CN109443343B - 一种目标跟踪系统 - Google Patents
一种目标跟踪系统 Download PDFInfo
- Publication number
- CN109443343B CN109443343B CN201811067870.5A CN201811067870A CN109443343B CN 109443343 B CN109443343 B CN 109443343B CN 201811067870 A CN201811067870 A CN 201811067870A CN 109443343 B CN109443343 B CN 109443343B
- Authority
- CN
- China
- Prior art keywords
- data center
- family
- time
- perception
- perception family
- 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.)
- Active
Links
Images
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后验估计,第2个元素表示北向坐标的后验估计;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;
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,ai,q与bi,q分别表示第i个感知族在时间t第q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,p、q为中的变量,表示距离传感器的序号;如果则令并跳至步骤S7;
其中,I表示单位阵;
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:
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后验估计,第2个元素表示北向坐标的后验估计;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;
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,ai,q与bi,q分别表示第i个感知族在时间t第q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,p、q为中的变量,表示距离传感器的序号;如果则令并跳至步骤S7;
其中,I表示单位阵;
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:
Claims (1)
1.一种目标跟踪系统,其特征为: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后验估计,第2个元素表示北向坐标的后验估计;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;
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,ai,q与bi,q分别表示第i个感知族在时间t第q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,p、q为中的变量,表示距离传感器的序号;如果则令并跳至步骤S7;
其中,I表示单位阵;
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:
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 CN109443343A (zh) | 2019-03-08 |
CN109443343B true 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) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11743678B2 (en) * | 2020-08-24 | 2023-08-29 | The Hong Kong University Of Science And Technology | Generic signal fusion framework for multi-modal localization |
Family Cites Families (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 |
US9175975B2 (en) * | 2012-07-30 | 2015-11-03 | RaayonNova LLC | Systems and methods for navigation |
CN103729861B (zh) * | 2014-01-03 | 2016-06-22 | 天津大学 | 一种多目标跟踪方法 |
CN104075715B (zh) * | 2014-07-07 | 2017-09-01 | 东南大学 | 一种结合地形和环境特征的水下导航定位方法 |
CN106447698B (zh) * | 2016-09-28 | 2019-07-02 | 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 |
CN107991110B (zh) * | 2017-11-29 | 2019-11-12 | 安徽省一一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
Also Published As
Publication number | Publication date |
---|---|
CN109443343A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104713560B (zh) | 基于期望最大化的多源测距传感器空间配准方法 | |
CN111780755A (zh) | 一种基于因子图和可观测度分析的多源融合导航方法 | |
CN111160210B (zh) | 一种基于视频的水流速检测方法及系统 | |
CN108089183B (zh) | 一种用于异步多基地雷达系统的检测跟踪一体化方法 | |
WO2019057173A1 (zh) | 传感器数据处理的方法及装置 | |
CN102023010B (zh) | 基于mems的小波域多传感器信息融合系统及融合方法 | |
CN107994885B (zh) | 一种同时估计未知输入和状态的分布式融合滤波方法 | |
CN106342175B (zh) | 一种提高陀螺精度的数据融合方法 | |
CN105717505A (zh) | 利用传感网进行多目标跟踪的数据关联方法 | |
CN107340517B (zh) | 一种多传感器多帧检测前跟踪方法 | |
CN107202989A (zh) | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 | |
Kugiumtzis | Transfer entropy on rank vectors | |
CN101256715A (zh) | 无线传感器网络中基于粒子滤波的多车辆声信号分离方法 | |
CN111723624A (zh) | 一种头部运动跟踪方法和系统 | |
CN109443343B (zh) | 一种目标跟踪系统 | |
CN107064865A (zh) | 基于深度聚类的极坐标动态规划无源协同定位方法 | |
CN102685772B (zh) | 一种基于无线全向传感器网络的跟踪节点选择方法 | |
CN107247257B (zh) | 一种基于似然函数近似的分布式多传感器检测前跟踪方法 | |
CN110376282B (zh) | 一种基于椭圆概率与贝叶斯估计的Lamb波损伤定位法 | |
CN109190647B (zh) | 一种有源无源数据融合方法 | |
CN109996205A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN104318072B (zh) | 基于qkf‑mmf的多传感器量化融合方法 | |
CN104298650A (zh) | 基于多方法融合的量化卡尔曼滤波方法 | |
Georgy et al. | Unconstrained underwater multi-target tracking in passive sonar systems using two-stage PF-based technique | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 |
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 |