CN109782267A - 航迹关联方法及车载雷达 - Google Patents
航迹关联方法及车载雷达 Download PDFInfo
- Publication number
- CN109782267A CN109782267A CN201910073992.3A CN201910073992A CN109782267A CN 109782267 A CN109782267 A CN 109782267A CN 201910073992 A CN201910073992 A CN 201910073992A CN 109782267 A CN109782267 A CN 109782267A
- Authority
- CN
- China
- Prior art keywords
- track
- tracks
- tracking cycle
- similar
- centering
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims description 19
- 238000012512 characterization method Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供航迹关联方法及车载雷达，以对同一车载雷达跟踪得到的多条航迹进行航迹关联。在本发明实施例中，将同一车载雷达跟踪得到的多条航迹中两两组成航迹对，对每一航迹对都进行了二级关联分析：第一级是对航迹对在当前跟踪周期的运动参数的相似性进行分析，得到相似性分析结果。第二级是基于连续多个跟踪周期的相似性分析结果，来分析航迹对中的航迹是否满足相似准则，在满足时可得出两航迹相关联的分析结果。在对每一航迹对都进行二级关联分析后，就可得知哪两条航迹是相关联的，也就实现了同一车载雷达跟踪得到的多条航迹的航迹关联，进一步可辅助上层控制中心的决策。
Description
技术领域
本发明涉及探测领域，特别涉及航迹关联方法及车载雷达。
背景技术
传统地基雷达用于跟踪飞机等飞行物。由于飞机等飞行物即使并列飞行，彼此间也隔开相对较远的距离，则雷达只会将一个飞行物识别为一个目标，不会将其识别为两个目标。因此，现有的航迹关联技术，多是将不同雷达跟踪到的航迹相关联，以提高整个雷达网络的定位精度。
车载雷达，特别是装车后的雷达是用于探测的重要传感器。车载雷达可对探测到的多个散射点进行聚类操作，将同一目标的散射点聚类成“簇”，并从簇中提取中心点进行跟踪，得到目标的航迹。
然而，发明人在研发本发明创造时发现：车载雷达的工作环境与地基雷达的工作环境相差甚远。在车载雷达的工作环境中，常会出现密集的车流和人流。为了防止不相关目标的散射点被聚类到一起而导致跟踪目标丢失，在实际操作中多选取偏小的聚类门限，这就不可避免出现单一目标的散射点聚类为多个“簇”的情况，而单一目标的多个簇被跟踪又会得到多个航迹，从而导致单一目标的航迹出现了分裂。因此，对于车载雷达，存在对同一车载雷达跟踪得到的多条航迹进行航迹关联的需求。
此外，发明人还发现：在某些特定的场合下，如前后跟随行驶的车辆、并排行走的行人等，其航迹也存在一定的相似性，若可对其跟踪航迹进行关联，则可以极大辅助上层控制中心的决策。因此，同样存在对同一车载雷达跟踪得到的多条航迹进行航迹关联的需求。
发明内容
有鉴于此，本发明提供航迹关联方法及车载雷达，以对同一车载雷达跟踪得到的多条航迹进行航迹关联。
为了实现上述发明目的，本发明提供以下技术方案：
一种航迹关联方法，应用于车载雷达，包括：
从所述车载雷达跟踪得到的多条航迹中任取两航迹组成航迹对；
对每一所述航迹对进行关联分析，得到分析结果；
其中，所述进行关联分析包括：
分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果；所述相似性分析结果用于表征所述运动参数相似或用于表征所述运动参数不相似；所述运动参数至少包括航迹点位置；所述运动参数相似至少包括航迹点位置相似；
根据连续M个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足相似准则；所述连续M个跟踪周期包括所述当前跟踪周期；所述M大于Jmin，所述Jmin为最小连续跟踪周期数；
若满足所述相似准则，所述分析结果用于表征所述航迹对中的两航迹相关联。
可选的，所述进行关联分析还包括：根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则；所述连续L个跟踪周期包括所述当前跟踪周期；所述L大于所述Jmin，小于所述M；其中：若满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹相互独立；若既不满足所述相似准则又不满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹的关系暂时无法判定。
可选的，所述相似准则包括：在所述连续M个跟踪周期内，所述航迹对中的两航迹在K个跟踪周期内运动参数相似；所述K小于等于所述M；所述独立准则包括：在所述连续L个跟踪周期内，所述航迹对中的两航迹的运动参数均不相似。
可选的，所述相似性分析结果具体为标志位，若标志位为第一数值，表征所述运动参数不相似，若标志位为第二数值，则表征所述运动参数相似；所述运动参数包括航迹点位置和运动速度；所述分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到当前跟踪周期的相似性分析结果包括：分析所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置是否相似；若所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置不相似，将所述当前跟踪周期的标志位设为所述第一数值；若所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置相似，分析所述航迹对中的两航迹在所述当前跟踪周期的运动速度是否相似；若运动速度相似，将所述当前跟踪周期的标志位设为所述第二数值；否则，将所述当前跟踪周期的标志位设为所述第一数值。
可选的，所述分析所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置是否相似包括：计算所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置的欧氏距离；若所述欧氏距离小于预设的欧式距离门限，所述航迹对中的两航迹在当前跟踪周期的航迹点位置相似，否则不相似；所述分析所述航迹对中的两航迹在所述当前跟踪周期的运动速度是否相似包括：分别计算所述航迹对中的两航迹在所述当前跟踪周期的运动速度；计算所述航迹对中的两航迹在所述当前跟踪周期的运动速度差；若所述运动速度差的绝对值小于预设速度差门限，所述航迹对中的两航迹在当前跟踪周期的运动速度相似，否则不相似。
可选的，所述航迹对中任一航迹表示为航迹m，所述航迹m在所述当前跟踪周期的运动速度通过如下方式计算得到：根据航迹m在Jmin个跟踪周期的航迹点位置进行线性拟合，得到线性拟合函数；所述Jmin个跟踪周期包括：当前跟踪周期和历史跟踪周期；所述历史跟踪周期的航迹点位置是根据前一次线性拟合得到的拟合参数构造出的；其中，所述线性拟合函数的拟合参数包括自变量系数和常系数，所述自变量系数表征所述航迹m在所述当前跟踪周期的运动速度；所述线性拟合函数的自变量为跟踪周期的编号，因变量为航迹点位置。
可选的，还包括：判断两航迹相关联的所述航迹对对应静止目标还是运动目标；确定对应运动目标的所述航迹对属于同一目标。
可选的，所述根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则的步骤，是在分析出所述航迹对中的两航迹不满足所述相似准则后执行的；和/或，所述L与所述K的和大于所述M。
一种车载雷达，包括：
跟踪单元：用于对多个目标进行跟踪，得到多条航迹；
航迹关联单元：用于从所述跟踪单元跟踪得到的多条航迹中任取两航迹组成航迹对，对每一所述航迹对进行关联分析，得到分析结果；
其中，所述进行关联分析包括：
分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果；所述相似性分析结果用于表征所述运动参数相似或用于表征所述运动参数不相似；所述运动参数至少包括航迹点位置；所述运动参数相似至少包括航迹点位置相似；
根据连续M个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足相似准则；所述连续M个跟踪周期包括所述当前跟踪周期；所述M大于Jmin，所述Jmin为最小连续跟踪周期数；
若满足所述相似准则，所述分析结果用于表征所述航迹对中的两航迹相关联。
可选的，所述航迹关联单元还用于：根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则；所述连续L个跟踪周期包括所述当前跟踪周期；所述L大于所述Jmin，小于所述M；其中：若满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹相互独立；若既不满足所述相似准则又不满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹的关系暂时无法判定。
可见，在本发明实施例中，将同一车载雷达跟踪得到的多条航迹中两两组成航迹对，对每一航迹对都进行了二级关联分析：第一级是对航迹对在当前跟踪周期的运动参数的相似性进行分析，得到相似性分析结果。第二级是基于连续多个跟踪周期的相似性分析结果，来分析航迹对中的航迹是否满足相似准则，在满足时可得出两航迹相关联的分析结果。在对每一航迹对都进行二级关联分析后，就可得知哪两条航迹是相关联的，也就实现了同一车载雷达跟踪得到的多条航迹的航迹关联，进一步可辅助上层控制中心的决策。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1a为本发明实施例提供的车载毫米波雷达示例性结构图；
图1b为本发明实施例提供的数据处理模块的示例性结构图；
图2a和图2b为本发明实施例提供的航迹示意图；
图3为本发明实施例提供的航迹关联方法的示例性流程图；
图4为本发明实施例提供的分析运动参数是否相似的示例性流程图；
图5为本发明实施例提供的航迹关联方法的另一示例性流程图；
图6为本发明实施例提供的航迹关联方法的又一示例性流程图；
图7为本发明实施例提供的航迹分裂现象示意图；
图8为图7所示两条航迹在18帧里的欧式距离计算结果；
图9为本发明实施例提供的序贯速度计算流程；
图10a为图7所示两航迹对的x方向序贯速度的估计结果；
图10b为图7所示两航迹对的y方向序贯速度的估计结果；
图11为本发明实施例提供的航迹关联方法的又一示例性流程图；
图12为本发明实施例提供的车辆在20秒内的移动轨迹的示意图；
图13为本发明实施例提供的进行航迹关联前的航迹示意图；
图14为本发明实施例提供的航迹关联后的航迹示意图；
图15为本发明实施例提供的车载雷达的一种示例性结构。
具体实施方式
本发明公开了航迹关联方法及车载雷达，以对同一车载雷达跟踪得到的多条航迹进行航迹关联。
上述车载雷达具体可为电磁波雷达(例如毫米波雷达)、激光雷达等。
以车载毫米波雷达为例，其示例性结构可参见图1a，可包括：
天线101：用于发送雷达信号和接收雷达回波信号；在一个示例中，天线101可进一步包括发射天线和接收天线。
射频模块102：主要用于将基带信号进行调制、放大等处理至适合天线发射的信号，或者，将天线接收到的回波信号进行调制、放大、滤波等等处理至基带信号。
基带处理模块103：用于对射频模块102输出的信号进行采样、混频等处理得到适宜信号处理模块104处理的数字信号。
信号处理模块104：用于对基带处理模块103输出的数字信号进行信号处理。
信号处理模块104可进一步包括测量单元，用于将数字信号进行积累处理，检测得到观测区域内的强散射点，并测量每个散射点的位置、速度信息。
数据处理模块105：用于对信号处理模块104输出的数据进行数据处理。
其中，请参见图1b，数据处理模块105可进一步包括：
聚类单元200，用于对多个散射点进行聚类操作，以将同一目标的散射点聚类成“簇”。
跟踪单元201：用于对多个目标进行跟踪，得到多条航迹。
具体的，跟踪单元201可从聚类单元200聚类得到的每一簇中提取中心点(作为目标)进行跟踪，得到相应的航迹。
为了防止不相关目标的散射点被聚类到一起而导致跟踪目标丢失，在实际操作中多选取偏小的聚类门限，这就不可避免出现单一目标的散射点聚类为多个“簇”的情况，而单一目标的多个簇被跟踪又会得到多个航迹，从而导致单一目标的航迹出现了分裂。如图2a所示(图2a中，以实线圈表示当前时刻航迹点，虚线圈表示历史时刻航迹点)，同一辆车的散射点被聚类为两个“簇”，从而跟踪出两条航迹。
此外，在某些特定的场合下，不同的航迹也存在一定的相似性，目标如平行运动且距离较近的车辆(请参见图2b)，并排行走的行人等。
航迹关联单元203：用于从跟踪单元202跟踪得到的多条航迹中任取两航迹组成航迹对，对每一航迹对进行关联分析，得到分析结果。
下面将具体介绍如何对航迹对进行关联分析。
请参见图3，图1a和图1b所示车载雷达所执行的航迹关联方法至少可包括如下步骤：
S1：从车载雷达跟踪得到的多条航迹中任取两航迹组成航迹对。
其中，上述多条航迹中的任意两航迹组成一个航迹对。也即，若有N条航迹，其可组成个航迹对。
举例来讲，车载雷达跟踪得到a、b、c三条航迹，则可组成三个航迹对：(a，b),(a，c)和(c，b)。
可采用现有跟踪方式跟踪得到多条航迹，或者，也可采用新的跟踪方式跟踪得到多条航迹，只要能得到多条航迹即可。
S2：对于每一航迹对，分析该航迹对中两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果。
相似性分析结果可用于表征运动参数相似或用于表征运动参数不相似。
在一个示例中，相似性分析结果可取不同的取值以表征相似或不相似，例如，可取1表征运动参数相似，取0表征运动参数不相似。
具体的，可为航迹对的每一跟踪周期设置标志位，表征相似性分析结果，其中，标志位为第一数值，表征运动参数不相似，而若标志位为第二数值，则表征运动参数相似。
至于上述运动参数，其至少可包括航迹点位置。此外，运动参数还可包括运动速度。本文后续还将介绍如何分析运动参数是否相似。
以运动参数包括航迹点位置和运动速度为例，在分析航迹对中两航迹在当前跟踪周期的运动参数是否相似时，请参见图4，可具体进行如下操作：
分析两航迹在当前跟踪周期的航迹点位置是否相似；
若两航迹在当前跟踪周期的航迹点位置不相似，将当前跟踪周期的标志位设为第一数值(也即不相似)；
若上述两航迹在当前跟踪周期的航迹点位置相似，分析该航迹对中两航迹在当前跟踪周期的运动速度是否相似；
若运动速度相似，将当前跟踪周期的标志位设为第二数值(也即相似)；否则，将当前跟踪周期的标志位设为上述第一数值。
S3：根据连续M个跟踪周期的相似性分析结果，分析上述航迹对中两航迹是否满足相似准则；
具体的，上述M大于Jmin，Jmin为最小连续跟踪周期数。
本领域技术人员可根据实际情况设定Jmin的取值，例如令Jmin＝3、4、5等。
需要说明的是，上述连续M个跟踪周期是包括当前跟踪周期的，也即，假定M＝5，当前跟踪周期为第J个跟踪周期，则连续M个跟踪周期包括第J-4至第J个跟踪周期。
一个跟踪周期会获取一帧雷达探测点信息数据。
S4：若满足相似准则，得到表征航迹对中的两航迹相关联的分析结果。
在一个示例中，相似准则可包括：在连续M个跟踪周期内，航迹对中的两航迹在K个跟踪周期内运动参数相似。
其中，K小于等于M，K/M大于0.5；本领域技术人员可根据实际情况设定K的取值，例如令K＝3，M＝5。
以M＝5，K＝3为例，假设当前跟踪周期为第J个跟踪周期，则若第J-4至第J个跟踪周期中，两航迹在3个或3个以上跟踪周期内运动参数相似，则满足相似准则。
可见，在本发明实施例中，将同一车载雷达跟踪得到的多条航迹中两两组成航迹对，对每一航迹对都进行了二级关联分析：第一级是对航迹对在当前跟踪周期的运动参数的相似性进行分析，得到相似性分析结果。第二级是基于连续多个跟踪周期的相似性分析结果，来分析航迹对中的航迹是否满足相似准则，在满足时可得出两航迹相关联的分析结果。在对每一航迹对都进行二级关联分析后，就可得知哪两条航迹是相关联的。进一步可辅助上层控制中心的决策。
进一步的，对于相关联的两航迹，还可进一步区分主航迹和分裂航迹(其中主航迹的持续周期数要多于分裂航迹的持续周期数)，并可删除分裂航迹，以简化上层控制中心的分析决策。
在本发明其他实施例中，请参见图5，在不满足上述相似准则时，还可包括如下步骤：
S5：根据连续L个跟踪周期的相似性分析结果，分析航迹对中两航迹是否满足独立准则，若满足，进入S6，否则进入S7。
上述连续L个跟踪周期包括当前跟踪周期，并且，L大于Jmin小于M。
本领域技术人员可根据实际情况设定L的取值，只要令其满足大于Jmin小于M即可。
例如，若Jmin＝3，M＝5，则L＝4。
S6：若满足独立准则，得到表征航迹对中的两航迹相互独立的分析结果。
在一个示例中，上述独立准则可包括：在连续L个跟踪周期内，航迹对中的两航迹的运动参数均不相似。
以L＝4为例，假设当前跟踪周期为第J个跟踪周期，则若第J-3至第J个跟踪周期中，两航迹在4个跟踪周期内运动参数不相似，则满足独立准则。
S7：若既不满足相似准则又不满足独立准则，得到表征航迹对中的两航迹的关系暂时无法判定的分析结果。
在一个示例中，可采用三个不同的数值(第一数值至第三数值)表示不同的分析结果，例如，可使用第一数值表征两航迹相关联，使用第二数值表征两航迹独立，使用第三数值表征暂时无法判定。
需要说明的是，在本实施例中，是先判断是否满足相似准则，若不满足独立准则，再判断是否满足独立准则；或者，也可先判断是否满足独立准则，若不满足，再判断是否满足相似准则。此外，还可设置令L+K大于M。
在本发明其他实施例中，也可同时执行判断是否满足相似准则和判断是否满足独立准则的操作，也即，上述步骤S3和S5可同时执行。为了避免既满足相似准则又满足独立准则的情况的出现，可设置令L+K大于M。
下面将以更具体的实施例来介绍航迹关联方法，请参见图6，其可包括如下步骤：
S601：从车载雷达跟踪得到的多条航迹中任取两航迹组成航迹对。
S601与前述的S1相同，在此不作赘述。
S602：计算每一航迹对中两航迹在当前跟踪周期的航迹点位置的欧氏距离。
假定当前时刻为i时刻，跟踪得到N条航迹(N为不小于2)。i也可理解为帧号。
假定任意提取两条航迹组成航迹对，这两条航迹的编号为m和n，1≤m≤N，1≤n≤N，且m≠n。
需要说明的是，上述航迹点位置具体为以车载雷达为原点的坐标系下的坐标。
假定m号航迹当前时刻的坐标为n号航迹当前时刻的坐标为则两条航迹当前时刻的欧氏距离可使用下述公式(1)计算得到：
图7展示了截取的两段车载雷达测量得到的车辆航迹序列，其属于航迹的分裂现象，即两条航迹均对应同一辆车，根据持续时间的长短差异，将持续时间长的航迹称为“主航迹”，将持续时间短的航迹称为“分裂航迹”。两条航迹在展示的18帧数据内运动趋势非常接近，但整体位置存在一定平移。
图8给出了图7所示两条航迹在18帧里的欧式距离计算结果，其计算结果基本分布在3米左右，最大不超过3.5米。
S603：判断欧氏距离是否小于预设的欧式距离门限DT，若是，进入S605，否则进入S604；
其中，若两航迹的欧氏距离小于DT，表明两航迹在当前跟踪周期i的航迹点位置相似，否则表明两航迹在当前跟踪周期i的航迹点位置不相似。
本领域技术人员可根据实际需要灵活设计DT的取值，例如，可令DT＝4.5米。
S604：将当前跟踪周期的标志位设为第一数值，进入S609；
在一个示例中，第一数值具体可为“0”。
S605：分别计算两航迹在所述当前跟踪周期的运动速度。
上述运动速度可为二维速度，三维速度或一维速度。
以二维速度为例，其可包括x方向速度和y方向速度。
在一个示例中，上述二维速度可为雷达在跟踪过程中输出的瞬时二维速度。
考虑到受散射点位置滑动及跟踪模型参数设置等因素的影响，跟踪输出的瞬时二维速度与目标质心的运动速度的差别可能非常不稳定，实测数据处理也发现了类似现象，不适宜作为实际运动方向、运动快慢的严格度量值。
在另一个示例中，可将当前跟踪周期与前面若干跟踪周期的航迹点位置进行线性拟合，基于拟合参数量化当前跟踪周期的运动速度，这样可以保证运动速度的估计结果随时间变化足够平滑。由于采用这种方式利用了多个时刻的信息，因此可称其为序贯速度。
以航迹m为例，航迹m在当前跟踪周期i的序贯速度可通过如下方式计算得到：
根据航迹m在Jmin个跟踪周期的航迹点位置进行线性拟合，得到线性拟合函数；其中，Jmin个跟踪周期包括：当前跟踪周期和(Jmin-1)个历史跟踪周期。
上述线性拟合函数的拟合参数包括自变量系数和常系数。其中的自变量为跟踪周期的编号，因变量为航迹点位置，而自变量系数表征航迹m在当前跟踪周期的运动速度(序贯速度)。
以计算当前跟踪周期i的二维运动速度为例，二维运动速度包括x方向速度和y方向速度可对和分别求取。
以计算为例，其对应的匀速直线运动表达式为：在该表达式中，i为自变量，是跟踪周期的编号，因变量为航迹点位置的横坐标 为一常数。
同理，对应的匀速直线运动表达式为：因变量为航迹点位置的纵坐标 为一常数。
在一个示例中，序贯速度的计算方式是直接存储若干个时刻航迹数据进行线性拟合。
对第m号航迹，假设已存储包括当前帧在内共J帧(为保证拟合效果J≥Jmin，Jmin为最小连续跟踪周期数也是允许拟合的最少帧数)。
J帧的航迹数据为这些航迹数据满足匀速直线运动：
基于最小二乘意义下的拟合可以求得和
其中Pol(*)为线性拟合函数，和为拟合得到的当前序贯速度(单位为米每帧)。
在另一示例中，历史跟踪周期的航迹点位置是根据前一次线性拟合得到的拟合参数构造出的。
在本示例中，可仅存储前一帧的和基于和构造之前若干个历史时刻的航迹坐标，并结合当前时刻航迹坐标计算得到和请参见图9，具体实现步骤为：
步骤a：当航迹持续帧数小于Jmin时，存储该航迹各帧的坐标位置；
更具体，步骤a可进一步包括：
步骤a1：获取当前航迹坐标；
步骤a2：判断航迹持续帧数是否小于Jmin，若是，存储该航迹各帧的坐标位置，若否，进入步骤b。
步骤b：当航迹持续帧数等于Jmin时，基于前面存储的各帧坐标位置估计当前跟踪周期的序贯速度并存储，并根据需要释放前面各帧坐标位置的存储空间；
具体的，步骤b可进一步包括：
步骤b1：判断航迹持续帧数是否等于Jmin，若是，估计当前跟踪周期的序贯速度并存储，释放前面各帧坐标的存储空间；若否，进入步骤c。
步骤c：当航迹持续帧数大于Jmin时，提取前一帧存储的和构造J-1帧历史航迹数据(也即J-1个历史跟踪周期的航迹点位置)：
可采用如下公式构造J-1个历史跟踪周期的航迹点位置:
步骤d：使用构造历史航迹数据代替存储的真实值，与当前时刻的航迹坐标共同进行线性拟合：
由公式(4)式可以得到当前帧的 和并更新前一帧存储的和(步骤e)。
需要说明的是，这里构造的帧历史航迹数据在时间上是以1帧为间隔的等间隔排布，实际应用中构造历史数据也可以使用其他的时间间隔或与当前帧相隔大于1帧。
上述构造方式，其核心是对和的迭代更新操作，从而降低数据存储量，也方便通过调整构造数据的长短和时间范围来调整计算得到的和的平滑度。
当然，本领域技术人员也可计算两航迹在当前跟踪周期的第三维运动速度其计算方式与前述计算和相类似，在此不作赘述。
S606：计算两航迹在当前跟踪周期的运动速度差的绝对值。
其中，对于航迹m、n而言，其在x方向的序贯速度差(即运动速度差)为在y方向的序贯速度差为
图10a和图10b给出了对图7所示两航迹对的序贯速度估计结果，其中，图10a为x方向序贯速度的估计结果，图10b为y方向序贯速度的估计结果。其计算方法为上述构造帧历史航迹数据的迭代方法：
设定Jmin，J＝5，构造的历史数据间隔为2，即假定当前时刻为i，构造的历史时刻为[i-8,i-6,i-4,i-2]。可以看出初始阶段拟合数据较少，两条航迹的序贯速度差可达1.5m/s，但随着平滑的进行，后面的序贯速度差保持在0.2m/s以内。说明两条航迹的速度大小和方向基本一致。
S607：判断运动速度差的绝对值是否小于预设速度差门限，若是，进入S608，否则进入S604；
以二维运动速度差为例，预设速度差门限相应包括x向速度差门限VxT和y向速度差门限VyT。
当满足并且，会进入S608，否则进入S604。
本领域技术人员可灵活设计预设速度差门限的取值，以二维为例，VxT和VyT示例性得可分别设置为2m/s。
当然，若运动速度为三维，则预设速度差门限相应还可包括z向速度差门限VzT。
S608：将当前跟踪周期的标志位设为第二数值，进入S609；
在一个示例中，第二数值可为“1”。
需要说明的是，S603、S604、S607、S608可视为进行一级相似度门限判别。
通过一级相似度门限的条件包括：
其中DT一般由聚类门限、允许的最大目标尺寸及雷达的定位精度决定；VxT和VyT一般由雷达定位精度及跟踪结果稳定性决定。
上述标志位也可称为标志位hm,n[i]，可以理解的是，若航迹对通过一级相似度门限判别，将该航迹对的标志位置1：hm,n[i]＝1；否则，将该标志位置0：hm,n[i]＝0。
需要说明的是，若航迹对中任意一条航迹跟踪持续帧数小于Jmin，则无序贯速度差输出，也认为不通过一级相似度门限，hm,n[i]＝0。
S609：根据连续M个跟踪周期的标志位，分析上述航迹对中两航迹是否满足相似准则，若是，进入S610，否则，进入S611；
S609与前述的S3相类似，在此不作赘述。
S610：得到表征航迹对中的两航迹相关联的分析结果。
S610与前述的S4相类似，在此不作赘述。
S611：根据连续L个跟踪周期的标志位，分析上述航迹对中两航迹是否满足独立准则，若是，进入S612，否则进入S613。
S612：得到表征航迹对中的两航迹相独立的分析结果。
S613：得到表征航迹对中的两航迹的关系暂时无法判定的分析结果。
整个方法的实施流程也可如图11所示。
需要说明的是，S609-S613也可认为执行的是二级序贯门限判别，其基于一级相似度门限的判别结果，借鉴了K/M-L准则进行相似度的判别。
K/M-L准则是传统跟踪理论中应用于跟踪起始和跟踪终止的一种判别方法，其基本原理是：
若在连续的M个跟踪周期内，目标被跟踪上的次数大于等于K次，则认为目标稳定跟踪；
若在连续的L个跟踪周期内，目标均未获得有效跟踪，则确认目标丢失，跟踪终止。
本发明实施例里借鉴K/M-L准则思想，并进行一定的调整，对各个航迹对通过一级相似度门限的结果进行二级序贯门限判别，充分利用一段时间内的一级相似度判别结果，提高判别的稳定性和可靠性，判别方式为：
若在包括当前时刻及之前共M个连续跟踪周期内，一对航迹通过一级相似度门限的次数大于等于K次，则认为两条航迹被关联；
若在包括当前时刻及之前共L个连续跟踪周期内，该对航迹均不通过一级相似度门限，则确认两条航迹完全不相似；
若上述两条均不满足，则认为该对航迹的相似状态暂时无法判定。
上述K、M和L可根据经验选择及对关联的约束程度设定，一般应保证K/M>0.5，L<M，L>Jmin。
下面将以某实际车载雷达跟踪的数据对本发明提供的航迹关联方法进行介绍。该车载雷达波段77GHz，距离分辨率约0.5米，角度分辨率约30°，数据帧周期(跟踪周期)为0.1s，雷达位于坐标原点。
一车辆从该车载雷达方绕过，车载雷达对其整个观测时间约20s。
上述车辆在20秒内的移动轨迹如图12所示。
车载雷达对该车辆的在20s内的跟踪点绘制于一张图，得到图13。在图13中最长实线为主航迹，点线为1号分裂航迹，虚线为2号分裂航迹，点划线为3号分裂航迹，其他为静止目标/杂波等。
需要说明的是，图13展示的是采用本说明提供的航迹关联方法进行航迹关联前的航迹。
在本实施例中，具体的实施参数为：
欧式距离门限：DT＝4.5米；
x方向序贯速度差门限：VxT＝2m/s；
x方向序贯速度差门限：VyT＝2m/s；
航迹最小持续帧数(即最小连续跟踪周期数)：Jmin＝3；
线性拟合数据点数：J＝5；
拟合构造历史数据间隔：2；
K/M-L准则参数：K＝3，M＝5，L＝4。
在进行航迹关联后，得到的航迹关联结果如图14所示。在图14中，以三角形绘出主航迹；以正方形绘出主航迹的关联航迹；其他形式的点为未被关联的分裂航迹及静止目标/杂波等。
可以看出3号分裂航迹与主航迹完全关联，但对1号分裂航迹和2号分裂航迹，其在整个航迹拐弯的两处(以虚线圆圈标出)存在一些时刻并没有与主航迹关联上，而其他的多数时刻都实现了较好的关联。出现这种现象的主要原因是在目标拐弯时由于散射点滑动等因素非常不稳定,导致主航迹和分裂航迹在参数上可能存在较大不相似。
可见，通过本发明实施例提供的航迹关联方法，可确定跟踪输出的任意两条航迹的相似/关联状态，若其可以被关联，在进行驾驶决策或将雷达信息与其他传感器进行配准时可以降低一定的冗余度。
此外，需要注意的是，对连续分布的静止目标，应用上述航迹关联方法可能会被判断为关联航迹，因此在跟踪输入时应当考虑目标是否静止，或在关联操作结束后结合目标是否为静止的状态进行进一步的信息使用。
因此，在本发明其他实施例中，上述关联方法还可包括如下步骤：
判断两航迹相关联的航迹对对应静止目标还是运动目标；
确定对应运动目标的航迹对属于同一目标。
当然，也可采用其他技术手段避免将连续分布的静止目标判断为关联航迹。如在本发明另一实施例中，可在任取两航迹进行配对之前，先挑选出运动目标的航迹，在运动目标对应的多条航迹中任取两航迹作为一组进行组合，后续对组合出的航迹对进行关联分析。
下面介绍上述车载雷达，图15示出了上述车载雷达的一种示例性结构，其可包括：
跟踪单元151：用于对多个目标进行跟踪，得到多条航迹；
航迹关联单元152：用于从跟踪单元跟踪得到的多条航迹中任取两航迹组成航迹对，对每一航迹对进行关联分析，得到分析结果。
上述多条航迹中的任意两航迹组成一个航迹对。
其中，航迹关联单元152在进行关联分析，具体包括：
分析航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果；相似性分析结果用于表征运动参数相似或用于表征运动参数不相似；上述运动参数至少包括航迹点位置；而运动参数相似至少包括航迹点位置相似；
根据连续M个跟踪周期的相似性分析结果，分析航迹对中的两航迹是否满足相似准则；连续M个跟踪周期包括当前跟踪周期；M大于Jmin，Jmin为最小连续跟踪周期数；
若满足相似准则，得到表征航迹对中的两航迹相关联的分析结果。
在本发明其他实施例中，上述航迹关联单元152在进行关联分析方面，还可用于：
根据连续L个跟踪周期的相似性分析结果，分析航迹对中两航迹是否满足独立准则；连续L个跟踪周期包括当前跟踪周期；L大于Jmin，小于M；
若满足独立准则，得到用于表征航迹对中的两航迹相互独立的分析结果；
若既不满足相似准则又不满足独立准则，得到用于表征航迹对中的两航迹的关系暂时无法判定的分析结果。
更具体的，上述相似准则包括：在连续M个跟踪周期内，航迹对中的两航迹在K个跟踪周期内运动参数相似；K小于等于M；
独立准则包括：在连续L个跟踪周期内，航迹对中的两航迹的运动参数均不相似。相关细节请参见本文前述记载，在此不作赘述。
在本发明其他实施例中，上述所有实施例中的相似性分析结果具体可为标志位，若标志位为第一数值，表征述运动参数不相似，若标志位为第二数值，则表征运动参数相似。
在一个示例中，上述运动参数包括航迹点位置和运动速度。
相应的，在分析航迹对中两航迹在当前跟踪周期的运动参数是否相似，得到当前跟踪周期的相似性分析结果的方面，上述航迹关联单元152可具体用于：
分析航迹对中的两航迹在当前跟踪周期的航迹点位置是否相似；
若航迹对中的两航迹在当前跟踪周期的航迹点位置不相似，将当前跟踪周期的标志位设为第一数值；
若航迹对中的两航迹在当前跟踪周期的航迹点位置相似，分析该航迹对中两航迹在当前跟踪周期的运动速度是否相似；
若运动速度相似，将当前跟踪周期的标志位设为第二数值；否则，将当前跟踪周期的标志位设为第一数值。
在一个示例中，在分析两航迹在当前跟踪周期的航迹点位置是否相似方面，航迹关联单元152可具体用于：
计算两航迹在当前跟踪周期的航迹点位置的欧氏距离；
若欧氏距离小于预设的欧式距离门限，判定两航迹在当前跟踪周期的航迹点位置相似，否则不相似。相关细节请参见本文前述记载，在此不作赘述。
在另一个示例中，在分析两航迹在当前跟踪周期的运动速度是否相似的方面，航迹关联单元152可具体用于：
分别计算两航迹在当前跟踪周期的运动速度；
计算两航迹在当前跟踪周期的运动速度差；
若运动速度差的绝对值小于预设速度差门限，判定两航迹在当前跟踪周期的运动速度相似，否则不相似。
在本发明其他实施例中，若航迹对中任一航迹表示为航迹m，航迹m在当前跟踪周期的运动速度通过如下方式计算得到：
根据航迹m在Jmin个跟踪周期的航迹点位置进行线性拟合，得到线性拟合函数；Jmin个跟踪周期包括：当前跟踪周期和历史跟踪周期；
其中，线性拟合函数的拟合参数包括自变量系数和常系数，自变量系数表征航迹m在当前跟踪周期的运动速度；线性拟合函数的自变量为跟踪周期的编号，因变量为航迹点位置。
可选的，上述历史跟踪周期的航迹点位置是根据前一次线性拟合得到的拟合参数构造出的。
相关细节请参见本文前述记载，在此不作赘述。
在本发明其他实施例中，上述航迹关联单元152还可用于：
判断两航迹相关联的航迹对对应静止目标还是运动目标；
确定对应运动目标的航迹对属于同一目标。
综上，本发明提供的航迹关联方法及车载雷达，无需对观测进行统计特性建模，可以适用于单一雷达的分裂航迹关联。其采用了两级门限判别，其中：一级门限判别中同时利用了距离和速度的差异，并且给出了迭代求解序贯速度的方法，降低了数据存储量，提高了处理的灵活度；二级门限判别中利用了K/M-L准则，基于序贯处理提高了最终判别结果的稳定性。经实测数据处理表明本发明所提供的航迹关联方法及车载雷达，在航迹关联上有较好效果，具有明显的工程实用价值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种航迹关联方法，其特征在于，应用于车载雷达，包括：
从所述车载雷达跟踪得到的多条航迹中任取两航迹组成航迹对；
对每一所述航迹对进行关联分析，得到分析结果；
其中，所述进行关联分析包括：
分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果；所述相似性分析结果用于表征所述运动参数相似或用于表征所述运动参数不相似；所述运动参数至少包括航迹点位置；所述运动参数相似至少包括航迹点位置相似；
根据连续M个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足相似准则；所述连续M个跟踪周期包括所述当前跟踪周期；所述M大于Jmin，所述Jmin为最小连续跟踪周期数；
若满足所述相似准则，所述分析结果用于表征所述航迹对中的两航迹相关联。
2.根据权利要求1所述的方法，其特征在于，所述进行关联分析还包括：
根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则；所述连续L个跟踪周期包括所述当前跟踪周期；所述L大于所述Jmin，小于所述M；
其中：
若满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹相互独立；
若既不满足所述相似准则又不满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹的关系暂时无法判定。
3.根据权利要求2所述的方法，其特征在于，
所述相似准则包括：在所述连续M个跟踪周期内，所述航迹对中的两航迹在K个跟踪周期内运动参数相似；所述K小于等于所述M；
所述独立准则包括：在所述连续L个跟踪周期内，所述航迹对中的两航迹的运动参数均不相似。
4.根据权利要求1-3任一项所述的方法，其特征在于，
所述相似性分析结果具体为标志位，若标志位为第一数值，表征所述运动参数不相似，若标志位为第二数值，则表征所述运动参数相似；
所述运动参数包括航迹点位置和运动速度；
所述分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到当前跟踪周期的相似性分析结果包括：
分析所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置是否相似；
若所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置不相似，将所述当前跟踪周期的标志位设为所述第一数值；
若所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置相似，分析所述航迹对中的两航迹在所述当前跟踪周期的运动速度是否相似；
若运动速度相似，将所述当前跟踪周期的标志位设为所述第二数值；否则，将所述当前跟踪周期的标志位设为所述第一数值。
5.根据权利要求4所述的方法，其特征在于，
所述分析所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置是否相似包括：
计算所述航迹对中的两航迹在所述当前跟踪周期的航迹点位置的欧氏距离；
若所述欧氏距离小于预设的欧式距离门限，所述航迹对中的两航迹在当前跟踪周期的航迹点位置相似，否则不相似；
所述分析所述航迹对中的两航迹在所述当前跟踪周期的运动速度是否相似包括：
分别计算所述航迹对中的两航迹在所述当前跟踪周期的运动速度；
计算所述航迹对中的两航迹在所述当前跟踪周期的运动速度差；
若所述运动速度差的绝对值小于预设速度差门限，所述航迹对中的两航迹在当前跟踪周期的运动速度相似，否则不相似。
6.根据权利要求5所述的方法，其特征在于，所述航迹对中任一航迹表示为航迹m，所述航迹m在所述当前跟踪周期的运动速度通过如下方式计算得到：
根据航迹m在Jmin个跟踪周期的航迹点位置进行线性拟合，得到线性拟合函数；所述Jmin个跟踪周期包括：当前跟踪周期和历史跟踪周期；所述历史跟踪周期的航迹点位置是根据前一次线性拟合得到的拟合参数构造出的；
其中，所述线性拟合函数的拟合参数包括自变量系数和常系数，所述自变量系数表征所述航迹m在所述当前跟踪周期的运动速度；所述线性拟合函数的自变量为跟踪周期的编号，因变量为航迹点位置。
7.根据权利要求1所述的方法，其特征在于，还包括：
判断两航迹相关联的所述航迹对对应静止目标还是运动目标；
确定对应运动目标的所述航迹对属于同一目标。
8.根据权利要求3所述的方法，其特征在于，
所述根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则的步骤，是在分析出所述航迹对中的两航迹不满足所述相似准则后执行的；
和/或，
所述L与所述K的和大于所述M。
9.一种车载雷达，其特征在于，包括：
跟踪单元：用于对多个目标进行跟踪，得到多条航迹；
航迹关联单元：用于从所述跟踪单元跟踪得到的多条航迹中任取两航迹组成航迹对，对每一所述航迹对进行关联分析，得到分析结果；
其中，所述进行关联分析包括：
分析所述航迹对中的两航迹在当前跟踪周期的运动参数是否相似，得到相似性分析结果；所述相似性分析结果用于表征所述运动参数相似或用于表征所述运动参数不相似；所述运动参数至少包括航迹点位置；所述运动参数相似至少包括航迹点位置相似；
根据连续M个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足相似准则；所述连续M个跟踪周期包括所述当前跟踪周期；所述M大于Jmin，所述Jmin为最小连续跟踪周期数；
若满足所述相似准则，所述分析结果用于表征所述航迹对中的两航迹相关联。
10.根据权利要求9所述的车载雷达，其特征在于，所述航迹关联单元还用于：
根据连续L个跟踪周期的相似性分析结果，分析所述航迹对中的两航迹是否满足独立准则；所述连续L个跟踪周期包括所述当前跟踪周期；所述L大于所述Jmin，小于所述M；
其中：
若满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹相互独立；
若既不满足所述相似准则又不满足所述独立准则，所述分析结果用于表征所述航迹对中的两航迹的关系暂时无法判定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910073992.3A CN109782267B (zh) | 2019-01-25 | 2019-01-25 | 航迹关联方法及车载雷达 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910073992.3A CN109782267B (zh) | 2019-01-25 | 2019-01-25 | 航迹关联方法及车载雷达 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109782267A true CN109782267A (zh) | 2019-05-21 |
| CN109782267B CN109782267B (zh) | 2021-01-22 |
Family
ID=66502380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910073992.3A Active CN109782267B (zh) | 2019-01-25 | 2019-01-25 | 航迹关联方法及车载雷达 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109782267B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110596708A (zh) * | 2019-09-03 | 2019-12-20 | 中国第一汽车股份有限公司 | 一种车辆间距检测方法、装置、车辆和存储介质 |
| CN110907909A (zh) * | 2019-10-30 | 2020-03-24 | 南京市德赛西威汽车电子有限公司 | 一种基于概率统计的雷达目标识别方法 |
| CN111090095A (zh) * | 2019-12-24 | 2020-05-01 | 联创汽车电子有限公司 | 信息融合环境感知系统及其感知方法 |
| CN111929655A (zh) * | 2020-09-08 | 2020-11-13 | 中国电子科技集团公司第三十八研究所 | 一种汽车毫米波雷达道路目标跟踪方法及系统 |
| CN112036422A (zh) * | 2019-06-04 | 2020-12-04 | 广州汽车集团股份有限公司 | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 |
| CN113064164A (zh) * | 2021-03-16 | 2021-07-02 | 北京润科通用技术有限公司 | 一种车载雷达数据关联方法及装置 |
| CN114611266A (zh) * | 2021-12-02 | 2022-06-10 | 河北雄安京德高速公路有限公司 | 一种无真值系统下的交通雷达跟踪性能评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011158800A1 (ja) * | 2010-06-17 | 2011-12-22 | 株式会社 東芝 | レーダ装置 |
| CN104991235A (zh) * | 2015-06-15 | 2015-10-21 | 南京航空航天大学 | 一种基于雷达点迹的快速跟踪目标的方法 |
| CN106199583A (zh) * | 2016-06-30 | 2016-12-07 | 大连楼兰科技股份有限公司 | 多目标数据匹配与跟踪的方法及系统 |
| CN106646392A (zh) * | 2017-01-11 | 2017-05-10 | 南京御达电信息技术有限公司 | 一种基于复杂网络的目标副瓣杂波消除方法 |
| 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 |
-
2019
- 2019-01-25 CN CN201910073992.3A patent/CN109782267B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011158800A1 (ja) * | 2010-06-17 | 2011-12-22 | 株式会社 東芝 | レーダ装置 |
| CN104991235A (zh) * | 2015-06-15 | 2015-10-21 | 南京航空航天大学 | 一种基于雷达点迹的快速跟踪目标的方法 |
| CN106199583A (zh) * | 2016-06-30 | 2016-12-07 | 大连楼兰科技股份有限公司 | 多目标数据匹配与跟踪的方法及系统 |
| CN106646392A (zh) * | 2017-01-11 | 2017-05-10 | 南京御达电信息技术有限公司 | 一种基于复杂网络的目标副瓣杂波消除方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 刘根旺: "《高频地波雷达与AIS船只目标航迹关联方法研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036422A (zh) * | 2019-06-04 | 2020-12-04 | 广州汽车集团股份有限公司 | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 |
| CN112036422B (zh) * | 2019-06-04 | 2024-03-05 | 广州汽车集团股份有限公司 | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 |
| CN110596708A (zh) * | 2019-09-03 | 2019-12-20 | 中国第一汽车股份有限公司 | 一种车辆间距检测方法、装置、车辆和存储介质 |
| CN110907909A (zh) * | 2019-10-30 | 2020-03-24 | 南京市德赛西威汽车电子有限公司 | 一种基于概率统计的雷达目标识别方法 |
| CN110907909B (zh) * | 2019-10-30 | 2023-09-12 | 南京市德赛西威汽车电子有限公司 | 一种基于概率统计的雷达目标识别方法 |
| CN111090095A (zh) * | 2019-12-24 | 2020-05-01 | 联创汽车电子有限公司 | 信息融合环境感知系统及其感知方法 |
| CN111929655A (zh) * | 2020-09-08 | 2020-11-13 | 中国电子科技集团公司第三十八研究所 | 一种汽车毫米波雷达道路目标跟踪方法及系统 |
| CN111929655B (zh) * | 2020-09-08 | 2023-07-14 | 中国电子科技集团公司第三十八研究所 | 一种汽车毫米波雷达道路目标跟踪方法及系统 |
| CN113064164A (zh) * | 2021-03-16 | 2021-07-02 | 北京润科通用技术有限公司 | 一种车载雷达数据关联方法及装置 |
| CN113064164B (zh) * | 2021-03-16 | 2022-11-22 | 北京润科通用技术有限公司 | 一种车载雷达数据关联方法及装置 |
| CN114611266A (zh) * | 2021-12-02 | 2022-06-10 | 河北雄安京德高速公路有限公司 | 一种无真值系统下的交通雷达跟踪性能评估方法 |
| CN114611266B (zh) * | 2021-12-02 | 2024-03-15 | 河北雄安京德高速公路有限公司 | 一种无真值系统下的交通雷达跟踪性能评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109782267B (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109782267A (zh) | 航迹关联方法及车载雷达 | |
| CN110361727A (zh) | 一种毫米波雷达多目标跟踪方法 | |
| Zhang et al. | Track segment association for GMTI tracks of evasive move-stop-move maneuvering targets | |
| KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
| CN109522854A (zh) | 一种基于深度学习和多目标跟踪的行人流量统计方法 | |
| CN101498788B (zh) | 一种逆合成孔径雷达的目标转角估计和横向定标方法 | |
| CN106908762B (zh) | 一种针对uhf-rfid系统的多假设ukf目标跟踪方法 | |
| CN106405537B (zh) | 基于位置信息和多普勒信息的雷达航迹起始方法 | |
| CN111123212B (zh) | 一种基于复杂杂波背景下的场面监视雷达的信号处理方法 | |
| CN104569964A (zh) | 用于超宽带穿墙雷达的运动目标二维检测与跟踪的方法 | |
| Georgy et al. | Clustered mixture particle filter for underwater multitarget tracking in multistatic active sonobuoy systems | |
| CN109029465A (zh) | 一种无人艇基于毫米波雷达的跟踪和避障系统 | |
| CN108344982A (zh) | 基于长时间相参积累的小型无人机目标雷达检测方法 | |
| CN111929676B (zh) | 一种基于密度聚类的x波段雷达目标检测与跟踪方法 | |
| CN109239702B (zh) | 一种基于目标状态集的机场低空飞鸟数量统计方法 | |
| CN106403953B (zh) | 一种用于水下自主导航与定位的方法 | |
| Blanding et al. | Offline and real-time methods for ML-PDA track validation | |
| CN104569963A (zh) | 用于超宽带穿墙雷达运动目标一维检测与跟踪的方法 | |
| CN107133555B (zh) | 识别8字运动轨迹目标的方法 | |
| KR101968327B1 (ko) | 항적 거리 보상 장치 및 방법 | |
| CN110412531A (zh) | 杂波情况下基于幅值信息的接收站路径优化方法 | |
| CN109031193A (zh) | 一种基于信号到达方向的室内非法信号源定位系统及方法 | |
| Kaune et al. | Online optimization of sensor trajectories for localization using TDOA measurements | |
| Yan et al. | A track-before-detect approach for UWB radar sensor networks | |
| TW202318031A (zh) | 基於毫米波雷達的人數偵測方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230613 Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Patentee after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 100192 5th floor, Zhizhen building, 7 Zhichun Road, Haidian District, Beijing Patentee before: BEIJING RUNKE GENERAL TECHNOLOGY Co.,Ltd. |