CN113567951B - 一种基于时空信息的跨毫米波雷达目标跟踪方法 - Google Patents

一种基于时空信息的跨毫米波雷达目标跟踪方法 Download PDF

Info

Publication number
CN113567951B
CN113567951B CN202111126119.XA CN202111126119A CN113567951B CN 113567951 B CN113567951 B CN 113567951B CN 202111126119 A CN202111126119 A CN 202111126119A CN 113567951 B CN113567951 B CN 113567951B
Authority
CN
China
Prior art keywords
track
target
millimeter wave
wave radar
cross
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
Application number
CN202111126119.XA
Other languages
English (en)
Other versions
CN113567951A (zh
Inventor
时强
朱永东
赵志峰
刘云涛
胡永新
陈培俊
赵旋
张园
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202111126119.XA priority Critical patent/CN113567951B/zh
Publication of CN113567951A publication Critical patent/CN113567951A/zh
Application granted granted Critical
Publication of CN113567951B publication Critical patent/CN113567951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出一种基于时空信息的跨毫米波雷达目标跟踪方法，通过引入时空信息对目标轨迹进行匹配拼接，借助于动态时间规整避免了时间因素对轨迹相似度计算的影响，极大提高了拼接算法的精度，将时间维度信息应用于单雷达中断航迹的接续，实现了单设备内雷达目标轨迹的拼接。同时在拼接过程中，采用基于动态时间规整与PCA‑KL散度的相似度算法完成匹配，从轨迹特性和概率分布两个维度对跨设备目标进行轨迹拼接，极大提高了跨毫米波雷达轨迹拼接的效果。

Description

一种基于时空信息的跨毫米波雷达目标跟踪方法
技术领域
本发明涉及车路协同领域，特别涉及一种基于时空信息的跨毫米波雷达目标跟踪方法。
背景技术
智能化和网联化的深度融合是智能汽车领域的重点发展方向。智能化是现阶段自动驾驶技术的主要依托手段，涉及到环境感知、驾驶决策与车辆运动控制等技术领域。但是，汽车仅依靠单车环境感知实现智能化的技术路径具有一定局限性，需要网联化智慧的路来辅助单车智能。智慧的路需要实现交通环境的综合感知，交通环境与道路信息的数字化、结构化，基于场景的高效、便捷、智能的控制管理，以及信息的发布引导。作为交通环境感知数据的重要来源，毫米波雷达能够不受雨雪雾等天气和光照条件的影响，全天候工作，实现对目标位置和速度航向的检测，是实现道路目标感知跟踪的重要的手段。
目前车路协同领域的交通目标检测多采用77GHz毫米波雷达，输出目标时间戳及空间位置信息，以实现交通目标的轨迹跟踪。由于毫米波雷达的特性，对于同一目标点会形成点云，但由于毫米波雷达布设高度限制，交通目标检测会不可避免出现相互遮挡的情况，导致单毫米波雷达跟踪过程中目标轨迹中断。同时，由于单个毫米波雷达覆盖范围有限，无法实现全路段交通环境信息的综合感知，无法获取路段的车道级交通信息，无法完成更加精细化的交通疏导和管控。
因此，如何基于时空信息实现跨毫米波雷达的目标跟踪是目前车路协同领域亟待解决的问题。
发明内容
本发明的目的在于针对现有毫米波雷达跟踪技术的不足，提供一种基于时空信息的跨毫米波雷达目标跟踪方法，通过引入雷达目标轨迹点的空间和时间信息，对毫米波雷达中断的目标轨迹信息进行航迹关联匹配，基于雷达重叠区域完成跨毫米波雷达的轨迹匹配拼接，实现路段雷达覆盖范围内交通目标的全域跟踪，有效提升了毫米波雷达的道路感知能力，适用于一种基于时空信息的跨毫米波雷达目标跟踪方法。
为实现上述目的，本发明提供如下技术方案：
本发明公开了一种基于时空信息的跨毫米波雷达目标跟踪方法，包括以下步骤：
S1：架设于道路两侧的毫米波雷达获取覆盖范围内的交通目标信息；
S2：基于凸包理论处理毫米波雷达所有目标轨迹点，获取重叠区域边界，包括如下子步骤：
S21：采用单调链凸包算法分别处理毫米波雷达目标轨迹点，获得毫米波雷达各自的覆盖范围边界；
S22：筛选重叠区域轨迹点获取毫米波雷达重叠区域凸包边界；
S3：基于时空信息实现单个毫米波雷达内交通目标航迹拼接，包括如下子步骤：
S31：基于时空三维数据拟合多项式目标轨迹曲线；
S32：判断同一个毫米波雷达接受到的新的轨迹点是否为前述目标所生成轨迹点；
S321：若该轨迹点为前述目标所生成轨迹点，完成轨迹接续；
S322：若该轨迹点不是前述目标所生成轨迹点，创建新的目标轨迹序列；
S4：完成重叠区域内跨毫米波雷达目标轨迹的匹配拼接，包括如下子步骤：
S41：将重叠区域内两毫米波雷达目标轨迹数据加入待处理序列；
S42：基于动态时间规整计算相似度
Figure 511776DEST_PATH_IMAGE001
；
S43：基于PCA-KL散度计算相似度
Figure 960075DEST_PATH_IMAGE002
；
S44：基于相似度计算结果确定轨迹匹配结果并完成轨迹拼接。
作为优选，所述步骤S1中所述交通目标信息包括设备ID、目标ID、时间戳及经纬度信息。
作为优选，所述步骤S21中处理毫米波雷达目标轨迹点的具体方法如下：
在获得毫米波雷达各自的检测结构化目标信息后，对各自的轨迹点数据按照先
Figure 5391DEST_PATH_IMAGE003
经度后
Figure 931759DEST_PATH_IMAGE004
纬度的规则从小到大进行预排序,轨迹点分别从
Figure 74027DEST_PATH_IMAGE005
及
Figure 427648DEST_PATH_IMAGE006
遍历至
Figure 225840DEST_PATH_IMAGE007
及
Figure 487057DEST_PATH_IMAGE008
，分别确定边界凸包的下边界和上边界，合并后获得凸包边界
Figure 687094DEST_PATH_IMAGE009
，当新增点
Figure 211617DEST_PATH_IMAGE010
位于
Figure 494175DEST_PATH_IMAGE011
形成向量左侧时，表示新增点为凸包边界点，即判断：
Figure 762345DEST_PATH_IMAGE012
。
作为优选，所述步骤S22的具体方法子步骤如下：
S221：采用鞋带理论计算获得单个毫米波雷达覆盖面积
Figure 20151DEST_PATH_IMAGE013
及任意轨迹点
Figure 981154DEST_PATH_IMAGE014
与凸包边界点形成三角形面积总和
Figure 100002_DEST_PATH_IMAGE015
；其中：
Figure 285096DEST_PATH_IMAGE016
；
Figure 100002_DEST_PATH_IMAGE017
；
其中，
Figure 622537DEST_PATH_IMAGE018
；
S222：比较
Figure 100002_DEST_PATH_IMAGE019
与
Figure 328324DEST_PATH_IMAGE020
大小，确定任意轨迹点与毫米波雷达边界凸包之间的关系；若
Figure 100002_DEST_PATH_IMAGE021
则任意轨迹点位于凸包外，不在毫米波雷达覆盖范围内。筛选满足
Figure 725808DEST_PATH_IMAGE022
即同时处于多个毫米波雷达凸包范围内的轨迹点，确定重叠区域范围，采用所述步骤S21中单调链凸包算法确定重叠区域边界凸包。
作为优选，所述步骤S3，利用带有时间戳的轨迹信息，完成由于遮挡等原因造成的同一交通目标所产生的多个毫米波雷达轨迹的匹配，其中所述子步骤S31的具体方法为：
为避免不同时刻相似轨迹的干扰，利用目标轨迹序列
Figure 100002_DEST_PATH_IMAGE023
进行多项式曲线拟合，两曲线方程分别为：
Figure 517046DEST_PATH_IMAGE024
；
进一步地，构建多项式曲线拟合方程为：
Figure 127019DEST_PATH_IMAGE025
；
则当目标轨迹序列轨迹点数量不少于8个时，系数向量的最小二乘解为：
Figure 421734DEST_PATH_IMAGE026
；
其中，
Figure 100002_DEST_PATH_IMAGE027
，
Figure 993049DEST_PATH_IMAGE028
，
Figure 100002_DEST_PATH_IMAGE029
。
作为优选，所述步骤S32中，当接收到同设备新的轨迹点
Figure 6004DEST_PATH_IMAGE030
时，利用该轨迹点更新矩阵得到
Figure 100002_DEST_PATH_IMAGE031
和
Figure 950826DEST_PATH_IMAGE032
，最小二乘求解获得更新后的系数矩阵
Figure 100002_DEST_PATH_IMAGE033
，计算系数矩阵
Figure 365627DEST_PATH_IMAGE033
与X的欧氏距离，公式如下：
Figure 636071DEST_PATH_IMAGE034
；
通过比较
Figure 100002_DEST_PATH_IMAGE035
是否小于
Figure 339585DEST_PATH_IMAGE036
的大小来判断新的轨迹点是否为前述目标所生成的轨迹点，其中
Figure 88098DEST_PATH_IMAGE036
为欧氏距离阈值。
作为优选，所述步骤S41的具体方法为：根据两毫米波雷达目标轨迹点空间位置，分别筛选在重叠区域内的目标轨迹序列
Figure 100002_DEST_PATH_IMAGE037
及
Figure 826247DEST_PATH_IMAGE038
,并构建邻接矩阵
Figure 100002_DEST_PATH_IMAGE039
用于描述两毫米波雷达的匹配关系，其中N与M分别表示重叠区域内前后两毫米波雷达目标轨迹数量。
作为优选，所述步骤S42的具体方法为：针对重叠区域内目标轨迹序列，计算跨设备毫米波雷达轨迹
Figure 2014DEST_PATH_IMAGE040
及
Figure 100002_DEST_PATH_IMAGE041
内两两轨迹点之间的欧式距离后，基于递归获得该组毫米波雷达轨迹规整路径距离
Figure 806807DEST_PATH_IMAGE042
，归一化后进而获得相似度
Figure 100002_DEST_PATH_IMAGE043
，据此填充邻接矩阵
Figure 296694DEST_PATH_IMAGE044
，其中p,q分别表示目标序列的轨迹点数量；
Figure 100002_DEST_PATH_IMAGE045
；
其中，
Figure 420508DEST_PATH_IMAGE046
表示轨迹点
Figure 32755DEST_PATH_IMAGE047
与
Figure 976440DEST_PATH_IMAGE048
之间的欧氏距离，
Figure 535597DEST_PATH_IMAGE050
表示轨迹点
Figure 248338DEST_PATH_IMAGE047
与
Figure 969169DEST_PATH_IMAGE048
之间的规整路径距离，
Figure 400151DEST_PATH_IMAGE051
表示轨迹序列
Figure 231841DEST_PATH_IMAGE052
与
Figure 100002_DEST_PATH_IMAGE053
之间的规整路径距离。
作为优选，所述步骤S43的具体方法为：鉴于毫米波雷达所形成轨迹曲线的不稳定性，基于目标轨迹序列
Figure 861405DEST_PATH_IMAGE054
进行PCA主成分分析，确定主方向后依据轨迹分布的KL散度计算相似度，其子步骤如下：
S431目标轨迹序列
Figure 100002_DEST_PATH_IMAGE055
去中心化后，其协方差矩阵计算如下：
Figure 287226DEST_PATH_IMAGE056
；
其中，
Figure 100002_DEST_PATH_IMAGE057
及
Figure 736662DEST_PATH_IMAGE058
分别表示轨迹序列
Figure 637622DEST_PATH_IMAGE055
的协方差矩阵；
奇异值分解协方差矩阵
Figure 793796DEST_PATH_IMAGE057
及
Figure 122010DEST_PATH_IMAGE058
得到其特征值及其对应的特征向量如下：
Figure 100002_DEST_PATH_IMAGE059
；
其中
Figure 793162DEST_PATH_IMAGE060
；
利用特征向量
Figure 497813DEST_PATH_IMAGE061
对轨迹序列处理后进行降维，得到降维至特定方向的轨迹序列：
Figure 100002_DEST_PATH_IMAGE062
；
其中，
Figure 836391DEST_PATH_IMAGE063
与
Figure 100002_DEST_PATH_IMAGE064
均为方差最小特征值对应的特征向量。
S432分别对降维后的轨迹序列
Figure 601084DEST_PATH_IMAGE065
计算期望和方差，拟合得到轨迹序列概率分布
Figure 493954DEST_PATH_IMAGE066
，计算降维后两两轨迹序列之间的KL散度
Figure 100002_DEST_PATH_IMAGE067
如下：
Figure 2296DEST_PATH_IMAGE068
；
归一化后，进一步得到轨迹相似度
Figure 100002_DEST_PATH_IMAGE069
，并将其累加至邻接矩阵
Figure 926871DEST_PATH_IMAGE070
，获得最终的跨设备轨迹匹配关系。
作为优选，所述步骤S44的具体方法为：针对跨设备目标轨迹
Figure 100002_DEST_PATH_IMAGE071
及
Figure 128045DEST_PATH_IMAGE072
进行轨迹拼接，首先针对两设备目标匹配轨迹序列
Figure 242631DEST_PATH_IMAGE071
及
Figure 23506DEST_PATH_IMAGE072
建立kd树，选定目标轨迹
Figure 539938DEST_PATH_IMAGE071
的结束点
Figure 100002_DEST_PATH_IMAGE073
后，在轨迹序列
Figure 912013DEST_PATH_IMAGE072
中利用最近邻查找最近的轨迹点目标
Figure 513896DEST_PATH_IMAGE074
，将
Figure 98461DEST_PATH_IMAGE072
后续轨迹点添加至轨迹序列
Figure 469399DEST_PATH_IMAGE071
，得到最终的毫米波雷达目标轨迹，实现跨设备目标跟踪。
本发明的有益效果：本发明提出一种基于时空信息的跨毫米波雷达目标跟踪方法，引入时空信息对目标轨迹进行匹配拼接，借助于动态时间规整避免了时间因素对轨迹相似度计算的影响，极大提高了拼接算法的精度，将时间维度信息应用于单雷达中断航迹的接续，实现了单设备内雷达目标轨迹的拼接。同时在拼接过程中，采用基于动态时间规整与PCA-KL散度的相似度算法完成匹配，从轨迹特性和概率分布两个维度对跨设备目标进行轨迹拼接，极大提高了跨毫米波雷达轨迹拼接的效果，适用于多种不同种类毫米波雷达设备所生成数据的拼接。
本发明的特征及优点将通过实施例结合附图进行详细说明。
附图说明
图1为本发明的跨毫米波雷达目标跟踪的流程图；
图2为本发明的毫米波雷达布设示意图；
图3为本发明的跨毫米波雷达目标拼接的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明的一种基于时空信息的跨毫米波雷达目标跟踪方法，通过引入空间位置和时间戳信息在雷达重叠区域对不同设备的目标轨迹进行匹配拼接，整体过程如图1所述，具体包括如下步骤：
S1：架设于道路两侧的毫米波雷达获取覆盖范围内的交通目标信息；
S2：基于凸包理论处理毫米波雷达所有目标轨迹点，获取重叠区域边界，包括如下子步骤：
S21：采用单调链凸包算法分别处理毫米波雷达目标轨迹点，获得毫米波雷达各自的覆盖范围边界；
S22：筛选重叠区域轨迹点获取毫米波雷达重叠区域凸包边界；
S3：基于时空信息实现单个毫米波雷达内交通目标航迹拼接，包括如下子步骤：
S31：基于时空三维数据拟合多项式目标轨迹曲线；
S32：判断同一个毫米波雷达接受到的新的轨迹点是否为前述目标所生成轨迹点；
S321：若该轨迹点为前述目标所生成轨迹点，完成轨迹接续；
S322：若该轨迹点不是前述目标所生成轨迹点，创建新的目标轨迹序列；
S4：完成重叠区域内跨毫米波雷达目标轨迹的匹配拼接，包括如下子步骤：
S41：将重叠区域内两毫米波雷达目标轨迹数据加入待处理序列；
S42：基于动态时间规整计算相似度
Figure 100002_DEST_PATH_IMAGE075
；
S43：基于PCA-KL散度计算相似度
Figure 12376DEST_PATH_IMAGE076
；
S44：基于相似度计算结果确定轨迹匹配结果并完成轨迹拼接。
所述步骤S1中所述交通目标信息包括设备ID、目标ID、时间戳及经纬度信息。
所述步骤S21中处理毫米波雷达目标轨迹点的具体方法如下：
在获得毫米波雷达各自的检测结构化目标信息后，对各自的轨迹点数据按照先
Figure 835976DEST_PATH_IMAGE077
经度后
Figure 100002_DEST_PATH_IMAGE078
纬度的规则从小到大进行预排序,轨迹点分别从
Figure 23899DEST_PATH_IMAGE079
及
Figure 100002_DEST_PATH_IMAGE080
遍历至
Figure 780502DEST_PATH_IMAGE081
及
Figure 100002_DEST_PATH_IMAGE082
，分别确定边界凸包的下边界和上边界，合并后获得凸包边界
Figure 494381DEST_PATH_IMAGE083
，当新增点
Figure DEST_PATH_IMAGE084
位于
Figure 336435DEST_PATH_IMAGE085
形成向量左侧时，表示新增点为凸包边界点，即判断：
Figure DEST_PATH_IMAGE086
。
所述步骤S22的具体方法子步骤如下：
S221：采用鞋带理论计算获得单个毫米波雷达覆盖面积
Figure 793961DEST_PATH_IMAGE087
及任意轨迹点
Figure DEST_PATH_IMAGE088
与凸包边界点形成三角形面积总和
Figure 670650DEST_PATH_IMAGE089
；其中：
Figure DEST_PATH_IMAGE090
；
Figure 821009DEST_PATH_IMAGE091
；
其中，
Figure DEST_PATH_IMAGE092
；
S222：比较
Figure 150359DEST_PATH_IMAGE093
与
Figure DEST_PATH_IMAGE094
大小，确定任意轨迹点与毫米波雷达边界凸包之间的关系；若
Figure 143067DEST_PATH_IMAGE095
则任意轨迹点位于凸包外，不在毫米波雷达覆盖范围内。筛选满足
Figure DEST_PATH_IMAGE096
即同时处于多个毫米波雷达凸包范围内的轨迹点，确定重叠区域范围，采用所述步骤S21中单调链凸包算法确定重叠区域边界凸包。
所述步骤S3，利用带有时间戳的轨迹信息，完成由于遮挡等原因造成的同一交通目标所产生的多个毫米波雷达轨迹的匹配，其中所述子步骤S31的具体方法为：
为避免不同时刻相似轨迹的干扰，利用目标轨迹序列
Figure 608683DEST_PATH_IMAGE097
进行多项式曲线拟合，两曲线方程分别为：
Figure 398785DEST_PATH_IMAGE024
；
进一步地，构建多项式曲线拟合方程为：
Figure 684273DEST_PATH_IMAGE025
；
则当目标轨迹序列轨迹点数量不少于8个时，系数向量的最小二乘解为：
Figure 952443DEST_PATH_IMAGE026
；
其中，
Figure 6987DEST_PATH_IMAGE027
，
Figure 967989DEST_PATH_IMAGE028
，
Figure 475194DEST_PATH_IMAGE029
。
所述步骤S32中，当接收到同设备新的轨迹点
Figure DEST_PATH_IMAGE098
时，利用该轨迹点更新矩阵得到
Figure 343793DEST_PATH_IMAGE099
和
Figure DEST_PATH_IMAGE100
，最小二乘求解获得更新后的系数矩阵
Figure 49581DEST_PATH_IMAGE101
，计算系数矩阵
Figure DEST_PATH_IMAGE102
与X的欧氏距离，公式如下：
Figure 447064DEST_PATH_IMAGE034
；
通过比较
Figure 707144DEST_PATH_IMAGE103
是否小于
Figure DEST_PATH_IMAGE104
的大小来判断新的轨迹点是否为前述目标所生成的轨迹点，其中
Figure 851205DEST_PATH_IMAGE104
为欧氏距离阈值。
所述步骤S41的具体方法为：根据两毫米波雷达目标轨迹点空间位置，分别筛选在重叠区域内的目标轨迹序列
Figure 880341DEST_PATH_IMAGE105
及
Figure DEST_PATH_IMAGE106
,并构建邻接矩阵
Figure 448726DEST_PATH_IMAGE107
用于描述两毫米波雷达的匹配关系，其中N与M分别表示重叠区域内前后两毫米波雷达目标轨迹数量。
所述步骤S42的具体方法为：针对重叠区域内目标轨迹序列，计算跨设备毫米波雷达轨迹
Figure DEST_PATH_IMAGE108
及
Figure 727260DEST_PATH_IMAGE109
内两两轨迹点之间的欧式距离后，基于递归获得该组毫米波雷达轨迹规整路径距离
Figure DEST_PATH_IMAGE110
，归一化后进而获得相似度
Figure 406503DEST_PATH_IMAGE111
，据此填充邻接矩阵
Figure 290146DEST_PATH_IMAGE107
，其中p,q分别表示目标序列的轨迹点数量；
Figure DEST_PATH_IMAGE112
；
其中，
Figure 560590DEST_PATH_IMAGE113
表示轨迹点
Figure DEST_PATH_IMAGE114
与
Figure 60841DEST_PATH_IMAGE115
之间的欧氏距离，
Figure DEST_PATH_IMAGE116
表示轨迹点
Figure 278196DEST_PATH_IMAGE117
与
Figure DEST_PATH_IMAGE118
之间的规整路径距离，
Figure 810153DEST_PATH_IMAGE119
表示轨迹序列
Figure DEST_PATH_IMAGE120
与
Figure 720340DEST_PATH_IMAGE121
之间的规整路径距离。
所述步骤S43的具体方法为：鉴于毫米波雷达所形成轨迹曲线的不稳定性，基于目标轨迹序列
Figure 176729DEST_PATH_IMAGE054
进行PCA主成分分析，确定主方向后依据轨迹分布的KL散度计算相似度，其子步骤如下：
S431目标轨迹序列
Figure DEST_PATH_IMAGE122
去中心化后，其协方差矩阵计算如下：
Figure 463354DEST_PATH_IMAGE123
；
其中，
Figure DEST_PATH_IMAGE124
及
Figure 852747DEST_PATH_IMAGE125
分别表示轨迹序列
Figure DEST_PATH_IMAGE126
的协方差矩阵；
奇异值分解协方差矩阵
Figure 464994DEST_PATH_IMAGE124
及
Figure 143100DEST_PATH_IMAGE125
得到其特征值及其对应的特征向量如下：
Figure 702257DEST_PATH_IMAGE127
；
其中
Figure DEST_PATH_IMAGE128
；
利用特征向量
Figure 946157DEST_PATH_IMAGE129
对轨迹序列处理后进行降维，得到降维至特定方向的轨迹序列：
Figure 932567DEST_PATH_IMAGE062
；
其中，
Figure DEST_PATH_IMAGE130
与
Figure 897637DEST_PATH_IMAGE131
均为方差最小特征值对应的特征向量。
S432分别对降维后的轨迹序列
Figure DEST_PATH_IMAGE132
计算期望和方差，拟合得到轨迹序列概率分布
Figure 526064DEST_PATH_IMAGE133
，计算降维后两两轨迹序列之间的KL散度
Figure DEST_PATH_IMAGE134
如下：
Figure 624470DEST_PATH_IMAGE068
；
归一化后，进一步得到轨迹相似度
Figure 781782DEST_PATH_IMAGE135
，并将其累加至邻接矩阵
Figure DEST_PATH_IMAGE136
，获得最终的跨设备轨迹匹配关系。
所述步骤S44的具体方法为：针对跨设备目标轨迹
Figure 231218DEST_PATH_IMAGE137
及
Figure DEST_PATH_IMAGE138
进行轨迹拼接，首先针对两设备目标匹配轨迹序列
Figure 397757DEST_PATH_IMAGE137
及
Figure 85091DEST_PATH_IMAGE138
建立kd树，选定目标轨迹
Figure 413304DEST_PATH_IMAGE137
的结束点
Figure 553298DEST_PATH_IMAGE139
后，在轨迹序列
Figure 257949DEST_PATH_IMAGE138
中利用最近邻查找最近的轨迹点目标
Figure DEST_PATH_IMAGE140
，将
Figure 163955DEST_PATH_IMAGE138
后续轨迹点添加至轨迹序列
Figure 663069DEST_PATH_IMAGE137
，得到最终的毫米波雷达目标轨迹，实现跨设备目标跟踪。
对于毫米波雷达布设方式，包括同向与对向两种，布设示意如图2所示，相邻毫米波雷达布设距离根据毫米波雷达自身实际测量距离确定，需保证相邻毫米波雷达之间有一定长度的重叠区域，重叠区域长度以40-50米为宜。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：包括以下步骤：
S1：架设于道路两侧的毫米波雷达获取覆盖范围内的交通目标信息；
S2：基于凸包理论处理毫米波雷达所有目标轨迹点，获取重叠区域边界，包括如下子步骤：
S21：采用单调链凸包算法分别处理毫米波雷达目标轨迹点，获得毫米波雷达各自的覆盖范围边界；
S22：筛选重叠区域轨迹点获取毫米波雷达重叠区域凸包边界；
S3：基于时空信息实现单个毫米波雷达内交通目标航迹拼接，包括如下子步骤：
S31：基于时空三维数据分别拟合多项式目标轨迹曲线；
S32：判断同一个毫米波雷达接受到的新的轨迹点是否为前述目标所生成轨迹点；
S321：若该轨迹点为前述目标所生成轨迹点，完成轨迹接续；
S322：若该轨迹点不是前述目标所生成轨迹点，创建新的目标轨迹序列；
S4：完成重叠区域内跨毫米波雷达目标轨迹的匹配拼接，包括如下子步骤：
S41：将重叠区域内两毫米波雷达目标轨迹数据加入待处理序列；
S42：基于动态时间规整计算相似度
Figure DEST_PATH_IMAGE001
；
S43：基于PCA-KL散度计算相似度
Figure DEST_PATH_IMAGE002
；
S44：基于相似度计算结果确定轨迹匹配结果并完成轨迹拼接。
2.如权利要求1所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S1中所述交通目标信息包括设备ID、目标ID、时间戳及经纬度信息。
3.如权利要求1所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S21中处理毫米波雷达目标轨迹点的具体方法如下：
在获得毫米波雷达各自的检测结构化目标信息后，对各自的轨迹点数据按照先经度后纬度的规则从小到大进行预排序,轨迹点分别从
Figure DEST_PATH_IMAGE007
及
Figure DEST_PATH_IMAGE008
遍历至
Figure DEST_PATH_IMAGE009
及
Figure DEST_PATH_IMAGE010
，分别确定边界凸包的下边界和上边界，合并后获得凸包边界
Figure DEST_PATH_IMAGE011
，当新增点
Figure DEST_PATH_IMAGE012
位于
Figure DEST_PATH_IMAGE013
形成向量左侧时，表示新增点为凸包边界点，即判断：
Figure DEST_PATH_IMAGE014
。
4.如权利要求3所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S22的具体方法子步骤如下：
S221：采用鞋带理论计算获得单个毫米波雷达覆盖面积
Figure DEST_PATH_IMAGE015
及任意轨迹点
Figure DEST_PATH_IMAGE016
与凸包边界点形成三角形面积总和
Figure DEST_PATH_IMAGE017
；其中：
Figure DEST_PATH_IMAGE018
；
Figure DEST_PATH_IMAGE019
；
其中，
Figure DEST_PATH_IMAGE020
，n为凸包边界轨迹点数量；
S222：比较
Figure DEST_PATH_IMAGE021
与
Figure DEST_PATH_IMAGE022
大小，确定任意轨迹点与毫米波雷达边界凸包之间的关系；若
Figure DEST_PATH_IMAGE023
则任意轨迹点位于凸包外，不在毫米波雷达覆盖范围内；
筛选满足
Figure DEST_PATH_IMAGE024
即同时处于多个毫米波雷达凸包范围内的轨迹点，确定重叠区域范围，采用所述步骤S21中单调链凸包算法确定重叠区域边界凸包。
5.如权利要求1所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S3，利用带有时间戳的轨迹信息，完成由于遮挡等原因造成的同一交通目标所产生的多个毫米波雷达轨迹的匹配，其中所述子步骤S31的具体方法为：
为避免不同时刻相似轨迹的干扰，利用目标轨迹序列
Figure DEST_PATH_IMAGE025
，t表示时间戳信息，进行多项式曲线拟合，两曲线方程分别为：
Figure DEST_PATH_IMAGE026
；
进一步地，构建多项式曲线拟合方程为：
Figure DEST_PATH_IMAGE027
；
则当目标轨迹序列轨迹点数量不少于8个时，系数向量的最小二乘解为：
Figure DEST_PATH_IMAGE028
；
其中，
Figure DEST_PATH_IMAGE029
，
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
。
6.如权利要求1所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S32中，当接收到同设备新的轨迹点
Figure DEST_PATH_IMAGE032
时，利用该轨迹点更新矩阵得到
Figure DEST_PATH_IMAGE033
和
Figure DEST_PATH_IMAGE034
，最小二乘求解获得更新后的系数矩阵
Figure DEST_PATH_IMAGE035
，计算系数矩阵
Figure DEST_PATH_IMAGE036
与X的欧氏距离，公式如下：
Figure DEST_PATH_IMAGE037
；
通过比较
Figure DEST_PATH_IMAGE038
是否小于
Figure DEST_PATH_IMAGE039
的大小来判断新的轨迹点是否为前述目标所生成的轨迹点，其中
Figure 440136DEST_PATH_IMAGE039
为欧氏距离阈值。
7.如权利要求1所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S41的具体方法为：根据两毫米波雷达目标轨迹点空间位置，分别筛选在重叠区域内的目标轨迹序列
Figure DEST_PATH_IMAGE040
及
Figure DEST_PATH_IMAGE041
,并构建邻接矩阵
Figure DEST_PATH_IMAGE042
用于描述两毫米波雷达的匹配关系，其中N与M分别表示重叠区域内前后两毫米波雷达目标轨迹数量。
8.如权利要求7所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S42的具体方法为：针对重叠区域内目标轨迹序列，计算跨设备毫米波雷达轨迹
Figure DEST_PATH_IMAGE043
及
Figure DEST_PATH_IMAGE044
内两两轨迹点之间的欧式距离后，基于递归获得该组毫米波雷达轨迹规整路径距离
Figure DEST_PATH_IMAGE045
，归一化后进而获得相似度
Figure DEST_PATH_IMAGE046
，据此填充邻接矩阵
Figure DEST_PATH_IMAGE047
，其中p,q分别表示目标序列的轨迹点数量；
Figure DEST_PATH_IMAGE048
；
其中，
Figure DEST_PATH_IMAGE049
表示轨迹点
Figure DEST_PATH_IMAGE050
与
Figure DEST_PATH_IMAGE051
之间的欧氏距离，
Figure DEST_PATH_IMAGE052
表示轨迹点
Figure DEST_PATH_IMAGE053
与
Figure DEST_PATH_IMAGE054
之间的规整路径距离，
Figure DEST_PATH_IMAGE055
表示轨迹序列
Figure DEST_PATH_IMAGE056
与
Figure DEST_PATH_IMAGE057
之间的规整路径距离。
9.如权利要求8所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S43的具体方法为：鉴于毫米波雷达所形成轨迹曲线的不稳定性，基于目标轨迹序列
Figure DEST_PATH_IMAGE058
，
Figure DEST_PATH_IMAGE059
进行PCA主成分分析，确定主方向后依据轨迹分布的KL散度计算相似度，其子步骤如下：
S431目标轨迹序列
Figure DEST_PATH_IMAGE060
去中心化后，其协方差矩阵计算如下：
Figure DEST_PATH_IMAGE061
；
其中，
Figure DEST_PATH_IMAGE062
及
Figure DEST_PATH_IMAGE063
分别表示轨迹序列
Figure DEST_PATH_IMAGE064
，
Figure DEST_PATH_IMAGE065
的协方差矩阵；
奇异值分解协方差矩阵
Figure DEST_PATH_IMAGE066
及
Figure DEST_PATH_IMAGE067
得到其特征值及其对应的特征向量如下：
Figure DEST_PATH_IMAGE068
；
其中
Figure DEST_PATH_IMAGE069
；
利用特征向量
Figure DEST_PATH_IMAGE070
对轨迹序列处理后进行降维，得到降维至特定方向的轨迹序列：
Figure DEST_PATH_IMAGE071
；
其中，
Figure DEST_PATH_IMAGE072
与
Figure DEST_PATH_IMAGE073
均为方差最小特征值对应的特征向量；
S432分别对降维后的轨迹序列
Figure DEST_PATH_IMAGE074
计算期望和方差，拟合得到轨迹序列概率分布
Figure DEST_PATH_IMAGE075
，计算降维后两两轨迹序列之间的KL散度
Figure DEST_PATH_IMAGE076
如下：
Figure DEST_PATH_IMAGE077
；
归一化后，进一步得到轨迹相似度
Figure DEST_PATH_IMAGE078
，并将其累加至邻接矩阵
Figure DEST_PATH_IMAGE079
，获得最终的跨设备轨迹匹配关系。
10.如权利要求9所述的一种基于时空信息的跨毫米波雷达目标跟踪方法，其特征在于：所述步骤S44的具体方法为：针对跨设备目标轨迹
Figure DEST_PATH_IMAGE080
及
Figure DEST_PATH_IMAGE081
进行轨迹拼接，首先针对两设备目标匹配轨迹序列
Figure 292030DEST_PATH_IMAGE080
及
Figure 540609DEST_PATH_IMAGE081
建立kd树，选定目标轨迹
Figure 794873DEST_PATH_IMAGE081
的结束点
Figure DEST_PATH_IMAGE082
后，在轨迹序列
Figure 812507DEST_PATH_IMAGE081
中利用最近邻查找最近的轨迹点目标
Figure DEST_PATH_IMAGE083
，将
Figure 734106DEST_PATH_IMAGE081
后续轨迹点添加至轨迹序列
Figure 735560DEST_PATH_IMAGE080
，得到最终的毫米波雷达目标轨迹，实现跨设备目标跟踪。
CN202111126119.XA 2021-09-26 2021-09-26 一种基于时空信息的跨毫米波雷达目标跟踪方法 Active CN113567951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111126119.XA CN113567951B (zh) 2021-09-26 2021-09-26 一种基于时空信息的跨毫米波雷达目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111126119.XA CN113567951B (zh) 2021-09-26 2021-09-26 一种基于时空信息的跨毫米波雷达目标跟踪方法

Publications (2)

Publication Number Publication Date
CN113567951A CN113567951A (zh) 2021-10-29
CN113567951B true CN113567951B (zh) 2022-01-18

Family

ID=78174588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111126119.XA Active CN113567951B (zh) 2021-09-26 2021-09-26 一种基于时空信息的跨毫米波雷达目标跟踪方法

Country Status (1)

Country Link
CN (1) CN113567951B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985406B (zh) * 2021-12-24 2022-05-10 中船（浙江）海洋科技有限公司 一种海上雷达目标航迹拼接方法
CN114518573B (zh) * 2022-04-21 2022-07-19 山东科技大学 一种用于多雷达的车辆跟踪方法、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285700A (zh) * 2020-08-24 2021-01-29 江苏大学 基于激光雷达与毫米波雷达融合的机动目标跟踪方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11345342B2 (en) * 2019-09-27 2022-05-31 Intel Corporation Potential collision warning system based on road user intent prediction
CN111537994B (zh) * 2020-03-24 2022-05-06 江苏徐工工程机械研究院有限公司 一种无人矿卡障碍物检测方法
CN111398947B (zh) * 2020-04-08 2022-01-11 成都汇蓉国科微系统技术有限公司 一种基于航迹杂波图的脉冲多普勒雷达杂波抑制方法
CN113419244A (zh) * 2021-05-28 2021-09-21 同济大学 一种基于毫米波雷达数据的车辆轨迹拼接方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285700A (zh) * 2020-08-24 2021-01-29 江苏大学 基于激光雷达与毫米波雷达融合的机动目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向智能交通系统的图像处理;杨明等;《计算机工程与应用》;20010501(第09期);第4-7、26页 *

Also Published As

Publication number Publication date
CN113567951A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
Chandra et al. Forecasting trajectory and behavior of road-agents using spectral clustering in graph-lstms
CN113567951B (zh) 一种基于时空信息的跨毫米波雷达目标跟踪方法
Wang et al. A point cloud-based robust road curb detection and tracking method
Lieb et al. Adaptive Road Following using Self-Supervised Learning and Reverse Optical Flow.
Bai et al. Robust detection and tracking method for moving object based on radar and camera data fusion
CN114419152B (zh) 一种基于多维度点云特征的目标检测与跟踪方法及系统
Wang et al. Speed and accuracy tradeoff for LiDAR data based road boundary detection
US20160203374A1 (en) Target grouping techniques for object fusion
Berrio et al. Camera-LIDAR integration: Probabilistic sensor fusion for semantic mapping
Magnier et al. Automotive LIDAR objects detection and classification algorithm using the belief theory
CN111292366B (zh) 一种基于深度学习和边缘计算的视觉行车测距算法
Liu et al. Dynamic vehicle detection with sparse point clouds based on PE-CPD
CN113989784A (zh) 一种基于车载激光点云的道路场景类型识别方法及系统
CN111259796A (zh) 一种基于图像几何特征的车道线检测方法
CN116109601A (zh) 一种基于三维激光雷达点云的实时目标检测方法
CN114973195A (zh) 基于多信息融合的车辆追踪方法、装置及系统
CN114002667A (zh) 一种基于随机矩阵法的多近邻扩展目标跟踪算法
CN110176022B (zh) 一种基于视频检测的隧道全景监控系统及方法
CN114593739B (zh) 基于视觉检测与参考线匹配的车辆全局定位方法及装置
CN113932821A (zh) 基于连续窗口平均方向特征的轨迹地图匹配方法
Zhang et al. Rvdet: Feature-level fusion of radar and camera for object detection
CN113281718A (zh) 一种基于激光雷达场景流估计的3d多目标跟踪系统及方法
Yang et al. Learn to model and filter point cloud noise for a near-infrared ToF LiDAR in adverse weather
CN109799477B (zh) 一种面向毫米波车联网的序贯车辆指纹定位方法及装置
Fu et al. Behavior analysis of distant vehicles using LIDAR point cloud

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