CN112649802A - 高分辨传感器弱小多目标检测前跟踪方法 - Google Patents
高分辨传感器弱小多目标检测前跟踪方法 Download PDFInfo
- Publication number
- CN112649802A CN112649802A CN202011383508.6A CN202011383508A CN112649802A CN 112649802 A CN112649802 A CN 112649802A CN 202011383508 A CN202011383508 A CN 202011383508A CN 112649802 A CN112649802 A CN 112649802A
- Authority
- CN
- China
- Prior art keywords
- track
- target
- targets
- state estimation
- confirmed
- 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
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
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
本发明公开了一种高分辨传感器弱小多目标检测前跟踪方法,属于信息融合领域,适应于高分辨传感器对多个弱小目标的检测与跟踪。在对高分辨传感器数据进行处理时,基于TBD技术的弱小目标检测跟踪方法存在目标个数估计明显虚多、算法复杂度和计算显著增大,以及目标出现漏检时滤波器中代表该目标的粒子群迅速退化等问题。本发明提出的高分辨传感器弱小多目标检测前跟踪方法立足于解决此类问题。本发明通过对“同源”目标进行有效划分与融合,将源于同一目标的估计值进行融合处理,并通过在主滤波器中构建漏检目标辅助搜索机制,克服了基于TBD技术的弱小目标检测跟踪方法的局限性,因此具有较强的工程应用价值和推广前景。
Description
技术领域
本发明涉及一种目标检测跟踪方法,特别是涉及一种弱小多目标的检测跟踪方法,属于信息融合领域,适应于高分辨传感器对多个弱小目标的检测与跟踪。
背景技术
高分辨传感器可提供更多的目标结构信息,在目标检测、跟踪与识别等方面具有极其广阔的应用背景,是现代传感器技术的重要发展方向之一。但是,由于该类传感器分辨单元的尺寸远小于目标尺寸,目标回波通常会占据多个分辨单元,当目标信噪比较高时,可通过目标识别并构建合适的目标扩展模型等手段实现目标个数的修正,并估计出目标散射中心已提高目标跟踪精度;然而,当目标信噪比较低时,目标回波通常被淹没在噪声里,目标量测数据时有时无,现有的方法很难对其进行有效检测,更无法对目标进行识别和建模。因此,如何实现高分辨传感器对多个弱小目标的有效检测和跟踪是当前的难点问题。
检测前跟踪(TBD)技术是一种目前最常用且行之有效的弱小的检测和跟踪方法,该方法以时间为代价,通过长时间的积累提高目标的信噪比,进而实现对弱小目标的有效检测和跟踪。现有的基于TBD技术的弱小目标检测跟踪方法主要通过以下步骤实现:
1)存储多帧未经门限处理或者较低门限处理的量测数据;
2)按照假定的目标运动轨迹对量测数据进行有效积累;
3)宣告目标存在的同时提取出目标的轨迹。
基于TBD技术的弱小目标检测跟踪方法具有两个明显的缺陷:(1)该方法将目标当成“点目标”来处理,会导致扩展在多个分辨单元的一个目标被检测成多个目标,进而导致目标个数估计明显虚多、算法复杂度和计算显著增大;(2)目标出现漏检时,滤波器中代表该目标的粒子群迅速退化,造成后续时刻目标容易的丢失。
发明内容
本发明的目的是提出一种高分辨传感器弱小多目标检测前跟踪方法,解决基于TBD技术的弱小目标检测跟踪方法将目标当成“点目标”来造成的目标个数估计明显虚多、算法复杂度和计算显著增大,以及目标出现漏检时,滤波器中代表该目标的粒子群迅速退化造成的后续时刻目标容易丢失等问题。
本发明提出的高分辨传感器弱小多目标检测前跟踪方法的技术方案包括以下步骤:
步骤1:系统初始化
基于概率假设密度滤波构建一个主滤波器,并进行滤波器的初始化处理,另外构建一个漏检目标集并初始化为空集。
步骤2:传感器量测获取
获取高分辨传感器当前时刻的非门限处理的弱小多目标量测数据,并进行A/D转换,送数据处理机;
步骤3:漏检目标辅助搜索粒子集生成
若漏检目标集为空集,直接转步骤4;否则,首先对漏检目标集中的任意目标进行一步预测,得到当前时刻该目标状态的预测值,然后以该预测值为均值、目标量测误差协为方差,构造多维正态分布,并从该正态分布采样用于辅助搜索该漏检目标的辅助搜索粒子集,最后将所有漏检目标的辅助搜索粒子集添加至主滤波器,完成主滤波器修正,并将漏检目标集重置为空集。
步骤4:量测粗滤波
利用修正后的主滤波器对量测数据进行滤波,得到粗略的目标个数及状态估计,其中状态估计包含了对目标的位置和速度估计;
步骤5:“同源”目标划分与融合
综合利用各目标的航迹对粗略的目标状态估计进行“同源”目标的划分与融合,修正目标个数和目标状态估计;
步骤6:目标航迹管理
对确认航迹、暂定航迹、可能航迹及航迹头进行航迹维持、升级、降级及撤销操作,并输出当前时刻的各目标航迹信息;
步骤7:转下一时刻,重复步骤2~步骤7直至传感器关机。
具体的,所述步骤5具体为:
1)对前一时刻已存在的各确定航迹、暂定航迹及可能航迹进行一步预测,得到各航迹的预测值,并依据预测协方差建立各自的椭圆波门,对前一时刻已存在的航迹头,根据目标最小和最大可能速度建立环形波门;
2)对任意粗略的目标状态估计,若该状态估计
(1)未落入任何椭圆波门或环形波门,将该状态估计定义为航迹头;
(2)仅落入某一确认航迹的椭圆波门,则认为该状态估计是源于该确认航迹,并将其划分为该确认航迹的“同源”目标;
(3)仅落入某一暂定航迹的椭圆波门,则认为该状态估计是源于该暂定航迹,并将其划分为该暂定航迹的“同源”目标;
(4)仅落入某一可能航迹的椭圆波门,则认为该状态估计是源于该可能航迹,并将其划分为该可能航迹的“同源”目标;
(5)仅落入某一航迹头的环形波门,则认为该状态估计是源于该航迹头,并将其划分为该航迹头的“同源”目标;
(6)同时落入多个椭圆波门或环形波门,则根据该状态估计包含的目标速度信息计算目标的运动方向,并将其划分为目标航向与其运动方向夹角最小的确认航迹、暂定航迹、可能航迹或者航迹头的“同源”目标;
3)利用概率数据互联的方法对各确认航迹、暂定航迹、可能航迹和航迹头的“同源”目标进行加权融合,得到当前时刻各自的融合目标状态估计。
具体的,所述步骤6具体为:
1)航迹维持与升级
(1)对任意确认航迹,以其融合目标状态估计更新并输出该确认航迹,实现航迹的维持;
(2)对任意可能航迹,以其融合目标状态估计更新该可能航迹,然后将该可能航迹升级为确认航迹并输出;
(3)对任意暂定航迹,以其融合目标状态估计更新该暂定航迹,然后将该暂定航迹升级为确认航迹并输出;
(4)对任意航迹头,将其融合目标状态估计与之关联,形成可能航迹;
2)航迹降级与撤销
(1)对当前时刻未获得任何“同源”目标的任意确认航迹,以该确认航迹的预测值更新该确认航迹,并将该确认航迹降级为暂定航迹,将该目标添加至漏检目标集;
(2)对当前时刻未获得任何“同源”目标的任意暂定航迹予以撤销;
(3)对当前时刻未获得任何“同源”目标的任意可能航迹,以其预测值更新对该可能航迹进行更新,并将可能航迹降级为暂定航迹;
(4)对当前时刻未获得任何“同源”目标的任意航迹头予以撤销。
和背景技术相比,本发明的有益效果说明:
1)本发明提出的高分辨传感器弱小多目标检测前跟踪方法,将源于同一目标的估计值进行融合处理,解决了背景技术将目标当成“点目标”来处理造成的目标个数估计明显虚多、算法复杂度和计算显著增大等问题。
2)本发明通过在主滤波器中构建漏检目标辅助搜索机制,可有效防止了主滤波器中代表漏检的粒子群迅速退化的问题,从而解决了目标出现漏检时后续时刻目标容易丢失的问题。
附图说明
附图1是本发明的高分辨传感器弱小多目标检测前跟踪方法的整体流程示意图。
附图2是本发明的高分辨传感器弱小多目标检测前跟踪方法的“同源”目标划分示意图。
附图3是本发明的高分辨传感器弱小多目标检测前跟踪方法的检测跟踪结果图。
附图4是本发明的高分辨传感器弱小多目标检测前跟踪方法的航迹维持与升级示意图。
附图5是本发明的高分辨传感器弱小多目标检测前跟踪方法的航迹降级与撤销示意图。
具体实施方式
不失一般性,假设一个二维的多目标跟踪场景,总仿真时间为80s,PHD滤波器通过粒子滤波实现。传感器位于坐标原点,采样周期T=1s,每时刻可提供的某个检测区域内的二维图像,每张图像包含m×n=20×20个分辨单元,每一个分辨单元的尺度设置为Δx=Δy=1,以表示时刻k分辨单元(i,j)的观测数据
其中为目标对分辨单元(i,j)强度的影响,为分辨单元(i,j)的量测噪声,并假设分辨单元与分辨单元、前一时刻与后一时刻之间的量测噪声相互独立。为简化起见,假设量测噪声服从零均值的高斯分布,也就是(xk,yk)位置强度为Ik的目标对分辨单元(i,j)的影响可以用散度函数近似表示为
∑为已知参数,表示传感器模糊斑点数量,k时刻的量测可以表述为
量测噪声方差设为σ=3.25,目标信号强度I=20,参数∑=0.7,根据信噪比公式
目标可在监测区域内随机的出现和消失,其出现的位置在监测区域内符合均匀分布,目标新生概率bk=0.01,目标持续存在概率ek=0.99,目标运动符合匀速直线运动模型
xk+1=F(xk)+wk
其中
w为零均值高斯白噪声,其协方差矩阵为
其中
q1和q2分别表示目标运动状态和目标强度的过程噪声,设置为q1=0.001,q2=0.01。
滤波器参数设置:代表1个目标的粒子数L0=3000,搜索新目标的粒子数Jk=4000,搜索1个漏检目标的粒子数Sk=1000,初步检测门限γ=2。
下面结合附图,对本发明的高分辨传感器弱小多目标检测前跟踪方法进行详细描述。
步骤1:按发明内容部分步骤1所述的方法进行系统初始化;
步骤2:按发明内容部分步骤2所述的方法进行传感器量测获取;
步骤3:按发明内容部分步骤3所述的方法进行漏检目标辅助搜索粒子集生成;
步骤4:按发明内容部分步骤4所述的方法进行量测粗滤波;
步骤5:按发明内容部分步骤5所述的方法进行“同源”目标划分与融合;
步骤6:按发明内容部分步骤6所述的方法进行目标航迹管理;
步骤7:按发明内容部分步骤7所述的方法转下一时刻,重复步骤2~步骤7直至传感器关机。
实施例条件中,本发明提出的高分辨传感器弱小多目标检测前跟踪方法,通过对“同源”目标进行有效划分与融合(见步骤5),将源于同一目标的估计值进行融合处理(见附图2),实现了对目标数量和各时刻目标状态的较准确估计(见附图3),因此解决了背景技术将目标当成“点目标”来处理造成的目标个数估计明显虚多、算法复杂度和计算显著增大等问题;同时,通过在主滤波器中构建漏检目标辅助搜索机制(见步骤3和步骤6及附图4和附图5),可有效防止了滤波器中代表该目标的粒子群迅速退化,从而解决目标出现漏检造成的后续时刻目标容易丢失的问题。
Claims (3)
1.高分辨传感器弱小多目标检测前跟踪方法,其特征包括以下步骤:
步骤1:系统初始化
基于概率假设密度滤波构建一个主滤波器,并进行滤波器的初始化处理,另外构建一个漏检目标集并初始化为空集。
步骤2:传感器量测获取
获取高分辨传感器当前时刻的非门限处理的弱小多目标量测数据,并进行A/D转换,送数据处理机;
步骤3:漏检目标辅助搜索粒子集生成
若漏检目标集为空集,直接转步骤4;否则,首先对漏检目标集中的任意目标进行一步预测,得到当前时刻该目标状态的预测值,然后以该预测值为均值、目标量测误差协为方差,构造多维正态分布,并从该正态分布采样用于辅助搜索该漏检目标的辅助搜索粒子集,最后将所有漏检目标的辅助搜索粒子集添加至主滤波器,完成主滤波器修正,并将漏检目标集重置为空集。
步骤4:量测粗滤波
利用修正后的主滤波器对传感器量测数据进行滤波,得到粗略的目标个数及状态估计,其中状态估计包含了对目标的位置和速度估计;
步骤5:“同源”目标划分与融合
综合利用各目标的航迹对粗略的目标状态估计进行“同源”目标的划分与融合,修正目标个数和目标状态估计;
步骤6:目标航迹管理
对确认航迹、暂定航迹、可能航迹及航迹头进行航迹维持、升级、降级及撤销操作,并输出当前时刻的各目标航迹信息;
步骤7:转下一时刻,重复步骤2~步骤7直至传感器关机。
2.权利要求1所述的高分辨传感器弱小多目标检测前跟踪方法,其特征在于,所述步骤5具体为:
1)对前一时刻已存在的各确定航迹、暂定航迹及可能航迹进行一步预测,得到各航迹的预测值,并依据预测协方差建立各自的椭圆波门,对前一时刻已存在的航迹头,根据目标最小和最大可能速度建立环形波门;
2)对任意粗略的目标状态估计,若该状态估计
(1)未落入任何椭圆波门或环形波门,将该状态估计定义为航迹头;
(2)仅落入某一确认航迹的椭圆波门,则认为该状态估计是源于该确认航迹,并将其划分为该确认航迹的“同源”目标;
(3)仅落入某一暂定航迹的椭圆波门,则认为该状态估计是源于该暂定航迹,并将其划分为该暂定航迹的“同源”目标;
(4)仅落入某一可能航迹的椭圆波门,则认为该状态估计是源于该可能航迹,并将其划分为该可能航迹的“同源”目标;
(5)仅落入某一航迹头的环形波门,则认为该状态估计是源于该航迹头,并将其划分为该航迹头的“同源”目标;
(6)同时落入多个椭圆波门或环形波门,则根据该状态估计包含的目标速度信息计算目标的运动方向,并将其划分为目标航向与其运动方向夹角最小的确认航迹、暂定航迹、可能航迹或者航迹头的“同源”目标;
3)利用概率数据互联的方法对各确认航迹、暂定航迹、可能航迹和航迹头的“同源”目标进行加权融合,得到当前时刻各自的融合目标状态估计。
3.利要求1所述的高分辨传感器弱小多目标检测前跟踪方法,其特征在于,所述步骤6具体为:
1)航迹维持与升级
(1)对任意确认航迹,以其融合目标状态估计更新并输出该确认航迹,实现航迹的维持;
(2)对任意可能航迹,以其融合目标状态估计更新该可能航迹,然后将该可能航迹升级为确认航迹并输出;
(3)对任意暂定航迹,以其融合目标状态估计更新该暂定航迹,然后将该暂定航迹升级为确认航迹并输出;
(4)对任意航迹头,将其融合目标状态估计与之关联,形成可能航迹;
2)航迹降级与撤销
(1)对当前时刻未获得任何“同源”目标的任意确认航迹,以该确认航迹的预测值更新该确认航迹,并将该确认航迹降级为暂定航迹,将该目标添加至漏检目标集;
(2)对当前时刻未获得任何“同源”目标的任意暂定航迹予以撤销;
(3)对当前时刻未获得任何“同源”目标的任意可能航迹,以其预测值更新对该可能航迹进行更新,并将可能航迹降级为暂定航迹;
(4)对当前时刻未获得任何“同源”目标的任意航迹头予以撤销。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383508.6A CN112649802B (zh) | 2020-12-01 | 2020-12-01 | 高分辨传感器弱小多目标检测前跟踪方法 |
PCT/CN2021/072857 WO2022116375A1 (zh) | 2020-12-01 | 2021-01-20 | 高分辨传感器弱小多目标检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383508.6A CN112649802B (zh) | 2020-12-01 | 2020-12-01 | 高分辨传感器弱小多目标检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112649802A true CN112649802A (zh) | 2021-04-13 |
CN112649802B CN112649802B (zh) | 2022-03-22 |
Family
ID=75351063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011383508.6A Active CN112649802B (zh) | 2020-12-01 | 2020-12-01 | 高分辨传感器弱小多目标检测前跟踪方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112649802B (zh) |
WO (1) | WO2022116375A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099343B (zh) * | 2022-06-24 | 2024-03-29 | 江南大学 | 一种有限视野下分布式标签多伯努利融合跟踪方法 |
CN115407299A (zh) * | 2022-09-15 | 2022-11-29 | 中国人民解放军国防科技大学 | 基于伯努利滤波器算法的弱小目标检测方法和装置 |
CN117214857B (zh) * | 2023-11-09 | 2024-02-02 | 中国人民解放军海军航空大学 | 一种三维场景下高斯多假设多扩展目标的跟踪方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4148026A (en) * | 1977-01-21 | 1979-04-03 | Thomson-Csf | System for tracking a moving target |
WO2001039098A2 (en) * | 1999-11-22 | 2001-05-31 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | System and method for searching a combinatorial space |
US7719461B1 (en) * | 2008-08-05 | 2010-05-18 | Lockheed Martin Corporation | Track fusion by optimal reduced state estimation in multi-sensor environment with limited-bandwidth communication path |
CN102621543A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于粒子滤波和航迹管理的微弱目标检测前跟踪方法 |
CN102621542A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
CN103472445A (zh) * | 2013-09-18 | 2013-12-25 | 电子科技大学 | 一种针对多目标场景的检测跟踪一体化方法 |
CN104101875A (zh) * | 2014-07-11 | 2014-10-15 | 西北工业大学 | 一种空管雷达多目标跟踪方法 |
CN106533451A (zh) * | 2016-11-17 | 2017-03-22 | 中国科学技术大学 | 一种块稀疏信号恢复的迭代终止条件设置方法 |
WO2018119912A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳大学 | 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置 |
CN108919255A (zh) * | 2018-08-03 | 2018-11-30 | 谭顺成 | 基于cs-pf的高重频雷达弱小目标检测跟踪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043150A (zh) * | 2010-12-06 | 2011-05-04 | 电子科技大学 | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 |
CN104076355B (zh) * | 2014-07-04 | 2016-08-24 | 西安电子科技大学 | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 |
CN106054173A (zh) * | 2016-07-27 | 2016-10-26 | 中国人民解放军海军航空工程学院 | 基于递推Hough变换的微弱多目标检测前跟踪方法 |
JP2020008351A (ja) * | 2018-07-04 | 2020-01-16 | 株式会社デンソーアイティーラボラトリ | トラキング装置、方法及びプログラム |
CN109991597A (zh) * | 2019-04-04 | 2019-07-09 | 中国人民解放军国防科技大学 | 一种面向弱扩展目标的检测前跟踪方法 |
-
2020
- 2020-12-01 CN CN202011383508.6A patent/CN112649802B/zh active Active
-
2021
- 2021-01-20 WO PCT/CN2021/072857 patent/WO2022116375A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4148026A (en) * | 1977-01-21 | 1979-04-03 | Thomson-Csf | System for tracking a moving target |
WO2001039098A2 (en) * | 1999-11-22 | 2001-05-31 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | System and method for searching a combinatorial space |
US7719461B1 (en) * | 2008-08-05 | 2010-05-18 | Lockheed Martin Corporation | Track fusion by optimal reduced state estimation in multi-sensor environment with limited-bandwidth communication path |
CN102621543A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于粒子滤波和航迹管理的微弱目标检测前跟踪方法 |
CN102621542A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
CN103472445A (zh) * | 2013-09-18 | 2013-12-25 | 电子科技大学 | 一种针对多目标场景的检测跟踪一体化方法 |
CN104101875A (zh) * | 2014-07-11 | 2014-10-15 | 西北工业大学 | 一种空管雷达多目标跟踪方法 |
CN106533451A (zh) * | 2016-11-17 | 2017-03-22 | 中国科学技术大学 | 一种块稀疏信号恢复的迭代终止条件设置方法 |
WO2018119912A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳大学 | 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置 |
CN108919255A (zh) * | 2018-08-03 | 2018-11-30 | 谭顺成 | 基于cs-pf的高重频雷达弱小目标检测跟踪方法 |
Non-Patent Citations (6)
Title |
---|
AUGUSTIN-ALEXANDRU SAUCAN; CHRISTOPHE SINTES; THIERRY CHONAVEL: "《Robust, track before detect particle filter for bathymetric sonar application》", 《17TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION (FUSION)》 * |
SHUNCHENG TAN: "《CS–MMPF-based weak target detection and tracking with range ambiguity》", 《THE JOURNAL OF ENGINEERING》 * |
孙殿星; 王国宏; 涂三军; 杨忠: "《基于雷达组网的低可观测目标跟踪技术研究》", 《电光与控制》 * |
张鹏: "《雷达微弱目标检测前跟踪方法研究》", 《中国博士学位论文全文数据库 信息科技辑》 * |
耿峰; 祝小平: "《一种改进的多传感器多目标跟踪联合概率数据关联算法研究》", 《系统仿真学报》 * |
赵艳丽; 王雪松: "《多假目标欺骗干扰下组网雷达跟踪技术》", 《电子学报》 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022116375A1 (zh) | 2022-06-09 |
CN112649802B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112649802B (zh) | 高分辨传感器弱小多目标检测前跟踪方法 | |
CN105761276B (zh) | 基于迭代ransac自适应新生目标强度估计的gm-phd多目标跟踪方法 | |
CN110796728A (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
CN112731371B (zh) | 一种激光雷达与视觉融合的集成化目标跟踪系统及方法 | |
CN109407086B (zh) | 一种飞行器轨迹生成方法、系统及诱捕系统目标引导方法 | |
CN108645412B (zh) | 一种多传感器自适应航迹起始方法 | |
CN110929796B (zh) | 基于多源传感器决策层数据融合方法、系统及存储介质 | |
CN106291498B (zh) | 一种基于粒子滤波的检测跟踪联合优化方法 | |
CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
CN115034324B (zh) | 一种多传感器融合感知效能增强方法 | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN113269811A (zh) | 数据融合方法、装置及电子设备 | |
CN112313536B (zh) | 物体状态获取方法、可移动平台及存储介质 | |
CN114280611A (zh) | 一种融合毫米波雷达与摄像头的路侧感知方法 | |
CN111999735A (zh) | 一种基于径向速度和目标跟踪的动静目标分离方法 | |
CN110686679B (zh) | 高轨光学卫星海上目标中断航迹关联方法 | |
Chen et al. | A graph-based track-before-detect algorithm for automotive radar target detection | |
CN115061139A (zh) | 一种面向智能驾驶车辆的多传感器融合方法及系统 | |
CN110703272B (zh) | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN107133555B (zh) | 识别8字运动轨迹目标的方法 | |
CN109785358B (zh) | 一种基于循环确认机制的抗遮挡红外小目标跟踪方法 | |
CN112379393B (zh) | 一种列车碰撞预警方法及其装置 | |
CN113192110A (zh) | 多目标跟踪方法、装置、设备及存储介质 | |
CN115856963A (zh) | 基于深度神经网络学习的高精度定位算法 |
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 |