CN111768442A - 一种基于层次聚类和逻辑法的航迹起始方法及系统 - Google Patents
一种基于层次聚类和逻辑法的航迹起始方法及系统 Download PDFInfo
- Publication number
- CN111768442A CN111768442A CN202010664653.5A CN202010664653A CN111768442A CN 111768442 A CN111768442 A CN 111768442A CN 202010664653 A CN202010664653 A CN 202010664653A CN 111768442 A CN111768442 A CN 111768442A
- Authority
- CN
- China
- Prior art keywords
- class
- candidate
- track
- threshold
- observation points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012790 confirmation Methods 0.000 claims abstract description 37
- 230000000977 initiatory effect Effects 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000005054 agglomeration Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G01S13/70—Radar-tracking systems; Analogous systems for range tracking only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于层次聚类和逻辑法的航迹起始方法及系统,包括:获取多帧原始观测数据;基于观测点的空间位置,通过层次聚类算法对多帧原始观测数据的进行分类,得到候选类;对候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;对确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;对候选航迹进行相关系数门限判决,得到航迹起始。本发明的方法在高密度杂波环境中仍具有较好的航迹起始效果,可以减少了虚假航迹的产生以及消除V型航迹,显著提高航迹起始质量;相比于Hough变换航迹起始算法,本发明的方法具有阈值易于确定的优点。
Description
技术领域
本发明涉及雷达技术领域,具体涉及一种基于层次聚类和逻辑法的航迹起始方法及系统。
背景技术
多目标跟踪在许多领域都具有广泛的应用,如军事中的战场监视和空中预警、民用的交通管制等。多目标跟踪过程主要包括航迹起始、航迹维持、航迹终结等三个过程。航迹起始是指未进入航迹维持阶段之前确定航迹的过程,是多目标跟踪的首要问题,其直接影响着多目标跟踪的性能。
航迹起始的主要目的是剔除虚假目标、发现目标航迹。由于杂波等干扰信号的存在以及目标观测噪声的存在,给目标跟踪带来了巨大的困难。但是利用航迹起始算法不仅能够剔除大量的虚假目标、降低后续处理的运算量,而且能够及时发现新目标。因此航迹起始具有非常重要的现实意义。
目前,常用的航迹起始算法主要分为顺序处理技术和批处理技术:
顺序处理技术包括启发式和基于逻辑的航迹起始方法,该技术主要利用了目标的速度、加速度、角度等运动特性信息。在稀疏杂波环境中,顺序处理技术的航迹起始效果要优于批处理技术,并且易于工程实现;但是,其缺点是在密集杂波条件下,辨别真实目标和虚警的能力较差。
批处理技术包括Hough变换航迹起始算法及其改进算法,该类算法航迹起始效果较好,能有效降低虚警概率,适用于杂波较强的环境中;但是,在密集杂波环境中,存在阈值难以确定、低信杂比检测中存在峰值簇拥现象,而且算法运算量大,不利于工程实际中的应用。
发明内容
针对现有技术在密集杂波环境中计算多目标航迹起始时存在的大量虚假航迹和阈值难以确定等缺点,本发明提供一种基于层次聚类和逻辑法的航迹起始方法及系统。
本发明公开了一种基于层次聚类和逻辑法的航迹起始方法,包括:
获取多帧原始观测数据;
基于观测点的空间位置,通过层次聚类算法对所述多帧原始观测数据的进行分类,得到候选类;
对所述候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;
对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;
对所述候选航迹进行相关系数门限判决,得到航迹起始结果。
作为本发明的进一步改进,所述通过层次聚类算法对所述多帧原始观测数据的进行分类,包括:
将前N帧观测点中每一个点看作一类;
计算类间最小距离;
将类间最小距离小于设定阈值的类聚为一个新类;
重复上述操作,直到类间最小距离均大于阈值时停止聚类,得到候选类。
作为本发明的进一步改进,所述对所述候选类中不同类的观测点数目进行数目门限判决,包括:
判断所述候选类的观测点数目是否满足门限要求;
若满足,则保留该类;
若不满足,则剔除该类;
重复上述判断,得到可能包含真实航迹点的确认类。
作为本发明的进一步改进,所述对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;包括:
对所述确认类中的观测点进行排序;
根据前两帧观测点坐标估计目标运动速度;
若满足速度门限要求,则形成可能航迹;
对所述可能航迹进行外推,找到同一确认类中在该条可能航迹上的所有观测点;
对可能航迹观测点数目进行筛选形成候选航迹。
作为本发明的进一步改进,所述对所述候选航迹进行相关系数门限判决,包括:
计算各所述候选航迹的相关系数,并设置相关系数门限;
若满足门限要求则形成确认航迹。
本发明还公开了一种基于层次聚类和逻辑法的航迹起始系统,包括:
获取模块,用于获取多帧原始观测数据;
聚类模块,用于基于观测点的空间位置,通过层次聚类算法对所述多帧原始观测数据的进行分类,得到候选类;
数目门限判决模块,用于对所述候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;
逻辑判决模块,用于对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;
相关系数门限判决模块,用于对所述候选航迹进行相关系数门限判决,得到航迹起始。
作为本发明的进一步改进,所述聚类模块,具体用于:
将前N帧观测点中每一个点看作一类;
计算类间最小距离;
将类间最小距离小于设定阈值的类聚为一个新类;
重复上述操作,直到类间最小距离均大于阈值时停止聚类,得到候选类。
作为本发明的进一步改进,所述数目门限判决模块,具体用于:
判断所述候选类的观测点数目是否满足门限要求;
若满足,则保留该类;
若不满足,则剔除该类;
重复上述判断,得到可能包含真实航迹点的确认类。
作为本发明的进一步改进,所述逻辑判决模块,具体用于:
对所述确认类中的观测点进行排序;
根据前两帧观测点坐标估计目标运动速度;
若满足速度门限要求,则形成可能航迹;
对所述可能航迹进行外推,找到同一确认类中在该条可能航迹上的所有观测点;
对可能航迹观测点数目进行筛选形成候选航迹。
作为本发明的进一步改进,所述相关系数门限判决模块,具体用于:
计算各所述候选航迹的相关系数,并设置相关系数门限;
若满足门限要求则形成确认航迹。
与现有技术相比,本发明的有益效果为:
1、本发明的方法在高密度杂波环境中仍具有较好的航迹起始效果;
2、本发明的方法可以减少了虚假航迹的产生以及消除V型航迹,显著提高航迹起始质量;
3、相比于Hough变换航迹起始算法,本发明的方法具有阈值易于确定的优点。
附图说明
图1为本发明一种实施例公开的基于层次聚类和逻辑法的航迹起始方法的流程图;
图2为真实目标航迹图;
图3为连续四帧观测点在空间内的分布图;
图4为聚类分析得到的候选类图;
图5为对聚类结果进行筛选得到的确认类图;
图6为逻辑筛选后的候选航迹图;
图7为最终航迹起始结果图;
图8为本发明一种实施例公开的基于层次聚类和逻辑法的航迹起始系统的框架图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的一部分实施例,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的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。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种基于层次聚类和逻辑法的航迹起始方法,包括:
步骤1、获取多帧原始观测数据;其中,
具体包括:
前N帧观测点的坐标为Xk=(xk,yk),其中k=1,2,...n,n为观测点数目;
同时,设定类间最短距离门限为dT、候选类观测点数目门限为MT、速度下限为Vmin、速度上限为Vmax以及相关系数门限rT。
步骤2、凝聚型层次聚类:基于观测点的空间位置,通过层次聚类算法对多帧原始观测数据的进行分类,得到候选类;其中,
凝聚型层次聚类包括:
将前N帧观测点中每一个点看作一类;计算类间最小距离;将类间最小距离小于设定阈值的类聚为一个新类;重复上述操作,直到类间最小距离均大于阈值时停止聚类,得到候选类。
凝聚型层次聚类具体包括:
步骤21、将每个观测点看做一类;
步骤22、计算类间的最短距离;M1、M2为任意两类观测点集合,从它们中取一观测点分别为(xi、yi)、(xj、yj),根据公式(1)计算以上两点之间的距离:
其中,i=1,2...m1、j=1,2,...m2,m1、m2分别为M1、M2内观测点数目;
同理,计算M1和M2中其它观测点之间的距离,得到M1、M2类间距离集合为{Di,j}。根据公式(2)计算M1和M2的类间最短距离为d:
步骤23、若类间最短距离d满足d<dT,则将M1和M2合为一个新类;
步骤24、重复步骤22、23,直到所有类间最小距离都大于门限值dT停止聚类,此时得到所有候选类。
步骤3、数目门限判决:对候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;其中,
数目门限判决包括:
判断候选类的观测点数目是否满足门限要求;若满足,则保留该类;若不满足,则剔除该类;重复上述判断,得到可能包含真实航迹点的确认类。
数目门限判决具体包括:
步骤31、候选类OM中观测点数目为M,若M满足式(3)则保留该类,否则剔除候选类OM;
M≥MT (3)
步骤32、对全部候选类进行以上判决,得到所有确认类。
步骤4、逻辑判决:对确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;其中,
逻辑判决包括:
对确认类中的观测点进行排序;根据前两帧观测点坐标估计目标运动速度;若满足速度门限要求,则形成可能航迹;对可能航迹进行外推,找到同一确认类中在该条可能航迹上的所有观测点;对可能航迹观测点数目进行筛选形成候选航迹。
逻辑判决具体包括:
步骤41、对确认类O′M中观测点按照出现帧数由小到大进行排序;
步骤42、取排序后的前两帧观测点分别为(x′1,y′1)、(x′2,y′2)。若以上两观测点满足式(4),则由(x′1,y′1)和(x′2,y′2)建立可能航迹ok;
其中,T为雷达观测周期;
步骤43、取第三帧观测点(x′3,y′3),判断其与第二帧观测点是否满足式(4),若满足则观测点(x′3,y′3)属于可能航迹ok,若不满足则对下一帧观测点进行判断。同理,对O′M中的其它帧观测点进行判断,最终形成可能航迹ok;
步骤44、对可能航迹ok中观测点进行数目累加求和,累加结果为Nk,若Nk满足式(5),则将可能航迹ok确认为候选航迹。
其中,N为观测帧数;
步骤45、重复以上步骤,找到所有确认类中的候选航迹。
步骤5、对候选航迹进行相关系数门限判决,得到航迹起始;其中,
相关系数门限判决包括:
计算各候选航迹的相关系数,并设置相关系数门限;若满足门限要求则形成确认航迹。
相关系数门限判决具体包括:
其中,Cov(X,Y)为X与Y的协方差,Var(X)为X的方差,Var(Y)为Y的方差;
步骤52、若|r|>rT则由第k条候选航迹可确定一条起始航迹;
步骤53、重复以上步骤,对所有候选航迹进行判决,最终得到确认航迹。
如图8所示,本发明还提供一种基于层次聚类和逻辑法的航迹起始系统,包括:
获取模块,用于实现上述步骤1;
聚类模块,用于实现上述步骤2;
数目门限判决模块,用于实现上述步骤3;
逻辑判决模块,用于实现上述步骤4;
相关系数门限判决模块,用于实现上述步骤5。
实施例:
假设雷达传感器观测范围为一正方形区域,其中,点(0km,0km)、(0km,100km)、(100km,0km)、(100km,100km)分别为观测区域的四个顶点,。在每次观测场景中噪声数目服从参数为λ=170的泊松分布,噪声在观测区域内服从均匀分布。在观测区域内存在四个运动目标,均做匀速直线运动,各目标的初始位置分别为(55km,55km),(45km,55km),(35km,35km),(15km,55km),它们速度均为vx=0.5km/s、vy=0.5km/s,目标运动轨迹如图2所示。观测噪声服从均值为0,方差为σx=σy=0.05km的高斯分布。雷达采样周期为T=1S,本次实验仿真连续4个周期内的观测数据,如图3所示。以下距离单位均为10km、速度单位为10km/s。
本发明的航迹起始方法,包括:
步骤1、前4帧观测点坐标为Xk=(xk,yk),其中k=1,2,...n,n=671。设定类间最短距离门限dT为0.09、候选类观测点数目门限MT为3、速度下限为Vmin为0.065、速度上限为Vmax为0.085以及相关系数门限rT为0.9。
步骤2、凝聚型层次聚类:对连续4帧观测数据进行凝聚型层次聚类分析。
步骤21、将每个观测点看做一类;
步骤22、计算类间的最短距离;假设M1、M2为任意两类观测点集合,从M1和M2任取一观测点分别为(xi、yi)、(xj、yj),以上两点之间的距离通过下式计算得到:
步骤24、若类间最短距离d满足d<0.09,则将类M1和M2合为一个新类。
步骤25、重复上述步骤,直到类间最小距离都大于门限值0.09,停止聚类。此时得到候选类如图4所示。
步骤3、对所有候选类观测点数目进行门限判决。
步骤31、候选类OM中观测点数目为M个,若M满足M≥3,则保留该类,否则剔除候选类OM。
步骤32、对所有候选类进行以上判决,最终得到确认类如图5所示。
步骤4、对确认类中观测点排序并进行逻辑判别,若满足要求则形成候选航迹。
步骤41、对每个确认类中观测点按照出现时间先后顺序排序。
步骤42、取排序后的前两帧观测点,假设第一帧观测点坐标为(x′1,y′1)和第二帧观测点坐标为(x′2,y′2)。若以上两观测点满足下式,
则由(x′1,y′1)和(x′1,y′1)建立可能航迹ok。
步骤43、将每个可能航迹ok进行外推,找到该确认类中满足式(4)的所有观测点,最终形成可能航迹ok。
步骤44、对可能航迹ok中观测点数目进行累加求和,若累加结果Nk满足Nk≥3,则将可能航迹ok确认为候选航迹。
步骤45、重复以上步骤,找到所有确认类中的候选航迹如图6所示。
步骤5、计算候选航迹中观测点坐标间的相关系数并与门限值进行比较,当满足条件要求时实现航迹起始。
步骤52、若|r|>0.9则由第k条候选航迹可确定一条起始航迹。
步骤53、重复以上步骤,对所有候选航迹进行判决,最终得到确认航迹如图7所示。
本发明的优点为:
1、本发明的方法在高密度杂波环境中仍具有较好的航迹起始效果;
2、本发明的方法可以减少了虚假航迹的产生以及消除V型航迹,显著提高航迹起始质量;
3、相比于Hough变换航迹起始算法,本发明的方法具有阈值易于确定的优点。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于层次聚类和逻辑法的航迹起始方法,其特征在于,包括:
获取多帧原始观测数据;
基于观测点的空间位置,通过层次聚类算法对所述多帧原始观测数据的进行分类,得到候选类;
对所述候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;
对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;
对所述候选航迹进行相关系数门限判决,得到航迹起始结果。
2.如权利要求1所述的航迹起始方法,其特征在于,所述通过层次聚类算法对所述多帧原始观测数据的进行分类,包括:
将前N帧观测点中每一个点看作一类;
计算类间最小距离;
将类间最小距离小于设定阈值的类聚为一个新类;
重复上述操作,直到类间最小距离均大于阈值时停止聚类,得到候选类。
3.如权利要求1所述的航迹起始方法,其特征在于,所述对所述候选类中不同类的观测点数目进行数目门限判决,包括:
判断所述候选类的观测点数目是否满足门限要求;
若满足,则保留该类;
若不满足,则剔除该类;
重复上述判断,得到可能包含真实航迹点的确认类。
4.如权利要求1所述的航迹起始方法,其特征在于,所述对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;包括:
对所述确认类中的观测点进行排序;
根据前两帧观测点坐标估计目标运动速度;
若满足速度门限要求,则形成可能航迹;
对所述可能航迹进行外推,找到同一确认类中在该条可能航迹上的所有观测点;
对可能航迹观测点数目进行筛选形成候选航迹。
5.如权利要求1所述的航迹起始方法,其特征在于,所述对所述候选航迹进行相关系数门限判决,包括:
计算各所述候选航迹的相关系数,并设置相关系数门限;
若满足门限要求则形成确认航迹。
6.一种基于层次聚类和逻辑法的航迹起始系统,其特征在于,包括:
获取模块,用于获取多帧原始观测数据;
聚类模块,用于基于观测点的空间位置,通过层次聚类算法对所述多帧原始观测数据的进行分类,得到候选类;
数目门限判决模块,用于对所述候选类中不同类的观测点数目进行数目门限判决,得到满足门限要求的确认类;
逻辑判决模块,用于对所述确认类中的观测点进行排序,并利用逻辑法筛选得到候选航迹;
相关系数门限判决模块,用于对所述候选航迹进行相关系数门限判决,得到航迹起始。
7.如权利要求6所述的航迹起始系统,其特征在于,所述聚类模块,具体用于:
将前N帧观测点中每一个点看作一类;
计算类间最小距离;
将类间最小距离小于设定阈值的类聚为一个新类;
重复上述操作,直到类间最小距离均大于阈值时停止聚类,得到候选类。
8.如权利要求6所述的航迹起始系统,其特征在于,所述数目门限判决模块,具体用于:
判断所述候选类的观测点数目是否满足门限要求;
若满足,则保留该类;
若不满足,则剔除该类;
重复上述判断,得到可能包含真实航迹点的确认类。
9.如权利要求6所述的航迹起始系统,其特征在于,所述逻辑判决模块,具体用于:
对所述确认类中的观测点进行排序;
根据前两帧观测点坐标估计目标运动速度;
若满足速度门限要求,则形成可能航迹;
对所述可能航迹进行外推,找到同一确认类中在该条可能航迹上的所有观测点;
对可能航迹观测点数目进行筛选形成候选航迹。
10.如权利要求6所述的航迹起始系统,其特征在于,所述相关系数门限判决模块,具体用于:
计算各所述候选航迹的相关系数,并设置相关系数门限;
若满足门限要求则形成确认航迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664653.5A CN111768442B (zh) | 2020-07-10 | 2020-07-10 | 一种基于层次聚类和逻辑法的航迹起始方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664653.5A CN111768442B (zh) | 2020-07-10 | 2020-07-10 | 一种基于层次聚类和逻辑法的航迹起始方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111768442A true CN111768442A (zh) | 2020-10-13 |
CN111768442B CN111768442B (zh) | 2022-11-29 |
Family
ID=72726676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010664653.5A Active CN111768442B (zh) | 2020-07-10 | 2020-07-10 | 一种基于层次聚类和逻辑法的航迹起始方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111768442B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177097A (zh) * | 2021-04-16 | 2021-07-27 | 江西航天鄱湖云科技有限公司 | 一种基于属性聚类与时空约束的航迹起始判别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9213100B1 (en) * | 2013-05-20 | 2015-12-15 | The United States Of America As Represented By The Secretary Of The Navy | Bearing-only tracking for horizontal linear arrays with rapid, accurate initiation and a robust track accuracy threshold |
CN106558066A (zh) * | 2016-11-29 | 2017-04-05 | 南昌航空大学 | 一种基于空时域联合滤波的运动目标检测方法 |
CN109188423A (zh) * | 2018-08-29 | 2019-01-11 | 电子科技大学 | 一种基于多源聚类的分布式多目标跟踪方法 |
-
2020
- 2020-07-10 CN CN202010664653.5A patent/CN111768442B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9213100B1 (en) * | 2013-05-20 | 2015-12-15 | The United States Of America As Represented By The Secretary Of The Navy | Bearing-only tracking for horizontal linear arrays with rapid, accurate initiation and a robust track accuracy threshold |
CN106558066A (zh) * | 2016-11-29 | 2017-04-05 | 南昌航空大学 | 一种基于空时域联合滤波的运动目标检测方法 |
CN109188423A (zh) * | 2018-08-29 | 2019-01-11 | 电子科技大学 | 一种基于多源聚类的分布式多目标跟踪方法 |
Non-Patent Citations (4)
Title |
---|
MINJIE WAN等: "Fast randomized Hough transformati- on track initiation algorithm based on multi-scale clustering", 《PROC. SPIE 9675, AOPC 2015: IMAGE PROCESSING AND ANALYSIS》 * |
任亮亮等: "用数据挖掘技术分析航迹质量指标", 《中国科技信息》 * |
吴仁彪 等: "基于空间相关的ADS-B欺骗干扰检测方法", 《中国民航大学学报》 * |
张海英等: "基于对比度积累的弱点目标检测", 《哈尔滨工业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177097A (zh) * | 2021-04-16 | 2021-07-27 | 江西航天鄱湖云科技有限公司 | 一种基于属性聚类与时空约束的航迹起始判别方法 |
CN113177097B (zh) * | 2021-04-16 | 2023-07-25 | 江西航天鄱湖云科技有限公司 | 一种基于属性聚类与时空约束的航迹起始判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111768442B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361727A (zh) | 一种毫米波雷达多目标跟踪方法 | |
CN111444767B (zh) | 一种基于激光雷达的行人检测和追踪方法 | |
CN106570490B (zh) | 一种基于快速聚类的行人实时跟踪方法 | |
CN103064086A (zh) | 一种基于深度信息的车辆跟踪方法 | |
CN105809954B (zh) | 交通事件检测方法以及系统 | |
CN109117776B (zh) | 基于航迹信息的飞机与气象杂波分类识别方法 | |
CN107705563B (zh) | 基于激光雷达的连续车辆速度检测方法 | |
CN107729843B (zh) | 基于雷达与视觉信息融合的低地板有轨电车行人识别方法 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN105913074B (zh) | 基于幅度与径向速度联合的sar图像动目标聚类方法 | |
CN110018453A (zh) | 基于飞机航迹特征的智能机型识别方法 | |
EP3349038A1 (en) | Method to classify objects in a vehicle environment based on radar detections | |
CN113671481B (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
CN111142085B (zh) | 一种基于航迹特征提取的外辐射源雷达目标分类识别方法 | |
CN102129559B (zh) | 基于PrimalSketch算法的SAR图像目标检测方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN113281782A (zh) | 一种基于无人驾驶车的激光雷达雪点滤除方法 | |
CN111999735A (zh) | 一种基于径向速度和目标跟踪的动静目标分离方法 | |
CN108344997B (zh) | 一种基于点迹特征的道路护栏快速检测方法 | |
CN114488026B (zh) | 基于4d毫米波雷达的地下停车库可通行空间检测方法 | |
CN111768442B (zh) | 一种基于层次聚类和逻辑法的航迹起始方法及系统 | |
CN113960587B (zh) | 基于类别信息反馈的毫米波雷达多目标跟踪方法 | |
Wang et al. | DBSCAN clustering algorithm of millimeter wave radar based on multi frame joint | |
CN115980738B (zh) | 一种基于动静分离的多目标跟踪方法 | |
CN113390406B (zh) | 基于被动多传感器系统的多目标数据关联与定位方法 |
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 |