CN114460571A - 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质 - Google Patents

一种tws雷达目标跟踪方法、装置、服务器及可读存储介质 Download PDF

Info

Publication number
CN114460571A
CN114460571A CN202111600654.4A CN202111600654A CN114460571A CN 114460571 A CN114460571 A CN 114460571A CN 202111600654 A CN202111600654 A CN 202111600654A CN 114460571 A CN114460571 A CN 114460571A
Authority
CN
China
Prior art keywords
target
model
position point
tracking
important
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.)
Pending
Application number
CN202111600654.4A
Other languages
English (en)
Inventor
刘娟
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.)
Guangzhou Chenchuang Technology Development Co ltd
Original Assignee
Guangzhou Chenchuang Technology Development Co ltd
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 Guangzhou Chenchuang Technology Development Co ltd filed Critical Guangzhou Chenchuang Technology Development Co ltd
Priority to CN202111600654.4A priority Critical patent/CN114460571A/zh
Publication of CN114460571A publication Critical patent/CN114460571A/zh
Pending legal-status Critical Current

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

本申请适用于雷达跟踪扫描技术领域，提供了TWS雷达目标跟踪方法、装置、服务器及可读存储介质，该方法包括：在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；根据初始位置点识别待确认目标中的重要目标和次要目标；根据第一位置点集合以及第一预测目标位置点形成重要目标对应的第一运动轨迹；根据第二位置点集合以及第二预测目标位置点形成所述次要目标对应的第二运动轨迹。可见，本申请在终端设备通过区分出多目标中的重要目标和次要目标，控制雷达分配不同的天线波束能量分别对不同的目标进行扫描跟踪，并预测不同目标的预测位置点，从而得到全部目标的运动轨迹，保证对多目标扫描跟踪的提前下，提高扫描跟踪的精度。

Description

一种TWS雷达目标跟踪方法、装置、服务器及可读存储介质
技术领域
本申请属于雷达跟踪扫描技术领域，尤其涉及一种TWS雷达目标跟踪方法、装置、服务器及可读存储介质。
背景技术
随着现代高科技的飞速发展，雷达这项定位跟踪技术不仅应用在军事领域，在一些民用安防领域也有越来越广泛的应用。但是在很多安防领域中，常常会出现多个目标的情况，导出会出现雷达在跟踪一个目标的同时，无法继续对空域中其它目标进行扫描跟踪。
发明内容
本申请实施例提供了一种TWS雷达目标跟踪方法、装置、服务器及可读存储介质置，可以解决现有技术中在多个目标的情况下，雷达无法对全部目标进行跟踪扫描的问题。
第一方面，本申请实施例提供了一种TWS雷达目标跟踪方法，包括：
在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；其中，每个待确认目标对应一个初始位置点；
根据所述初始位置点识别所述待确认目标中的重要目标和次要目标；
控制所述雷达按第一天线波束对所述重要目标进行扫描，得到所述重要目标对应的的第一位置点集合；
控制所述雷达按第二天线波束对所述次要目标进行扫描，得到所述次要目标对应的第二位置点集合；
基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹；
基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹；
平移所述第一运动轨迹以及所述第二运动轨迹至同一坐标系，生成目标运动轨迹。
在第一方面的一种可能的实现方式中，根据所述初始位置点识别所述待确认目标中的重要目标和次要目标，包括：
将所述初始位置点从雷达坐标系映射至图像坐标系；
根据所述图像坐标系下的初始位置点采集摄像机拍摄的待确认目标对应的待处理图像；其中，每个待确认目标对应一个所述待处理图像；
将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标。
在第一方面的一种可能的实现方式中，所述预先训练的目标检测模型包括预先训练的特征提取子模型以及预先训练的判定模型；
将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标，包括：
将所述待处理图像输入至预先训练的特征提取子模型中，输出特征图像；
根据预设的特征描述子识别所述特征图像中的特征点；
根据预设编码方式对所述特征点进行编码，得到特征向量；
将所述特征向量输入至预先训练的判定模型，得到所述待确认目标中的重要目标和次要目标。
在第一方面的一种可能的实现方式中，基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹，包括：
根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型；
基于所述目标第一跟踪模型，预测所述重要目标的第一预测目标位置点。
在第一方面的一种可能的实现方式中，根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型，包括：
根据第一位置点集合选取出对应的第一基础跟踪模型；其中，所述第一基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型；
根据下式生成第一目标跟踪模型：
Figure BDA0003432997340000031
Figure BDA0003432997340000032
其中，Xk(r1)为重要目标r1在k时刻的第一状态变量，Zk(r1)为重要目标r1在k时刻的第一量测，
Figure BDA0003432997340000033
为基础跟踪模型j从K-1时刻到K时刻的状态转移矩阵，
Figure BDA0003432997340000034
为第一基础跟踪模型j的系统噪声序列,
Figure BDA0003432997340000035
为模型j的量测噪声序列
Figure BDA0003432997340000036
的协方差为
Figure BDA0003432997340000037
的协方差为
Figure BDA0003432997340000038
其中，所述第一状态变量为所述重要目标的第一加速度以及第一速度，所述第一量测为所述重要目标的第一位置点；
根据预设滤波算法对所述第一目标跟踪模型进行滤波，优化所述第一目标跟踪模型。
在第一方面的一种可能的实现方式中，基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹，包括：
根据所述第二位置点集合建立所述次要目标对应的第二目标跟踪模型；
基于所述第二目标跟踪模型，预测所述次要目标的第二预测目标位置点。
在第一方面的一种可能的实现方式中，根据所述第二位置点集合建立所述次要目标对应的第二目标跟踪模型，包括：
根据第二位置点集合选取出对应的第二基础跟踪模型；其中，所述第二基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型；
根据下式生成第二目标跟踪模型：
Figure BDA0003432997340000041
Figure BDA0003432997340000042
其中，Xk(r2)为次要目标r2在k时刻的第二状态变量，Zk(r2)为次要目标r2在k时刻的第二量测，
Figure BDA0003432997340000043
为第二基础跟踪模型m从K-1时刻到K时刻的状态转移矩阵，
Figure BDA0003432997340000044
为第二基础跟踪模型m的系统噪声序列，
Figure BDA0003432997340000045
为第二基础跟踪模型m的量测噪声序列，
Figure BDA0003432997340000046
的协方差为
Figure BDA0003432997340000047
的协方差为
Figure BDA0003432997340000048
其中，所述第二状态变量为所述次要目标的第二加速度以及第二速度，所述第二量测为所述次要目标的第二位置点；
根据预设滤波算法对所述第二目标跟踪模型进行滤波，优化所述第二目标跟踪模型。
第二方面，本申请实施例提供了一种TWS雷达目标跟踪装置，包括：
观测模块，用于在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；其中，每个待确认目标对应一个初始位置点；
识别模块，用于根据所述初始位置点识别所述待确认目标中的重要目标和次要目标；
第一控制模块，用于控制所述雷达按第一天线波束对所述重要目标进行扫描，得到所述重要目标对应的的第一位置点集合；
第二控制模块，用于控制所述雷达按第二天线波束对所述次要目标进行扫描，得到所述次要目标对应的第二位置点集合；
第一跟踪预测模块，用于基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹；
第二跟踪预测模块，用于基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹；
平移模块，用于平移所述第一运动轨迹以及所述第二运动轨迹至同一坐标系，生成并发送目标运动轨迹至用户终端，以指示所述用户终端显示所述目标运动轨迹至用户。
在第二方面的一种可能实现的方式中，所述识别模块包括：
映射子模块，用于将所述初始位置点从雷达坐标系映射至图像坐标系；
采集子模块，用于根据所述图像坐标系下的初始位置点采集摄像机拍摄的待确认目标对应的待处理图像；其中，每个待确认目标对应一个所述待处理图像；
检测子模块，用于将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标。
在第二方面的一种可能实现的方式中，所述预先训练的目标检测模型包括预先训练的特征提取子模型以及预先训练的判定模型；
所述检测子模块包括：
提取单元，用于将所述待处理图像输入至预先训练的特征提取子模型中，输出特征图像；
识别单元，用于根据预设的特征描述子识别所述特征图像中的特征点；
编码单元，用于根据预设编码方式对所述特征点进行编码，得到特征向量；
判定单元，用于将所述特征向量输入至预先训练的判定模型，得到所述待确认目标中的重要目标和次要目标。
在第二方面的一种可能实现的方式中，所述第一跟踪预测模块包括：
第一跟踪子模块，用于根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型；
第一预测子模块，用于基于所述目标第一跟踪模型，预测所述重要目标的第一预测目标位置点。
在第二方面的一种可能实现的方式中，所述第二跟踪预测模块包括：
第二跟踪子模块，根据所述第二位置点集合建立次要目标对应的第二目标跟踪模型；
第二预测子模块，基于第二目标跟踪模型，预测所述次要目标的第二预测目标位置点。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面，本申请实施例提供了一种可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例中，在多目标扫描跟踪的应用场景下，终端设备通过区分出重要目标和次要目标，控制雷达分配不同的天线波束能量分别对不同的目标进行扫描跟踪，并预测不同的目标的预测位置点，从而得到全部目标的运动轨迹，保证对多目标扫描跟踪的提前下，提高扫描跟踪的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的TWS雷达目标跟踪方法的流程示意图；
图2是本申请实施例提供的TWS雷达目标跟踪装置的结构示意图；
图3是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
需说明的是，本申请实施的TWS雷达目标跟踪方法应用于终端设备，该终端设备与雷达连接，其中，雷达优选是相控阵雷达。
原理说明：相控阵雷达是把雷达天线分成大大小小不同的阵列单元，每个单元的都可以独立发射信号波，需要探测目标时合成到一块儿发射出去。需要探测到不同的目标时，只需要通过改变信号波的发射频率或是相位，将合成的信号波发射方向加以改变，就能探测到不同方向的目标了。
需说明的是，本申请实施例的位置点可以在不同坐标系下，坐标系包括雷达坐标系，图像坐标系或者世界坐标系等，坐标系之间可以映射，在此不作具体说明。
下面将通过具体实施例对本申请实施例提供的技术方案进行介绍。
参见图1，为本申请实施例提供的TWS雷达目标跟踪方法的流程示意图，作为示例而非限定，该方法可以应用于终端设备，该终端设备分别与雷达以及摄像机连接，该方法包括以下步骤：
步骤S101、在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点。
其中，每个待确认目标对应一个初始位置点；目标是指鸟类、无人飞机、航模或者一些空中漂浮物(例如气球等)，预设范围是指民用机场、边境线或者核电站等安防领域的重要区域。
步骤S102、根据初始位置点识别待确认目标中的重要目标和次要目标。
其中，初始位置点是指在雷达的扫描范围内初次扫描到未确认身份目标的位置点；重要目标可以是指鸟类、无人飞机等；次要目标是指较慢的空中漂浮物(例如气球等)。
一般地，现有技术中，通过在雷达处设置配套的测距机来根据目标的移动速度来区分出重要目标和次要目标，但是区分维度单一，不能准确对目标进行区分。本申请实施例采用图像识别来区分目标中的重要目标和次要目标，结合图像信息从多个维度对目标进行区分，提高区分准确性。
具体应用中，根据初始位置点识别所述待确认目标中的重要目标和次要目标，包括以下步骤：
步骤S102-1、将初始位置点从雷达坐标系映射至图像坐标系。
具体应用中，将初始位置点从雷达坐标系映射至世界坐标系，然后再从世界坐标系映射至图像坐标系。
步骤S102-2、根据图像坐标系下的初始位置点采集摄像机拍摄的待确认目标对应的待处理图像。
其中，每个待确认目标对应一个所述待处理图像，终端设备与摄像机连接，摄像机包括红外摄像机以及可见光摄像机，摄像机与雷达存在校准关系。
可以理解的是，在雷达观测目标的同时，摄像头也对目标进行拍摄，那么终端设备可以在需要对目标进行区分的时候，根据将初始位置点从雷达坐标系映射至图像坐标系，从而根据图像坐标系下的初始位置点找到采集摄像机拍摄的待确认目标对应的图像，而不是一开始终端设备对雷达观察到目标的位置点进行处理的同时，就匹配每个雷达观察到目标的位置点对应的图像，从而达到节约计算机资源的目的。
可选的，对雷达以及对应的摄像机进行标定，对雷达的外参进行标定，以及对摄像机外参到内参的标定，标定就是找到雷达到摄像机的空间转换关系，在不同的坐标系之间转换需要旋转矩阵R和平移矩阵T，为后续的雷达和摄像机数据融合做准备。具体地，可以采用张定友标定法对摄像机的内参进行标定，采用Autoware提供的CalibrationToolKit联合工具对雷达的外参和摄像机的外参进行标定。
步骤S102-3、将待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出待确认目标中的重要目标和次要目标。
其中，预先训练的目标检测模型包括预先训练的特征提取子模型以及预先训练的判定模型，特征提取子模型优选的是Fast R-CNN模型，当然也可以是R-CNN模型等，判定模型优选的是CAN生成对抗模型，当然也可以是CNN卷积神经网络模型等。
具体应用中，将待处理图像输入至预先训练的特征提取子模型中，输出特征图像，根据预设的特征描述子识别所述特征图像中的特征点，根据预设编码方式对特征点进行编码，得到特征向量，将特征向量输入至预先训练的判定模型，得到待确认目标中的重要目标和次要目标。
其中，预设的特征描述子可以是SIFI特征描述子、SURF特征描述子或者Harris特征描述子等，预设编码方式可以是one-hot编码或者word2vec编码。
步骤S103、控制雷达按第一天线波束对重要目标进行扫描，得到重要目标对应的的第一位置点集合。
步骤S104、控制雷达按第二天线波束对次要目标进行扫描，得到次要目标对应的第二位置点集合。
其中，第一天线波束的能量大于第二天线波束的能量。
可以理解的是，终端设备将主要的天线波束分配给重要目标，将次要的天线波束分配给次要目标，使得雷达对重要目标进行较多频率的扫描，这样可以保证跟踪的进行，也可以监控天线扫描其它目标的正常进行。
步骤S105、基于第一位置点集合对重要目标进行跟踪，预测重要目标的第一预测目标位置点，根据第一位置点集合以及所述第一预测目标位置点形成重要目标对应的第一运动轨迹。
可以理解的是，本申请通过重要目标部分位置点来建立重要目标对对应的数学模型，方便对重要目标的各个时刻对应位置点进行描述，然后基于目标跟踪模型得到即时位置点对重要目标的预测目标位置点进行预测。
具体应用中，基于第一位置点集合对重要目标进行跟踪，预测重要目标的第一预测目标位置点，根据第一位置点集合以及所述第一预测目标位置点形成重要目标对应的第一运动轨迹，包括：
步骤S105-1、根据第一位置点集合建立重要目标对应的第一目标跟踪模型。
示例性地，根据第一位置点集合建立重要目标对应的第一目标跟踪模型，包括：
步骤S105-1-1、根据第一位置点集合选取出对应的第一基础跟踪模型。
其中，第一基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型。其中，CV模型是指均匀直线运动模型，CA模型是指均加速运动模型，singer模型是指加速度均值为零的一阶时间相关模型，当前统计模型是指加速度均值非零的一阶时间相关模型。
步骤S105-1-2、根据下式生成第一目标跟踪模型：
Figure BDA0003432997340000111
Figure BDA0003432997340000112
其中，Xk(r1)为重要目标r1在k时刻的第一状态变量，Zk(r1)为重要目标r1在k时刻的第一量测，
Figure BDA0003432997340000113
为基础跟踪模型j从K-1时刻到K时刻的状态转移矩阵，
Figure BDA0003432997340000114
为第一基础跟踪模型j的系统噪声序列,
Figure BDA0003432997340000115
为模型i的量测噪声序列
Figure BDA0003432997340000116
的协方差为
Figure BDA0003432997340000117
的协方差为
Figure BDA0003432997340000118
其中，第一状态变量为重要目标的第一加速度以及第一速度，第一量测为所述重要目标的第一位置点；
步骤S105-1-3、根据预设滤波算法对第一目标跟踪模型进行滤波，优化第一目标跟踪模型。
其中，预设滤波算法包括卡尔曼滤波算法或者平滑滤波算法。
步骤S105-2、基于目标第一跟踪模型，预测重要目标的第一预测目标位置点。
示例性地，基于目标第一跟踪模型，预测重要目标的第一预测目标位置点，包括：
步骤S105-2-1、根据第一跟踪目标模型，确定出重要目标的第一即时位置点。
步骤S105-2-1、将第一即时位置点输入至预先训练的SVM回归模型，得到重要目标的第一预测目标点。
具体应用中，利用第一跟踪目标模型可以确定各个时刻重要目标对应的第一即时位置点，再根据预先训练的SVM回归模型，对各个时刻重要目标对应的位置点进行回归拟合，将各个时刻的坐标点代入到预先训练的SVM回归模型的各个归回返程中，根据各个回归方程的回归拟合程度找出与重要目标运动轨迹拟合的曲线，根据拟合的曲线预测重要目标的预测目标点即最终的终点。
步骤S106、基于第二位置点集合对次要目标进行跟踪，预测次要目标的第二预测目标点，根据第二位置点集合以及所述第二预测目标点形成次要目标对应的第二运动轨迹。
可以理解的是，本申请通过次要目标部分位置点来建立重要目标对应的数学模型，方便对次要目标的各个时刻对应位置点进行描述，然后基于目标跟踪模型得到即时位置点对次要目标的预测目标点进行预测。
具体应用中，基于第二位置点集合对次要目标进行跟踪，预测次要目标的第二预测目标点，根据第二位置点集合以及所述第二预测目标点形成次要目标对应的第二运动轨迹，包括：
步骤S106-1、根据第二位置点集合建立次要目标对应的第二目标跟踪模型。
示例性地，根据第二位置点集合建立次要目标对应的第二目标跟踪模型，包括：
步骤S106-1-1、根据第二位置点集合选取出对应的第二基础跟踪模型；其中，所述第二基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型。其中，CV模型是指均匀直线运动模型，CA模型是指均加速运动模型，singer模型是指加速度均值为零的一阶时间相关模型，当前统计模型是指加速度均值非零的一阶时间相关模型。
步骤S106-1-2、根据下式生成第二目标跟踪模型：
Figure BDA0003432997340000121
Figure BDA0003432997340000122
其中，Xk(r2)为次要目标r2在k时刻的第二状态变量，Zk(r2)为次要目标r2在k时刻的第二量测，
Figure BDA0003432997340000131
为第二基础跟踪模型m从K-1时刻到K时刻的状态转移矩阵，
Figure BDA0003432997340000132
为第二基础跟踪模型m的系统噪声序列，
Figure BDA0003432997340000133
为第二基础跟踪模型m的量测噪声序列，
Figure BDA0003432997340000134
的协方差为
Figure BDA0003432997340000135
的协方差为
Figure BDA0003432997340000136
其中，所述第二状态变量为所述次要目标的第二加速度以及第二速度，所述第二量测为次要目标的第二位置点。
步骤S106-1-3、根据预设滤波算法对第二目标跟踪模型进行滤波，优化第二目标跟踪模型。
其中，预设滤波算法包括卡尔曼滤波算法或者平滑滤波算法。
步骤S106-2、基于第二目标跟踪模型，预测所述次要目标的第二预测目标点。
具体应用中，基于第二目标跟踪模型，预测所述次要目标的第二预测目标点，包括：
步骤S106-2-1、根据第二跟踪目标模型，确定出重要目标的第二即时位置点。
步骤S106-2-2、将第二即时位置点输入至预先训练的SVM回归模型，得到次要目标的第二预测目标点。
具体应用中，利用第二跟踪目标模型可以确定各个时刻次要目标对应的第二即时位置点，再根据预先训练的SVM回归模型，对各个时刻重要目标对应的位置点进行回归拟合，将各个时刻的坐标点代入到预先训练的SVM回归模型的各个归回返程中，根据各个回归方程的回归拟合程度找出与重要目标运动轨迹拟合的曲线，根据拟合的曲线预测次要目标的预测目标点即最终的终点。
步骤S107、平移第一运动轨迹以及第二运动轨迹至同一坐标系，生成目标运动轨迹。
可以理解的是，将重要目标的第一运动轨迹和次要目标的第一运动轨迹平移到同一坐标系，即雷达坐标系，合并为目标运动轨迹，后续显示出来方便用户查看。
本申请实施例中，在多目标扫描跟踪的应用场景下，终端设备通过区分出重要目标和次要目标，控制雷达分配不同的天线波束能量分别对不同的目标进行扫描跟踪，并预测不同的目标的预测位置点，从而得到全部目标的运动轨迹，保证对多目标扫描跟踪的提前下，提高扫描跟踪的精度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述TWS雷达目标跟踪方法，图2示出了本申请实施例提供的TWS雷达目标跟踪装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图2，该装置包括：
观测模块21，用于在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；其中，每个待确认目标对应一个初始位置点；
识别模块22，用于根据所述初始位置点识别所述待确认目标中的重要目标和次要目标；
第一控制模块23，用于控制所述雷达按第一天线波束对所述重要目标进行扫描，得到所述重要目标对应的的第一位置点集合；
第二控制模块24，用于控制所述雷达按第二天线波束对所述次要目标进行扫描，得到所述次要目标对应的第二位置点集合；
第一跟踪预测模块25，用于基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹；
第二跟踪预测模块26，用于基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹；
平移模块27，用于平移所述第一运动轨迹以及所述第二运动轨迹至同一坐标系，生成并发送目标运动轨迹至用户终端，以指示所述用户终端显示所述目标运动轨迹至用户。
在一种可能实现的方式中，所述识别模块包括：
映射子模块，用于将所述初始位置点从雷达坐标系映射至图像坐标系；
采集子模块，用于根据所述图像坐标系下的初始位置点采集摄像机拍摄的待确认目标对应的待处理图像；其中，每个待确认目标对应一个所述待处理图像；
检测子模块，用于将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标。
在一种可能实现的方式中，所述预先训练的目标检测模型包括预先训练的特征提取子模型以及预先训练的判定模型；
所述检测子模块包括：
提取单元，用于将所述待处理图像输入至预先训练的特征提取子模型中，输出特征图像；
识别单元，用于根据预设的特征描述子识别所述特征图像中的特征点；
编码单元，用于根据预设编码方式对所述特征点进行编码，得到特征向量；
判定单元，用于将所述特征向量输入至预先训练的判定模型，得到所述待确认目标中的重要目标和次要目标。
在一种可能实现的方式中，所述第一跟踪预测模块包括：
第一跟踪子模块，用于根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型；
第一预测子模块，用于基于所述目标第一跟踪模型，预测所述重要目标的第一预测目标位置点。
在一种可能实现的方式中，所述第二跟踪预测模块包括：
第二跟踪子模块，根据所述第二位置点集合建立次要目标对应的第二目标跟踪模型；
第二预测子模块，基于第二目标跟踪模型，预测所述次要目标的第二预测目标位置点。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图3为本申请提供的终端设备的结构示意图。如图3所示，该实施例的终端设备3包括：至少一个处理器30、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意各个方法实施例中的步骤。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的举例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种TWS雷达目标跟踪方法，其特征在于，包括：
在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；其中，每个待确认目标对应一个初始位置点；
根据所述初始位置点识别所述待确认目标中的重要目标和次要目标；
控制所述雷达按第一天线波束对所述重要目标进行扫描，得到所述重要目标对应的的第一位置点集合；
控制所述雷达按第二天线波束对所述次要目标进行扫描，得到所述次要目标对应的第二位置点集合；
基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹；
基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹；
平移所述第一运动轨迹以及所述第二运动轨迹至同一坐标系，生成目标运动轨迹。
2.如权利要求1所述的TWS雷达目标跟踪方法，其特征在于，根据所述初始位置点识别所述待确认目标中的重要目标和次要目标，包括：
将所述初始位置点从雷达坐标系映射至图像坐标系；
根据所述图像坐标系下的初始位置点采集摄像机拍摄的待确认目标对应的待处理图像；其中，每个待确认目标对应一个所述待处理图像；
将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标。
3.如权利要求2所述的TWS雷达目标跟踪方法，其特征在于，所述预先训练的目标检测模型包括预先训练的特征提取子模型以及预先训练的判定模型；
将所述待确认目标对应的待处理图像输入至预先训练的目标检测模型中，输出所述待确认目标中的重要目标和次要目标，包括：
将所述待处理图像输入至预先训练的特征提取子模型中，输出特征图像；
根据预设的特征描述子识别所述特征图像中的特征点；
根据预设编码方式对所述特征点进行编码，得到特征向量；
将所述特征向量输入至预先训练的判定模型，得到所述待确认目标中的重要目标和次要目标。
4.如权利要求1-3任一项所述的TWS雷达目标跟踪方法，其特征在于，基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹，包括：
根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型；
基于所述目标第一跟踪模型，预测所述重要目标的第一预测目标位置点。
5.如权利要求4所述的TWS雷达目标跟踪方法，其特征在于，根据所述第一位置点集合建立所述重要目标对应的第一目标跟踪模型，包括：
根据第一位置点集合选取出对应的第一基础跟踪模型；其中，所述第一基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型；
根据下式生成第一目标跟踪模型：
Figure FDA0003432997330000021
Figure FDA0003432997330000022
其中，Xk(r1)为重要目标r1在k时刻的第一状态变量，Zk(r1)为重要目标r1在k时刻的第一量测，
Figure FDA0003432997330000023
为基础跟踪模型j从K-1时刻到K时刻的状态转移矩阵，
Figure FDA0003432997330000031
为第一基础跟踪模型j的系统噪声序列，
Figure FDA0003432997330000032
为模型j的量测噪声序列
Figure FDA0003432997330000033
的协方差为
Figure FDA0003432997330000034
Figure FDA00034329973300000314
的协方差为
Figure FDA0003432997330000035
其中，所述第一状态变量为所述重要目标的第一加速度以及第一速度，所述第一量测为所述重要目标的第一位置点；
根据预设滤波算法对所述第一目标跟踪模型进行滤波，优化所述第一目标跟踪模型。
6.如权利要求1-3任一项所述的TWS雷达目标跟踪方法，其特征在于，基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹，包括：
根据所述第二位置点集合建立所述次要目标对应的第二目标跟踪模型；
基于所述第二目标跟踪模型，预测所述次要目标的第二预测目标位置点。
7.如权利要求6所述的TWS雷达目标跟踪方法，其特征在于，根据所述第二位置点集合建立所述次要目标对应的第二目标跟踪模型，包括：
根据第二位置点集合选取出对应的第二基础跟踪模型；其中，所述第二基础跟踪模型为以下任意一种模型中的一种：CV模型、CA模型、singer模型或者当前统计模型；
根据下式生成第二目标跟踪模型：
Figure FDA0003432997330000036
Figure FDA0003432997330000037
其中，Xk(r2)为次要目标r2在k时刻的第二状态变量，Zk(r2)为次要目标r2在k时刻的第二量测，
Figure FDA0003432997330000038
为第二基础跟踪模型m从K-1时刻到K时刻的状态转移矩阵，
Figure FDA0003432997330000039
为第二基础跟踪模型m的系统噪声序列，
Figure FDA00034329973300000310
为第二基础跟踪模型m的量测噪声序列，
Figure FDA00034329973300000311
的协方差为
Figure FDA00034329973300000312
Figure FDA00034329973300000315
的协方差为
Figure FDA00034329973300000313
其中，所述第二状态变量为所述次要目标的第二加速度以及第二速度，所述第二量测为所述次要目标的第二位置点；
根据预设滤波算法对所述第二目标跟踪模型进行滤波，优化所述第二目标跟踪模型。
8.一种TWS雷达目标跟踪装置，其特征在于，包括：
观测模块，用于在预设范围内，观测雷达扫描到的待确认目标对应的初始位置点；其中，每个待确认目标对应一个初始位置点；
识别模块，用于根据所述初始位置点识别所述待确认目标中的重要目标和次要目标；
第一控制模块，用于控制所述雷达按第一天线波束对所述重要目标进行扫描，得到所述重要目标对应的的第一位置点集合；
第二控制模块，用于控制所述雷达按第二天线波束对所述次要目标进行扫描，得到所述次要目标对应的第二位置点集合；
第一跟踪预测模块，用于基于所述第一位置点集合对所述重要目标进行跟踪，预测所述重要目标的第一预测目标位置点，根据所述第一位置点集合以及所述第一预测目标位置点形成所述重要目标对应的第一运动轨迹；
第二跟踪预测模块，用于基于所述第二位置点集合对所述次要目标进行跟踪，预测所述次要目标的第二预测目标位置点，根据所述第二位置点集合以及所述第二预测目标位置点形成所述次要目标对应的第二运动轨迹；
平移模块，用于平移所述第一运动轨迹以及所述第二运动轨迹至同一坐标系，生成并发送目标运动轨迹至用户终端，以指示所述用户终端显示所述目标运动轨迹至用户。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
CN202111600654.4A 2021-12-24 2021-12-24 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质 Pending CN114460571A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111600654.4A CN114460571A (zh) 2021-12-24 2021-12-24 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111600654.4A CN114460571A (zh) 2021-12-24 2021-12-24 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质

Publications (1)

Publication Number Publication Date
CN114460571A true CN114460571A (zh) 2022-05-10

Family

ID=81407865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111600654.4A Pending CN114460571A (zh) 2021-12-24 2021-12-24 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质

Country Status (1)

Country Link
CN (1) CN114460571A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达

Similar Documents

Publication Publication Date Title
Bhanu et al. Image understanding research for automatic target recognition
US8718323B2 (en) Batch detection association for enhanced target descrimination in dense detection environments
CN111612852A (zh) 用于验证相机参数的方法和装置
CN113933790A (zh) 一种相控阵雷达工作模式的反演识别方法、装置及介质
CN114460571A (zh) 一种tws雷达目标跟踪方法、装置、服务器及可读存储介质
CN113391305A (zh) 多雷达融合的虚假目标抑制方法、装置及终端设备
Xu et al. FollowUpAR: Enabling follow-up effects in mobile AR applications
CN106054190B (zh) 基于频谱优化建模的双基地前视sar频域成像方法
CN112184828B (zh) 激光雷达与摄像头的外参标定方法、装置及自动驾驶车辆
Kim et al. Deep-learning based multi-object detection and tracking using range-angle map in automotive radar systems
CN112990170B (zh) 一种相控阵雷达目标识别方法、系统、电子设备及介质
CN115685219A (zh) 基于激光扫描的目标探测方法、装置及目标探测终端
You et al. UAV-Pose: A Dual Capture Network Algorithm for Low Altitude UAV Attitude Detection and Tracking
CN115525053A (zh) 一种机器人的运行方法及机器人
Huang et al. Methods on visual positioning based on basketball shooting direction standardisation
CN114820697A (zh) 使用静止状态模型的交互多模型跟踪算法
KR102047979B1 (ko) W대역 밀리미터파 공대지레이더에서 표적의 물리적인 특성이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법
CN113822372A (zh) 基于YOLOv5神经网络的无人机检测方法
CN112966658A (zh) 机器人导航方法、装置、终端设备及计算机可读存储介质
Chang et al. Radar and image fusion for power line detection in UAV applications
Yoo et al. Multi-target tracking with multiple 2D range scanners
Woznica et al. RF indoor positioning system supported by wireless computer vision sensors
CN112578354A (zh) 确定目标物方位角的方法、计算机设备和存储介质
Meiresone et al. Ego-motion estimation with a lowpower millimeterwave radar on a UAV
Shankar et al. A low-cost monocular vision-based obstacle avoidance using SVM and optical flow

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