距离信息的距离传感器的输出、东向坐标与北向坐标;如果则令并跳至步骤S7;
S5、计算每个感知族在时间t的新息新息理论方差新息估计方差弱化因子如下:
其中,M为正整数,表示滑窗宽度,tr表示矩阵的迹,具体为:
S5、计算每个感知族在时间t的增益矩阵如下:
S6、计算每个感知族在时间t的后验估计向量与后验误差协方差如下:
S7、每个感知族数据中心收集其可通信的数据中心在时间t输出的与其中k∈Ni,Ni∈{1,2,…,γ}表示第i个感知族数据中心可以通信的数据中心所在感知族的序号;然后利用进行融合,得到每个感知族在时间t的融合后验估计向量与融合后验误差协方差如下:
其中,表示第k个感知族的权重,如下:
S8、重复步骤S2到S7,即可获得第i个感知族数据中心在时间t的融合后验估计向量其第1、2个元素分别为目标的东向坐标与北向坐标的融合后验估计值。
Claims (1)
1.一种目标跟踪系统由多个距离传感器与γ个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行,具体如下:
S1、令时间t=0,根据实际情况确定每个感知族在时间t的状态后验估计向量与后验误差协方差矩阵的具体值,其中i∈{1,2,…,γ}表示感知族的序号,为2行1列的向量,其第1个元素表示东向坐标的先验估计,第2个元素表示北向坐标的先验估计;根据实际情况确定过程噪声方差矩阵Q与观测噪声方差矩阵R;
S2、时间t自增1;
S3、计算每个感知族在时间t的状态先验估计向量与先验误差协方差矩阵如下:
其中,单引号上标表示矩阵的转置,T表示采样间隔,ut为2行1列的向量,其第1个元素表示东向速度,第2个元素表示北向速度,A=[1,0;0,1];
S4、每个感知族的数据中心从该族中的距离传感器读取信息,设有个距离传感器检测出了目标距离信息;如果则组建该感知族在时间t的观测向量 其中, ai,p与bi,p分别表示第i个感知族在时间t第p个检测出了目标距离信息的距离传感器的输出、东向坐标与北向坐标;如果则令并跳至步骤S7;
S5、计算每个感知族在时间t的新息新息理论方差Vt i、新息估计方差弱化因子如下:
其中,M为正整数,表示滑窗宽度,tr表示矩阵的迹,具体为:
S5、计算每个感知族在时间t的增益矩阵如下:
S6、计算每个感知族在时间t的后验估计向量与后验误差协方差如下:
S7、每个感知族数据中心收集其可通信的数据中心在时间t输出的与其中k∈Ni,Ni∈{1,2,…,γ}表示第i个感知族数据中心可以通信的数据中心所在感知族的序号;然后利用进行融合,得到每个感知族在时间t的融合后验估计向量与融合后验误差协方差如下:
其中,表示第k个感知族的权重,如下:
S8、重复步骤S2到S7,即可获得第i个感知族数据中心在时间t的融合后验估计向量其第1、2个元素分别为目标的东向坐标与北向坐标的融合后验估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811067870.5A CN109443343B (zh) | 2018-09-13 | 2018-09-13 | 一种目标跟踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811067870.5A CN109443343B (zh) | 2018-09-13 | 2018-09-13 | 一种目标跟踪系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109443343A true CN109443343A (zh) | 2019-03-08 |
CN109443343B CN109443343B (zh) | 2020-10-30 |
Family
ID=65532915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811067870.5A Active CN109443343B (zh) | 2018-09-13 | 2018-09-13 | 一种目标跟踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443343B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114096001A (zh) * | 2020-08-24 | 2022-02-25 | 香港科技大学 | 一种融合异质信号的任意组合以确定电子装置位置的概率系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299271A (zh) * | 2008-06-12 | 2008-11-05 | 复旦大学 | 一种机动目标状态方程的多项式预测模型及跟踪方法 |
CN103729861A (zh) * | 2014-01-03 | 2014-04-16 | 天津大学 | 一种多目标跟踪方法 |
US20140172296A1 (en) * | 2012-07-30 | 2014-06-19 | Aleksandr Shtukater | Systems and methods for navigation |
CN104075715A (zh) * | 2014-07-07 | 2014-10-01 | 东南大学 | 一种结合地形和环境特征的水下导航定位方法 |
CN106447698A (zh) * | 2016-09-28 | 2017-02-22 | 深圳市鸿逸达科技有限公司 | 一种基于距离传感器的多行人跟踪方法和系统 |
CN107991110A (zh) * | 2017-11-29 | 2018-05-04 | 安徽省通信息科技有限公司 | 一种履带式机器人滑动参数检测方法 |
-
2018
- 2018-09-13 CN CN201811067870.5A patent/CN109443343B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299271A (zh) * | 2008-06-12 | 2008-11-05 | 复旦大学 | 一种机动目标状态方程的多项式预测模型及跟踪方法 |
US20140172296A1 (en) * | 2012-07-30 | 2014-06-19 | Aleksandr Shtukater | Systems and methods for navigation |
CN103729861A (zh) * | 2014-01-03 | 2014-04-16 | 天津大学 | 一种多目标跟踪方法 |
CN104075715A (zh) * | 2014-07-07 | 2014-10-01 | 东南大学 | 一种结合地形和环境特征的水下导航定位方法 |
CN106447698A (zh) * | 2016-09-28 | 2017-02-22 | 深圳市鸿逸达科技有限公司 | 一种基于距离传感器的多行人跟踪方法和系统 |
CN107991110A (zh) * | 2017-11-29 | 2018-05-04 | 安徽省通信息科技有限公司 | 一种履带式机器人滑动参数检测方法 |
Non-Patent Citations (1)
Title |
---|
李天成 等: "粒子滤波理论、方法及其在多目标跟踪中的应用", 《自动化学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114096001A (zh) * | 2020-08-24 | 2022-02-25 | 香港科技大学 | 一种融合异质信号的任意组合以确定电子装置位置的概率系统及方法 |
CN114096001B (zh) * | 2020-08-24 | 2024-03-26 | 香港科技大学 | 一种融合异质信号的任意组合以确定电子装置位置的概率系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109443343B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103353299B (zh) | 一种高精度车载道路坡度检测装置及方法 | |
CN102831766B (zh) | 基于多传感器的多源交通数据融合方法 | |
CN103810717B (zh) | 一种人体行为检测方法及装置 | |
CN103625649B (zh) | 一种飞行器自主着陆区域判别方法 | |
CN102881171A (zh) | 车辆检测方法及其车辆检测系统以及车辆路径规划系统 | |
CN104395944B (zh) | 定向车道的识别 | |
CN107941217A (zh) | 一种机器人定位方法、电子设备、存储介质、装置 | |
CN105241454A (zh) | 一种基于多传感器的行人导航系统及导航方法 | |
CN103674021A (zh) | 基于捷联惯导与星敏感器的组合导航系统及方法 | |
CN104112363A (zh) | 多传感数据时空同步方法及道路多传感数据车载采集系统 | |
CN106871924A (zh) | 一种基于卫星定位信号的车辆行驶里程计算方法 | |
CN106680765A (zh) | 基于分布式组合滤波ins/uwb行人导航系统及方法 | |
CN104949673B (zh) | 一种基于非视觉感知信息的目标定位方法及装置 | |
CN109115231A (zh) | 一种车辆定位方法、设备及自动驾驶车辆 | |
CN106342175B (zh) | 一种提高陀螺精度的数据融合方法 | |
CN113033463B (zh) | 减速带检测方法、装置、电子设备及存储介质 | |
CN103778411A (zh) | 一种基于栅格图像划分的圆检测方法及装置 | |
CN103499354B (zh) | 一种基于内曼‑皮尔逊准则的零速检测方法 | |
CN104407345B (zh) | 一种用于弱目标检测跟踪中的改进型动态规划方法 | |
CN105737793A (zh) | 滚转角测量单元及测量方法 | |
CN109443343A (zh) | 一种目标跟踪系统 | |
CN107895503A (zh) | 一种无人值守的停车场监控系统 | |
CN112556690B (zh) | 一种多源传感器融合定位方法及装置 | |
CN108680940A (zh) | 一种自动驾驶车辆辅助定位方法及装置 | |
Lou et al. | A novel vehicle detection method based on the fusion of radio received signal strength and geomagnetism |
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 |