CN112630774A - 一种目标跟踪数据滤波处理方法及装置 - Google Patents
一种目标跟踪数据滤波处理方法及装置 Download PDFInfo
- Publication number
- CN112630774A CN112630774A CN202011591309.4A CN202011591309A CN112630774A CN 112630774 A CN112630774 A CN 112630774A CN 202011591309 A CN202011591309 A CN 202011591309A CN 112630774 A CN112630774 A CN 112630774A
- Authority
- CN
- China
- Prior art keywords
- target
- ratio
- current
- filtering
- tracking target
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 175
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 69
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000002596 correlated effect Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000007704 transition Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000006641 stabilisation Effects 0.000 claims description 12
- 238000011105 stabilization Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000003068 static effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种目标跟踪数据滤波处理方法及装置,该方案根据自车与当前追踪目标的不同运动状态设置不同的初始滤波比。而且,基于当前追踪目标与自车之间的相对空间位置信息确定滤波比修正因子,并利用该滤波比修正因子对初始滤波比进行修正,使得最终得到的动态滤波比与滤波比修正因子正相关,而且,随着空间距离增加,滤波比修正因子逐渐增大并趋近于某个收敛值,即,动态滤波比随空间距离增加而增大,并趋于一个收敛值。随着当前追踪目标的距离增大,测量噪声也会增加,设置较大的滤波比以抑制测量噪声的影响。利用该方案最终实现目标跟踪的实时性和连续性,并且跟踪处理得到的追踪目标的航迹平滑、稳定。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种目标跟踪数据滤波处理方法及装置。
背景技术
随着人工智能技术飞速发展,很多领域都需要对目标进行检测和追踪,例如,智能驾驶场景中,目标检测及追踪是智能辅助驾驶系统不可或缺的组成部分。在智能驾驶场景中,雷达对目标具有较好的测速能力及对雨雾等环境干扰具有很好的穿透能力,成为智能驾驶系统中不可替代的传感器。
基于雷达的目标检测的基本原理是,雷达检测到点云数据进一步根据判别条件将点云数据分为动目标点云数据和静目标点云数据,其中,静目标包括绝对静止目标(如,护栏、水泥墩等)和低速运动目标(如,行人、横向运动自行车等)。考虑到静目标的特点,在目标跟踪过程中针对静目标点云数据可以选择简单的跟踪算法即可获得很好的跟踪效果。例如,α-β滤波,传统的α-β滤波算法处理中,通常在目标的整个跟踪过程中设置一个固定的滤波比,极易出现由于固定滤波比的数值不同而导致跟踪效果不同的现象。
因此,亟需一种能够根据目标的运动状态自适应设置滤波比的方式,以提高目标跟踪效果。
发明内容
有鉴于此,本发明的目的在于提供一种目标跟踪数据滤波处理方法及装置,以解决目标跟踪过程中针对静目标采用固定滤波比导致跟踪效果差的技术问题,其公开的技术方案如下:
一方面,本发明提供了一种目标跟踪数据滤波处理方法,包括:
根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比;
根据所述自车与所述当前追踪目标的相对空间位置信息,确定滤波比修正因子;其中,所述相对空间位置信息包括空间距离和方位角,在同一方位角下,所述滤波比修正因子随空间距离增大而逐渐增大并收敛,在空间距离确定的情况下,所述方位角越大所述滤波比修正因子越小,所述方位角是车载雷达探测到的所述当前追踪目标的角度,所述空间距离是所述当前追踪目标与所述车载雷达之间的径向距离;
根据所述初始滤波比和所述滤波比修正因子生成所述当前追踪目标的动态滤波比,所述动态滤波比与所述滤波比修正因子正相关;
利用所述动态滤波比对所述当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到所述当前追踪目标的目标状态数据。
在一种可能的实现方式中,所述根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比,包括:
当所述自车的运动状态为转弯状态时,确定α-β滤波算法的初始滤波比为第一滤波比,所述第一滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述自车的运动状态为转弯过度状态或换道状态时,根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,根据所述当前追踪目标所处的运动阶段确定α-β滤波算法的初始滤波比;其中,当所述自车的运动状态为转弯过度状态或换道状态时所述当前追踪目标的运动阶段被划分为第一起始阶段和第一稳定阶段;
当所述自车的运动状态为直行状态时,根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,根据所述当前追踪目标所处的运动阶段,确定α-β滤波算法的初始滤波比;其中,当所述自车的运动状态为直行状态时所述当前追踪目标的运动阶段被划分为第二起始阶段、相对稳定阶段和第二稳定阶段。
在另一种可能的实现方式中,所述当所述自车的运动状态为转弯过度状态或换道状态时,根据所述当前追踪目标所处的运动阶段确定α-β滤波算法的初始滤波比,包括:
当所述当前追踪目标处于所述第一起始阶段时,确定所述初始滤波比为第二滤波比,所述第二滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述当前追踪目标处于所述第一稳定阶段时,确定所述初始滤波比为第三滤波比,所述第三滤波比大于所述第二滤波比。
在又一种可能的实现方式中,所述航迹跟踪稳定阶段信息包括所述当前追踪目标的目标连续追踪帧数;
所述根据所述当前追踪目标的航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,包括:
当所述当前追踪目标的目标连续追踪帧数小于第一帧数阈值时,确定所述当前追踪目标当前处于所述第一起始阶段;
当所述当前追踪目标的目标连续追踪帧数大于或等于第一帧数阈值时,确定所述当前追踪目标当前处于所述第一稳定阶段。
在另一种可能的实现方式中,所述当所述自车的运动状态为直行状态时,根据所述当前追踪目标所处的运动阶段,确定α-β滤波算法的初始滤波比,包括:
当所述当前追踪目标的运动阶段处于第二起始阶段时,确定所述初始滤波比为第四滤波比,所述第四滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述当前追踪目标的运动阶段处于所述相对稳定阶段时,确定所述初始滤波比为第五滤波比,所述第五滤波比大于所述第四滤波比;
当所述当前追踪目标的运动阶段处于所述第二稳定阶段时,确定所述初始滤波比为第六滤波比,所述第六滤波比大于所述第五滤波比。
在又一种可能的实现方式中,所述航迹跟踪稳定阶段信息包括所述当前追踪目标的目标连续追踪帧数;
所述根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,包括:
当所述当前追踪目标的目标连续追踪帧数小于第二帧数阈值时,确定所述当前追踪目标当前处于所述第二起始阶段;
当所述当前追踪目标的目标连续追踪帧数大于等于第二帧数阈值,且小于第三帧数阈值时,确定所述当前追踪目标当前处于所述相对稳定阶段;
当所述当前追踪目标的目标连续追踪帧数大于等于第三帧数阈值时,确定所述当前追踪目标当前处于所述第二稳定阶段。
在另一种可能的实现方式中,所述根据所述自车与所述当前追踪目标的相对空间位置信息,确定滤波比修正因子,包括:
根据如下公式计算得到所述滤波比修正因子:
其中,range为所述空间距离,a、b分别为调节系数,θ为所述方位角。
在又一种可能的实现方式中,所述根据所述初始滤波比和所述滤波比修正因子生成所述当前追踪目标的动态滤波比,包括:
根据如下公式计算得到所述动态滤波比:
在另一种可能的实现方式中,所述利用所述动态滤波比对所述当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到所述当前追踪目标的目标状态数据,包括:
计算所述动态滤波比与所述当前运动状态预测值的乘积,并计算所述乘积与所述当前运动状态测量值的总和,得到所述目标状态数据。
另一方面,本发明还提供了一种目标跟踪数据滤波处理装置,包括:存储器和处理器;
所述存储器内存储有程序指令;
所述处理器用于调用所述存储器内的程序指令以执行第一方面任一种可能的实现方式所述的目标跟踪数据滤波处理方法。
本发明提供的目标跟踪数据滤波处理方法,根据自车与当前追踪目标的不同运动状态设置不同的初始滤波比。而且,基于当前追踪目标与自车之间的相对空间位置信息确定滤波比修正因子,并利用该滤波比修正因子对初始滤波比进行修正,使得最终得到的动态滤波比与滤波比修正因子正相关,而且,随着空间距离增加,滤波比修正因子逐渐增大并趋近于某个收敛值,即,动态滤波比随空间距离增加而增大,并趋于一个收敛值。随着当前追踪目标的距离增大,测量噪声也会增加,设置较大的滤波比以抑制测量噪声的影响。而且,具有收敛特性的滤波比修正因子的设置能够避免追踪目标实际位置确实发生变化,而由于较大滤波比导致的跟踪实时性变差的现象发生,最终实现目标跟踪的实时性和连续性,并且跟踪处理得到的追踪目标的航迹平滑、稳定。
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,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种目标跟踪数据滤波处理方法的流程图;
图2是本发明实施例提供的一种雷达与追踪目标之间运动参数相对位置关系的示意图;
图3是本发明实施例提供的一种滤波比修正因子随追踪目标径向距离的变化曲线示意图;
图4是本发明实施例提供的动态滤波比随目标空间距离变化曲线示意图;
图5是本发明实施例提供的一种目标跟踪数据滤波处理装置的结构示意图;
图6是本发明实施例提供的一种初始滤波比确定模块的结构示意图。
具体实施方式
针对固定滤波比算法的缺点,相关技术中也存在改进型的α-β滤波算法,但是,改进方向主要集中于基于追踪目标的运动状态测量值和预测值在统计意义上的协方差进行滤波比参数的自适应设置,此类α-β滤波算法存在计算量大,且最终得到的自适应的滤波比参数仅仅是统计意义上的最优,并不是与实际应用场景适合的滤波比参数。因此,本发明提供了一种新的目标跟踪数据滤波处理方法,该方案根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息设置不同的初始滤波比,因此初始滤波比更适合实际场景,而且,基于当前追踪目标与自车之间的相对空间位置信息确定滤波比修正因子,并利用该滤波比修正因子对初始滤波比进行修正,最终实现目标跟踪过程中的滤波比能够跟随当前追踪目标的航迹跟踪稳定阶段信息及自车的运动状态及稳定性自适应地调整,提高了目标跟踪效果。
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。
请参见图1,示出了本发明实施例提供的一种目标跟踪数据滤波处理方法的流程图,该方法应用于车辆控制器中,在车载雷达目标跟踪数据处理过程中实现静目标(完全静止目标或低速运动目标)的稳定跟踪,如图1所示,该方法包括以下步骤:
S110,根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比。
在α-β滤波算法中滤波比是指α/β,在本发明的应用场景中,滤波比表示当前追踪目标的最终运动状态中包含的当前运动状态预测值与当前运动状态测量值的比重。
在本实施例中,当前运动状态预测值是根据当前追踪目标的运动状态转移模型预测得到的当前追踪目标的当前运动状态的预测数据。当前运动状态测量值是指利用车载雷达测量得到的当前追踪目标的当前运动状态的测量数据。
滤波比越小,表示当前运动状态预测值的比重越小,且滤波结果具有更快的动态性、实时性,但是噪声影响也会加大;滤波比越大,表示当前运动状态预测值的比重越大,且滤波后的值更平滑,但是动态性、实时性相应变差。因此,需要设置合理的滤波比,在动态性能和滤波噪声之间做好平衡。
本发明实施例能够根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,动态调整初始滤波比。即,自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,与初始滤波比之间存在某种预设对应关系;根据该预设对应关系及自车运动状态及当前追踪目标的航迹跟踪稳定阶段信息,即可确定出与此状态相匹配的初始滤波比。
此外,该预设对应关系可以根据实验数据进行拟合得到,而且,该预设对应关系可以采用函数、表格等多种方式表示。
其中,航迹跟踪稳定阶段信息表征当前追踪目标的航迹跟踪阶段/运动阶段,是当前追踪目标的稳定性指标,一般地,跟踪当前追踪目标的帧数较少,即开始跟踪当前追踪目标时认为当前追踪目标处于起始阶段,稳定性较差,跟踪当前追踪目标的帧数达到一定数量时,航迹跟踪处于稳定阶段,稳定性较好。当然,在实际应用中,也可将起始阶段以及稳定阶段做进一步的划分。
在本发明的一个实施例中,自车的运动状态主要用于判断自车与当前追踪目标之间的运动关系。运动关系的复杂程度不同将导致所追踪目标的当前运动状态预测值的准确性。运动关系越复杂,所追踪目标越难满足单一的运动状态转移模型,利用运动状态转移模型预测得到的当前运动状态预测值的准确性难以保证。相反,运动关系越简单,越容易找到与追踪目标的运动状态相匹配的运动状态转移模型,此种情况下,当前运动状态预测值越准确。
除自车的运动状态,滤波处理还与追踪目标所处的不同运动阶段的属性有关,例如,可以将追踪目标的所处的运动阶段划分为起始阶段和稳定阶段,或者,也可以划分为起始阶段、相对稳定阶段和稳定阶段。可以结合追踪目标的不同运动阶段合理设置滤波比。
在本发明的一个实施例中,自车的运动状态主要包括转弯状态、转弯过度或换道状态、直行状态(或近似直行状态)。
当自车处于转弯状态,自车与当前追踪目标之间的运动关系比较复杂,很难满足单一的运动状态转移模型,此种情况下,根据运动状态转移模型预测得到的当前运动状态预测值的准确性很难保证,因此,确定初始滤波比为第一滤波比,第一滤波比使目标状态数据较多地侧重于所追踪目标的当前运动状态测量值,降低当前运动状态预测值的影响,使得追踪目标的跟踪航迹快速收敛。
当自车处于非转弯状态时,可以根据当前追踪目标的航迹跟踪稳定阶段信息确定当前追踪目标所处的运动阶段,进而根据当前追踪目标所处的运动阶段确定初始滤波比。其中,初始滤波比与当前追踪目标运动阶段的稳定性正相关,即,追踪目标的航迹越稳定,初始滤波比越大。
其中,当自车处于转弯过度状态或换道状态时,自车与当前追踪目标之间的运动关系不是很复杂,在设置初始滤波比时,可以适当结合当前追踪目标的航迹稳定性,确定相匹配的初始滤波比。
此种情况下,可以将当前追踪目标的运动阶段划分为第一起始阶段和第一稳定阶段。当前追踪目标处于第一稳定阶段时确定的初始滤波比,大于处于第一起始阶段时确定的初始滤波比。在本文中,将当前追踪目标处于第一起始阶段时确定的初始滤波比称之为第二滤波比,将当前追踪目标处于第一稳定阶段时确定的初始滤波比称之为第三滤波比。一般地,第二滤波比使目标状态数据侧重于当前运动状态测量值,但通常情况下第二滤波比大于第一滤波比。
当自车处于直行或近似直行状态时,自车与当前追踪目标之间的相对运动关系简单,运动状态转移模型单一,此种情况下,设置初始滤波比时,考虑追踪目标的航迹稳定性,但并不需要过多侧重于当前运动状态测量值,可以一定程度侧重于当前运动状态预测值,这样能够实现目标追踪航迹具有很高的稳定性。
在此种运动工况下,当前追踪目标的运动阶段可以划分为第二起始阶段、相对稳定阶段和第二稳定阶段,其中,相对稳定阶段对应的初始滤波比大于第一起始阶段对应的初始滤波比,同时,第二稳定阶段对应的初始滤波比大于相对稳定阶段对应的初始滤波比。在本文中,将当前追踪目标处于第二起始阶段时确定的初始滤波比称之为第四滤波比,将当前追踪目标处于相对稳定阶段时确定的初始滤波比称之为第五滤波比,将当前追踪目标处于第二稳定阶段时确定的初始滤波比称之为第六滤波比。一般地,第四滤波比使目标状态数据侧重于当前运动状态测量值,但通常情况下第四滤波比大于第一滤波比。
在实际应用中,航迹跟踪稳定阶段信息可包括当前追踪目标的目标连续追踪帧数,可根据当前追踪目标的目标连续追踪帧数确定当前追踪目标当前所处的运动阶段。
可选地,在本发明一种可能的实现方式中,当自车的运动状态为转弯过度状态或换道状态时,根据当前追踪目标的航迹跟踪稳定阶段信息确定当前追踪目标所处的运动阶段,包括:
当当前追踪目标的目标连续追踪帧数小于第一帧数阈值时,确定当前追踪目标当前处于第一起始阶段;
当当前追踪目标的目标连续追踪帧数大于或等于第一帧数阈值时,确定当前追踪目标当前处于第一稳定阶段。
可选地,在本发明一种可能的实现方式中,当自车的运动状态为直行状态时,根据当前追踪目标的航迹跟踪稳定阶段信息确定当前追踪目标所处的运动阶段,包括:
当当前追踪目标的目标连续追踪帧数小于第二帧数阈值时,确定当前追踪目标当前处于第二起始阶段;
当当前追踪目标的目标连续追踪帧数大于等于第二帧数阈值,且小于第三帧数阈值时,确定当前追踪目标当前处于相对稳定阶段;
当当前追踪目标的目标连续追踪帧数大于等于第三帧数阈值时,确定当前追踪目标当前处于第二稳定阶段。
其中,第一滤波比、第二滤波比、第三滤波比、第四滤波比、第五滤波比和第六滤波比为经验值或标定值,第一帧数阈值、第二帧数阈值和第三帧数阈值为经验值或标定值。
可以理解的是,在其他实施方式中,航迹跟踪稳定阶段信息可包括当前追踪目标的追踪时长信息,根据追踪时长信息确定当前追踪目标所处的运动阶段。
在实际应用中,在调整初始滤波比时,调整的是参数α和β,其中,α和β的具体数值不做限定,但两者之间的比例关系满足初始滤波比的调整需求。
S120,根据自车与当前追踪目标的相对空间位置信息,确定滤波比修正因子。
其中,自车与当前追踪目标的相对空间位置信息包括空间距离和方位角,其中,空间距离是当前追踪目标与车载雷达之间的径向距离,方位角是车载雷达探测到的当前追踪目标的角度,该角度即车载雷达在雷达坐标系下探测到当前追踪目标的角度。
请参见图2,示出了车载雷达探测追踪目标的相对位置关系示意图,如图2所示,假设追踪目标的运动状态转移模型建立在直角坐标系中,以车载雷达为中心点,追踪目标与车载雷达之间的相对空间位置信息可以利用(x,y,θ)或(r,θ)表示,其中,x表示追踪目标与车载雷达之间的直线距离在X轴的距离分量,y表示Y轴的距离分量,θ表示追踪目标相对于车载雷达的方位角,r表示当前追踪目标与车载雷达之间的径向距离,也即两者之间的空间距离。显然,空间距离也可以用x和y表示。
其中,车载雷达与追踪目标之间的相对空间位置信息与滤波比修正因子之间的存在预设对应关系,且该预设对应关系呈现如下特点:在方位角固定的情况下,滤波比修正因子随空间距离的增大而逐渐增大并收敛;以及,在空间距离固定的情况下,滤波比修正因子与方位角负相关。
该步骤是根据自车与当前追踪目标的相对空间位置信息,以及相对空间位置信息与滤波比修正因子之间的预设对应关系,确定滤波比修正因子;预设对应关系包括滤波比修正因子与所述空间距离正相关,同时,滤波比修正因子与方位角负相关,而且该预设对应关系可以根据实验数据拟合得到,换言之,滤波比修正因子与相对空间位置信息之间的关系可以利用某种函数表征。
结合自车与追踪目标的相对空间位置信息(例如,径向距离、方位角等),确定当前帧雷达数据的滤波比修正因子,factor=f(x,y,θ)或factor=f(r,θ)。
其中,滤波比修正因子的具体函数表达式可以有很多种方式,本发明实施例提供一种如下式所示的示例,但不局限于该种表达方式:
公式1中,range为当前追踪目标当前所处位置与车载雷达之间的径向距离,即a、b分别为调节系数,θ为当前追踪目标相对于车载雷达的方位角,显然,径向距离、方位角和滤波比修正因子之间的函数关系并不限于式1,其他能够呈现式1函数特征的函数关系也可应用于本发明实施例中,甚至式1和后续的式2可以联动的变化,只要能够使得最终得到的滤波比能够达到本发明实施例的技术效果即可。
请参见图3,示出了本发明实施例提供的一种滤波比修正因子随追踪目标径向距离的变化曲线示意图。
如图3所示,该曲线反映了滤波比修正因子在追踪目标的空间距离(即,追踪目标与车载雷达之间的距离)比较近时,其值变化迅速,随着追踪目标的空间距离逐渐增大,滤波比修正因子的变化逐渐变缓,直至收敛于某一稳定值,基于该滤波比修正因子得到的滤波比随着追踪目标的空间距离呈一定的正相关变化,但也不会无限地正相关增加,而是随着距离增加,修正后的滤波比也趋向一个收敛值,这样在追踪目标空间距离比较远时,既能保证目标追踪的稳定性,也能兼顾目标运动的实时性。
图3所示的曲线还反映了在一定的距离下,不同方位角下的修正因子的变化特性,方位角越大,追踪目标的扩展性、当前运动状态测量值的不确定性也越大,此种情况下的滤波比修正因子可以适当地调小,结合图3还可以看出方位角越大,滤波修正因子最终收敛的稳定值越小。换言之,在径向距离确定的情况下,方位角越大,相对而言跟踪结果越侧重于当前运动状态测量值,这样可以实现目标连续追踪。
S130,根据初始滤波比和滤波比修正因子生成当前追踪目标的动态滤波比。
动态滤波比表征当前追踪目标的当前运动状态预测值与当前运动状态测量值的融合比例。
在一种具体实施方式中,可以根据如下公式得到动态滤波比:
其中,k表示动态滤波比,factor表示滤波比修正因子,为本次滤波处理的初始滤波比,αi表示滤波平均误差,βi表示速度滤波平均误差。显然,其他能够呈现式2函数特征的函数关系也可应用于本发明实施例中。请参见图4,示出了本发明实施例提供的动态滤波比随追踪目标的空间距离变化曲线示意图,如图4所示,曲线1为传统的滤波比设置为固定值时对应的曲线,曲线2为本发明提供的动态滤波比对应的曲线。
由图4所示的两条曲线可知,传统的将滤波比设置为固定值的方式,在不同的目标空间距离下滤波比均为固定值。而本发明的动态滤波比随着目标空间距离呈正相关变化。
显然,本发明的动态滤波比的设置更符合实际跟踪需求。因为空间距离越远的追踪目标其测量数据越不稳定、噪声越大,此种情况下显然需要设置较大的滤波比用于抑制测量噪声的影响,实现目标跟踪的稳定性。
S140,利用动态滤波比对当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到当前追踪目标的目标状态数据。
在本发明的一个实施例中,按照如下公式进行α-β滤波处理:
X=k·Xpre+Xm (式3)
公式3中,X表示滤波处理后的结果,Xpre表示当前追踪目标的当前运动状态预测值,Xm表示当前追踪目标的当前运动状态测量值,k表示动态滤波比。
在发明的一个实施例中,结合静目标的运动特性,目标运动状态一般可定义为一个4维向量,结合追踪目标的运动状态转移模型可以得到当前帧的追踪目标的运动状态预测值Xpre=[xp,vxp,yp,vyp]T,其中,xp表示追踪目标的空间距离在x轴的分量,vxp表示追踪目标的速度矢量在x轴上的速度分量,yp表示追踪目标的空间距离在y轴上的分量,vyp表示追踪目标的在y轴上的速度分量。
通常雷达对追踪目标的运动状态测量值是极坐标系下的值,假设雷达测量数据在极坐标系下的表示为Xm=[r,v,θ]T,其中,r表示追踪目标距雷达的径向距离,v表示追踪目标的实时速度在径向的速度分量,θ为当前追踪目标相对于雷达的方位角。
在实际应用中,需要将追踪目标的运动状态测量值进行坐标变换转换为如图2所示的坐标系下表示为Xm=[xm,vxm,ym,vym]T。
本实施例提供的目标跟踪数据滤波处理方法,根据自车与当前追踪目标的不同运动状态设置不同的初始滤波比。而且,基于当前追踪目标与自车之间的相对空间位置信息确定滤波比修正因子,并利用该滤波比修正因子对初始滤波比进行修正,使得最终得到的动态滤波比与滤波比修正因子正相关,而且,随着空间距离增加,滤波比修正因子逐渐增大并趋近于某个收敛值,即,动态滤波比随空间距离增加而增大,并趋于一个收敛值。随着当前追踪目标的距离增大,测量噪声也会增加,设置较大的滤波比以抑制测量噪声的影响。而且,具有收敛特性的滤波比修正因子的设置能够避免追踪目标实际位置确实发生变化,而由于较大滤波比导致的跟踪实时性变差的现象发生,最终实现目标跟踪的实时性和连续性,并且跟踪处理得到的追踪目标的航迹平滑、稳定。
在本发明的一个示例性实施例中,自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息与初始滤波比之间的预设对应关系可以是表1所示的关系,显然,在实际应用中,并不限于示例所示的方式。
表1
表1中,ω为自车横向摆动角速度,用于判别自车是否处于转弯状态;tick为在跟踪当前追踪目标的过程中目标连续跟踪的帧数,用于表征追踪目标跟踪的稳定性,该值越大表征目标跟踪越稳定。结合这两个参数可以根据不同的情况设置滤波比的初始值,即初始滤波比。表1中两个参数的各个阈值的具体值可以根据实际传感器测量的数据进行统计获得,如车辆运动状态判别阈值ω1、ω2,不同车型判别处于转弯与否的横向摆动角速度的具体值具有一定差异。
1)自车处于转弯状态
当ω>ω1时,其中,对该车辆的运动数据进行统计可知,ω1通常为0.05rad/s,此种情况下,自车与追踪目标之间的运动关系比较复杂,很难满足单一的运动状态转移模型,根据运动状态转移模型预测得到的当前运动状态预测值的准确性很难保证,因此,将初始滤波比设置有相对较小的数值,如,k0=α1/β1=1~3。这样的滤波比能够实现追踪目标的快速跟踪收敛,避免出现目标跟丢或目标的航迹伪收敛的现象。
2)自车处于转弯过度状态或换道状态
当ω2<ω<ω1时,确定自车处于转弯过度状态或换道状态,对该车辆的运动数据进行统计可知,ω2通常为0.02rad/s。
此种情况下,尽管自车存在一定的横向摆动角速度,但自车与追踪目标之间的相对运动关系并不复杂,因此,在设置初始滤波比时,可以适当地考虑追踪目标的航迹稳定性,即表1中tick参数。
若tick<tick2,通常tick2为10~15,则认为追踪目标处于第一起始阶段,即,追踪目标的航迹稳定性并不高,此种情况下,设置初始滤波比时需要一定程度地侧重于测量值,例如,k0=α21/β21=3~5。
若tick≥tick2,则认为追踪目标处于第一稳定阶段,即追踪目标的航迹稳定性较高,此种情况下,设置初始滤波比时应侧重于预测值,例如,初始滤波比通常为k0=α31/β31=5~7。
3)自车处于直行状态
当ω<ω2时,认为自车当前处于直行状态或近似直行状态,自车与追踪目标之间的相对运动关系简单,追踪目标的运动状态转移模型单一,因此,设置初始滤波比时,考虑追踪目标的航迹稳定性,但并不需要过多侧重于测量值,可以一定程度侧重于预测值,这样能够实现目标跟踪得到的航迹具有很高的稳定性。
如果tick<tick31,通常tick31=5~10,则认为追踪目标处于第二起始阶段,稳定性不高,此种情况下设置初始滤波比可以一定程度侧重于测量值,但不宜过多侧重测量值,过多侧重测量值容易导致航迹在起始阶段存在明显抖动,例如,初始滤波比k0可以设置为4~5。
如果tick31≤tick<tick32,通常tick32=10~25,则认为追踪目标处于相对稳定阶段,此种情况下,设置初始滤波比应适量侧重于预测值,例如,k0可以设置为5~7。
如果tick≥tick32,则认为追踪目标处于第二稳定阶段,此种情况下,设置初始滤波比应侧重于预测值,例如,k0可以设置为7~9。
基于上述的初始滤波比设置准则,结合自车的运动状态及追踪目标的航迹跟踪稳定阶段信息,按照表1所示的对应关系,选择合适的初始滤波比κ0=αi:βi。
由上述的初始滤波比设置准则可知,本发明设置的初始滤波比可以根据自车的运动状态及追踪目标的航迹跟踪稳定阶段信息动态地调整。显然,自车的运动状态及追踪目标的航迹跟踪稳定阶段信息,与初始滤波比之间的对应关系还可以利用能够呈现表1所示的关系特征的函数表示,例如,分段函数。而且,这种预设对应关系并不限于表1所示这种关系,还可以采用其他的对应关系,只要能够使最终获得的滤波比能够得到本发明实施例的技术效果即可。
相应于上述目标跟踪数据滤波处理方法实施例,本发明还提供了目标跟踪数据滤波处理装置实施例。
请参见图5,示出了本发明实施例提供的一种目标跟踪数据滤波处理装置的结构示意图,如图5所示,该装置可以包括:初始滤波比确定模块110、滤波比修正因子确定模块120、动态滤波比生成模块130和滤波处理模块140。
初始滤波比确定模块110,用于根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比。
在本发明的一个实施例中,如图6所示,初始滤波比确定模块110包括:第一初始滤波比确定子模块111、第二初始滤波比确定子模块112和第三初始滤波比确定子模块113。
第一初始滤波比确定子模块111,用于当自车的运动状态为转弯状态时,确定α-β滤波算法的初始滤波比为第一滤波比。
其中,第一滤波比使目标状态数据侧重于当前运动状态测量值。
第二初始滤波比确定子模块112,用于当自车的运动状态为转弯过度状态或换道状态时,根据航迹跟踪稳定阶段信息确定当前追踪目标所处的运动阶段,根据当前追踪目标所处的运动阶段确定α-β滤波算法的初始滤波比。
其中,当自车的运动状态为转弯过度状态或换道状态时当前追踪目标的运动阶段被划分为第一起始阶段和第一稳定阶段。
当当前追踪目标处于第一起始阶段时,确定初始滤波比为第二滤波比,第二滤波比使目标状态数据侧重于当前运动状态测量值;
当当前追踪目标处于第一稳定阶段时,确定初始滤波比为第三滤波比,第三滤波比大于第二滤波比。
在本发明的一个实施例中,当当前追踪目标的目标连续追踪帧数小于第一帧数阈值时,确定当前追踪目标当前处于第一起始阶段;当当前追踪目标的目标连续追踪帧数大于或等于第一帧数阈值时,确定当前追踪目标当前处于第一稳定阶段。
第三初始滤波比确定子模块113,用于当自车的运动状态为直行状态时,根据航迹跟踪稳定阶段信息确定当前追踪目标所处的运动阶段,根据当前追踪目标所处的运动阶段,确定α-β滤波算法的初始滤波比。
其中,当自车的运动状态为直行状态时当前追踪目标的运动阶段被划分为第二起始阶段、相对稳定阶段和第二稳定阶段。
当当前追踪目标的运动阶段处于第二起始阶段时,确定初始滤波比为第四滤波比,第四滤波比使目标状态数据侧重于当前运动状态测量值;
当当前追踪目标的运动阶段处于相对稳定阶段时,确定初始滤波比为第五滤波比,第五滤波比大于第四滤波比;
当当前追踪目标的运动阶段处于第二稳定阶段时,确定初始滤波比为第六滤波比,第六滤波比大于第五滤波比。
在本发明的一个实施例中,当当前追踪目标的目标连续追踪帧数小于第二帧数阈值时,确定当前追踪目标当前处于第二起始阶段;当当前追踪目标的目标连续追踪帧数大于等于第二帧数阈值,且小于第三帧数阈值时,确定当前追踪目标当前处于相对稳定阶段;当当前追踪目标的目标连续追踪帧数大于等于第三帧数阈值时,确定当前追踪目标当前处于第二稳定阶段。
滤波比修正因子确定模块120,用于根据自车与当前追踪目标的相对空间位置信息,确定滤波比修正因子。
其中,相对空间位置信息包括空间距离和方位角,在同一方位角下,滤波比修正因子随空间距离增大而逐渐增大并收敛,在空间距离确定的情况下,方位角越大滤波比修正因子越小,方位角是车载雷达探测到的当前追踪目标的角度,空间距离是当前追踪目标与车载雷达之间的径向距离。
在本发明的一个实施例中,滤波比修正因子确定模块120具体用于:
根据如下公式计算得到滤波比修正因子:
其中,range为空间距离,a、b分别为调节系数,θ为方位角。
动态滤波比生成模块130,用于根据初始滤波比和滤波比修正因子生成当前追踪目标的动态滤波比。
动态滤波比与滤波比修正因子正相关。
在本发明的一个实施例中,动态滤波比生成模块130具体用于:
根据如下公式计算得到动态滤波比:
滤波处理模块140,用于利用动态滤波比对当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到当前追踪目标的目标状态数据。
滤波处理模块140具体用于:计算动态滤波比与当前运动状态预测值的乘积,并计算乘积与当前运动状态测量值的总和,得到目标状态数据。
本实施例提供的目标跟踪数据滤波处理装置,根据自车与当前追踪目标的不同运动状态设置不同的初始滤波比。而且,基于当前追踪目标与自车之间的相对空间位置信息确定滤波比修正因子,并利用该滤波比修正因子对初始滤波比进行修正,使得最终得到的动态滤波比与滤波比修正因子正相关,而且,随着空间距离增加,滤波比修正因子逐渐增大并趋近于某个收敛值,即,动态滤波比随空间距离增加而增大,并趋于一个收敛值。随着当前追踪目标的距离增大,测量噪声也会增加,设置较大的滤波比以抑制测量噪声的影响。而且,具有收敛特性的滤波比修正因子的设置能够避免追踪目标实际位置确实发生变化,而由于较大滤波比导致的跟踪实时性变差的现象发生,最终实现目标跟踪的实时性和连续性,并且跟踪处理得到的追踪目标的航迹平滑、稳定。
本发明提供了一种装置,该装置包括处理器和存储器,该存储器内存储有可在处理器上运行的程序。该处理器运行存储器内存储的该程序时实现上述实施例提供的目标跟踪数据滤波处理方法。
本发明还提供了一种计算设备可执行的存储介质,该存储介质中存储有程序,该程序由计算设备执行时实现上述的目标跟踪数据滤波处理方法。
本发明还提供了一种计算机程序,该计算机程序被装置执行时以实现上述的目标跟踪数据滤波处理方法。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是,本说明书中的各个实施例记载的技术特征可以相互替代或组合,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的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本发明所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个子模块或模块可以结合或者可以集成到另一个模块,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
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)
1.一种目标跟踪数据滤波处理方法,其特征在于,包括:
根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比;
根据所述自车与所述当前追踪目标的相对空间位置信息,确定滤波比修正因子;其中,所述相对空间位置信息包括空间距离和方位角,在同一方位角下,所述滤波比修正因子随空间距离增大而逐渐增大并收敛,在空间距离确定的情况下,所述方位角越大所述滤波比修正因子越小,所述方位角是车载雷达探测到的所述当前追踪目标的角度,所述空间距离是所述当前追踪目标与所述车载雷达之间的径向距离;
根据所述初始滤波比和所述滤波比修正因子生成所述当前追踪目标的动态滤波比,所述动态滤波比与所述滤波比修正因子正相关;
利用所述动态滤波比对所述当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到所述当前追踪目标的目标状态数据。
2.根据权利要求1所述的方法,其特征在于,所述根据自车的运动状态及当前追踪目标的航迹跟踪稳定阶段信息,确定α-β滤波算法的初始滤波比,包括:
当所述自车的运动状态为转弯状态时,确定α-β滤波算法的初始滤波比为第一滤波比,所述第一滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述自车的运动状态为转弯过度状态或换道状态时,根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,根据所述当前追踪目标所处的运动阶段确定α-β滤波算法的初始滤波比;其中,当所述自车的运动状态为转弯过度状态或换道状态时所述当前追踪目标的运动阶段被划分为第一起始阶段和第一稳定阶段;
当所述自车的运动状态为直行状态时,根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,根据所述当前追踪目标所处的运动阶段,确定α-β滤波算法的初始滤波比;其中,当所述自车的运动状态为直行状态时所述当前追踪目标的运动阶段被划分为第二起始阶段、相对稳定阶段和第二稳定阶段。
3.根据权利要求2所述的方法,其特征在于,所述当所述自车的运动状态为转弯过度状态或换道状态时,根据所述当前追踪目标所处的运动阶段确定α-β滤波算法的初始滤波比,包括:
当所述当前追踪目标处于所述第一起始阶段时,确定所述初始滤波比为第二滤波比,所述第二滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述当前追踪目标处于所述第一稳定阶段时,确定所述初始滤波比为第三滤波比,所述第三滤波比大于所述第二滤波比。
4.根据权利要求2或3所述的方法,其特征在于,所述航迹跟踪稳定阶段信息包括所述当前追踪目标的目标连续追踪帧数;
所述根据所述当前追踪目标的航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,包括:
当所述当前追踪目标的目标连续追踪帧数小于第一帧数阈值时,确定所述当前追踪目标当前处于所述第一起始阶段;
当所述当前追踪目标的目标连续追踪帧数大于或等于第一帧数阈值时,确定所述当前追踪目标当前处于所述第一稳定阶段。
5.根据权利要求2所述的方法,其特征在于,所述当所述自车的运动状态为直行状态时,根据所述当前追踪目标所处的运动阶段,确定α-β滤波算法的初始滤波比,包括:
当所述当前追踪目标的运动阶段处于第二起始阶段时,确定所述初始滤波比为第四滤波比,所述第四滤波比使所述目标状态数据侧重于所述当前运动状态测量值;
当所述当前追踪目标的运动阶段处于所述相对稳定阶段时,确定所述初始滤波比为第五滤波比,所述第五滤波比大于所述第四滤波比;
当所述当前追踪目标的运动阶段处于所述第二稳定阶段时,确定所述初始滤波比为第六滤波比,所述第六滤波比大于所述第五滤波比。
6.根据权利要求2或5所述的方法,其特征在于,所述航迹跟踪稳定阶段信息包括所述当前追踪目标的目标连续追踪帧数;
所述根据所述航迹跟踪稳定阶段信息确定所述当前追踪目标所处的运动阶段,包括:
当所述当前追踪目标的目标连续追踪帧数小于第二帧数阈值时,确定所述当前追踪目标当前处于所述第二起始阶段;
当所述当前追踪目标的目标连续追踪帧数大于等于第二帧数阈值,且小于第三帧数阈值时,确定所述当前追踪目标当前处于所述相对稳定阶段;
当所述当前追踪目标的目标连续追踪帧数大于等于第三帧数阈值时,确定所述当前追踪目标当前处于所述第二稳定阶段。
9.根据权利要求1所述的方法,其特征在于,所述利用所述动态滤波比对所述当前追踪目标的当前运动状态预测值和当前运动状态测量值进行滤波处理,得到所述当前追踪目标的目标状态数据,包括:
计算所述动态滤波比与所述当前运动状态预测值的乘积,并计算所述乘积与所述当前运动状态测量值的总和,得到所述目标状态数据。
10.一种目标跟踪数据滤波处理装置,其特征在于,包括:存储器和处理器;
所述存储器内存储有程序指令;
所述处理器用于调用所述存储器内的程序指令以执行权利要求1-9任一项所述的目标跟踪数据滤波处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591309.4A CN112630774B (zh) | 2020-12-29 | 2020-12-29 | 一种目标跟踪数据滤波处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591309.4A CN112630774B (zh) | 2020-12-29 | 2020-12-29 | 一种目标跟踪数据滤波处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112630774A true CN112630774A (zh) | 2021-04-09 |
CN112630774B CN112630774B (zh) | 2024-07-05 |
Family
ID=75285965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011591309.4A Active CN112630774B (zh) | 2020-12-29 | 2020-12-29 | 一种目标跟踪数据滤波处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112630774B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5525995A (en) * | 1995-06-07 | 1996-06-11 | Loral Federal Systems Company | Doppler detection system for determining initial position of a maneuvering target |
US6078281A (en) * | 1996-06-28 | 2000-06-20 | Milkovich Systems Engineering | Signal processing architecture which improves sonar and pulse Doppler radar performance and tracking capability |
JP2005331248A (ja) * | 2004-05-18 | 2005-12-02 | Nec Corp | 目標追尾装置及び目標追尾方法 |
US20100103026A1 (en) * | 2006-09-29 | 2010-04-29 | Byung-Doo Kim | Radar tracking device and method thereof |
KR101033243B1 (ko) * | 2010-11-17 | 2011-05-06 | 엘아이지넥스원 주식회사 | 객체 추적 방법 및 장치 |
JP2011127939A (ja) * | 2009-12-15 | 2011-06-30 | Nec Corp | 移動体位置推定追尾装置、移動体位置推定追尾方法、及び移動体位置推定追尾プログラム |
CN102865824A (zh) * | 2012-09-18 | 2013-01-09 | 北京经纬恒润科技有限公司 | 一种计算车辆间相对距离的方法和装置 |
CN102890274A (zh) * | 2011-07-20 | 2013-01-23 | 镇江光宁航海电子科技有限公司 | 一种船用导航雷达arpa目标跟踪方法 |
KR101252531B1 (ko) * | 2013-01-22 | 2013-04-09 | 국방과학연구소 | 적응적 칼만필터를 이용한 목표 위치추적장치 |
JP2014115119A (ja) * | 2012-12-06 | 2014-06-26 | Toyota Motor Corp | 物体検出装置 |
JP2015203616A (ja) * | 2014-04-14 | 2015-11-16 | 日本電気株式会社 | 追尾処理装置、中央処理装置、監視装置、追尾処理方法およびプログラム |
CN107422311A (zh) * | 2017-07-03 | 2017-12-01 | 上海无线电设备研究所 | 一种基于α‑β滤波的抗距离拖引方法 |
CN107844739A (zh) * | 2017-07-27 | 2018-03-27 | 电子科技大学 | 基于自适应同时稀疏表示的鲁棒性目标追踪方法 |
CN108710125A (zh) * | 2018-04-09 | 2018-10-26 | 西南民族大学 | 用于目标跟踪的距离方位滤波方法 |
CN109581302A (zh) * | 2018-12-12 | 2019-04-05 | 北京润科通用技术有限公司 | 一种车载雷达数据跟踪方法及系统 |
JP2019196994A (ja) * | 2018-05-10 | 2019-11-14 | 株式会社デンソーテン | レーダ装置および物標検出方法 |
CN110830998A (zh) * | 2019-05-28 | 2020-02-21 | 南通大学 | 一种基于信任机制的车联网恶意节点识别方法 |
CN111289965A (zh) * | 2019-12-04 | 2020-06-16 | 南京长峰航天电子科技有限公司 | 一种多目标雷达快速跟踪方法及系统 |
CN111722213A (zh) * | 2020-07-03 | 2020-09-29 | 哈尔滨工业大学 | 一种机动目标运动参数的纯距离提取方法 |
CN111736144A (zh) * | 2020-07-06 | 2020-10-02 | 哈尔滨工业大学 | 一种仅用距离观测的机动转弯目标状态估计方法 |
CN112051569A (zh) * | 2020-09-10 | 2020-12-08 | 北京润科通用技术有限公司 | 雷达目标跟踪速度修正方法及装置 |
-
2020
- 2020-12-29 CN CN202011591309.4A patent/CN112630774B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5525995A (en) * | 1995-06-07 | 1996-06-11 | Loral Federal Systems Company | Doppler detection system for determining initial position of a maneuvering target |
US6078281A (en) * | 1996-06-28 | 2000-06-20 | Milkovich Systems Engineering | Signal processing architecture which improves sonar and pulse Doppler radar performance and tracking capability |
JP2005331248A (ja) * | 2004-05-18 | 2005-12-02 | Nec Corp | 目標追尾装置及び目標追尾方法 |
US20100103026A1 (en) * | 2006-09-29 | 2010-04-29 | Byung-Doo Kim | Radar tracking device and method thereof |
JP2011127939A (ja) * | 2009-12-15 | 2011-06-30 | Nec Corp | 移動体位置推定追尾装置、移動体位置推定追尾方法、及び移動体位置推定追尾プログラム |
KR101033243B1 (ko) * | 2010-11-17 | 2011-05-06 | 엘아이지넥스원 주식회사 | 객체 추적 방법 및 장치 |
CN102890274A (zh) * | 2011-07-20 | 2013-01-23 | 镇江光宁航海电子科技有限公司 | 一种船用导航雷达arpa目标跟踪方法 |
CN102865824A (zh) * | 2012-09-18 | 2013-01-09 | 北京经纬恒润科技有限公司 | 一种计算车辆间相对距离的方法和装置 |
JP2014115119A (ja) * | 2012-12-06 | 2014-06-26 | Toyota Motor Corp | 物体検出装置 |
KR101252531B1 (ko) * | 2013-01-22 | 2013-04-09 | 국방과학연구소 | 적응적 칼만필터를 이용한 목표 위치추적장치 |
JP2015203616A (ja) * | 2014-04-14 | 2015-11-16 | 日本電気株式会社 | 追尾処理装置、中央処理装置、監視装置、追尾処理方法およびプログラム |
CN107422311A (zh) * | 2017-07-03 | 2017-12-01 | 上海无线电设备研究所 | 一种基于α‑β滤波的抗距离拖引方法 |
CN107844739A (zh) * | 2017-07-27 | 2018-03-27 | 电子科技大学 | 基于自适应同时稀疏表示的鲁棒性目标追踪方法 |
CN108710125A (zh) * | 2018-04-09 | 2018-10-26 | 西南民族大学 | 用于目标跟踪的距离方位滤波方法 |
JP2019196994A (ja) * | 2018-05-10 | 2019-11-14 | 株式会社デンソーテン | レーダ装置および物標検出方法 |
CN109581302A (zh) * | 2018-12-12 | 2019-04-05 | 北京润科通用技术有限公司 | 一种车载雷达数据跟踪方法及系统 |
CN110830998A (zh) * | 2019-05-28 | 2020-02-21 | 南通大学 | 一种基于信任机制的车联网恶意节点识别方法 |
CN111289965A (zh) * | 2019-12-04 | 2020-06-16 | 南京长峰航天电子科技有限公司 | 一种多目标雷达快速跟踪方法及系统 |
CN111722213A (zh) * | 2020-07-03 | 2020-09-29 | 哈尔滨工业大学 | 一种机动目标运动参数的纯距离提取方法 |
CN111736144A (zh) * | 2020-07-06 | 2020-10-02 | 哈尔滨工业大学 | 一种仅用距离观测的机动转弯目标状态估计方法 |
CN112051569A (zh) * | 2020-09-10 | 2020-12-08 | 北京润科通用技术有限公司 | 雷达目标跟踪速度修正方法及装置 |
Non-Patent Citations (5)
Title |
---|
SHIBATA, TAKANORI等: "Correct Stability Condition and Fundamental Performance Analysis of the α-β-γ-δ Filter", APPLIED SCIENCES-BASEL, vol. 8, no. 12 * |
刘涛庆;赵非;耿东华;: "一种带伪加速度修正的跟踪算法", 现代电子技术, no. 10 * |
张思霈;刘红明;余科;罗晨;郁文;: "一种稳健的雷达目标跟踪滤波算法研究", 空天防御, no. 01 * |
熊毅;: "一种多目标跟踪滤波方法研究", 雷达与对抗, no. 04, 15 December 2015 (2015-12-15) * |
熊毅;: "一种自适应的多目标跟踪处理方法", 舰船电子对抗, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN112630774B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019037662A1 (zh) | 行驶速度控制方法、装置、计算机设备和存储介质 | |
CN112051569B (zh) | 雷达目标跟踪速度修正方法及装置 | |
CN110572139B (zh) | 用于车辆状态估计的融合滤波实现方法以及装置、存储介质、车辆 | |
CN114779204B (zh) | 一种基于雷达目标幅度最小二乘跟踪处理方法及系统 | |
Li et al. | A novel smooth variable structure filter for target tracking under model uncertainty | |
CN112630774A (zh) | 一种目标跟踪数据滤波处理方法及装置 | |
CN110865360B (zh) | 一种数据融合方法及装置 | |
Fu et al. | Maneuvering target tracking with improved unbiased FIR filter | |
CN113640766A (zh) | 一种确定目标运动状态的方法及装置 | |
CN112379350A (zh) | 智能车辆毫米波雷达多目标跟踪方法、装置及设备 | |
CN112230195A (zh) | 基于非线性最优平滑层策略的平滑变结构滤波方法及系统 | |
CN117169906A (zh) | 光斑处理方法、单片机及激光雷达 | |
WO2023201951A1 (zh) | 一种生成车道中心线的方法和装置 | |
WO2023236476A1 (zh) | 一种无车道线下确定跟踪轨迹的方法及装置 | |
CN115979288A (zh) | 一种航向角确定方法、电子设备和存储介质 | |
CN116400318A (zh) | 基于在线粒子群优化的多观测目标位置估计方法及装置 | |
CN114037977A (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
CN113791635A (zh) | 一种飞行器滚转控制方法、系统及电子设备 | |
Lee et al. | An Improved Interacting Multiple Model Algorithm With Adaptive Transition Probability Matrix Based on the Situation | |
CN117864172B (zh) | 一种自动驾驶控制方法、装置以及设备 | |
CN113514823B (zh) | 一种基于伪谱的多模型机动目标检测前跟踪方法 | |
CN116620304A (zh) | 一种雷达目标跟踪速度修正方法和装置 | |
JPH0943346A (ja) | 追尾処理装置 | |
CN117307607A (zh) | 电磁轴承系统同步振动的变周期自适应控制方法及装置 | |
CN116304989A (zh) | 一种车辆传感器数据处理的方法、装置、车辆和介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230608 Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 100192 5th floor, Zhizhen building, 7 Zhichun Road, Haidian District, Beijing Applicant before: BEIJING RUNKE GENERAL TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |