JP4127056B2

JP4127056B2 - Parallel multi-target tracking device

Info

Publication number: JP4127056B2
Application number: JP2003008005A
Authority: JP
Inventors: 裕幸佐藤; 勝己高橋
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2003-01-16
Filing date: 2003-01-16
Publication date: 2008-07-30
Anticipated expiration: 2023-01-16
Also published as: JP2004219299A

Description

【０００１】
【発明の属する技術分野】
本発明は、レーダにおける複数目標物の追尾手法として、ＪＰＤＡ（ＪｏｉｎｔＰｒｏｂａｂｉｌｉｓｔｉｃＤａｔａＡｓｓｏｃｉａｔｉｏｎ）やＭＨＴ（ＭｕｌｔｉｐｌｅＨｙｐｏｔｈｅｓｉｓＴｒａｃｋｉｎｇ）のような複数の目標物の組み合わせを想定した追尾方法を採用する並列多目標追尾装置において、処理を分散する装置に関するものである。
【０００２】
【従来の技術】
多目標追尾を行う従来の追尾方法としては、ＪＰＤＡやＭＨＴのように目標物の予測領域を生成し、入力された観測点と上記目標物の予測領域の全ての組み合わせを求め、これらの組み合わせのそれぞれについて目標物の持つ情報（航跡）の更新を行う処理を行う方法がある。このような方法では、複数存在する目標物に対して観測点も複数存在するので、それぞれの観測点と複数の目標物との対応関係（組み合わせ）も複数通り存在する。そこで、このような複数の組み合わせのそれぞれについて航跡の更新を高速に行うために、並列処理技術が用いられることがある。
【０００３】
ここで、そのような処理を並列処理するための技術として、目標物と観測点の組み合わせを探索木として表し、その節を並列処理単位としてタスク処理部に並列処理させる方法がある（例えば、特許文献１や特許文献２）。
【０００４】
【特許文献１】
特開２００１−９９９２１「並列多目標追尾装置」（第４−９頁、第１図）
【０００５】
【特許文献２】
特開２００１−９９９２５「並列多目標追尾装置」（第４−９頁、第１図）
【０００６】
【発明が解決しようとする課題】
従来の「並列多目標追尾装置」では、観測点と目標物の予測領域の全ての組み合わせを探索木として表し、節を単位として各タスク処理部に分配する構成としているが、それらの組み合わせの最大数は（Ｔ＋１）のＹ乗（ただし、Ｔは目標物の数でＹは観測点の数）となって、膨大となるため、それぞれの節の処理を並列処理しても、一定時間内に処理できるとは限らない。
【０００７】
また、これらの方法では、並列処理の単位を探索木の節としているので、全ての組み合わせの数に対して採用すべき組み合わせの数が少ない場合、処理した組み合わせのほとんどが採用されない組み合わせのための処理となるために、無駄な処理に計算機資源を費やす結果となり、並列処理しても高速化できないという問題点があった。
【０００８】
本発明は上記のような問題点を解決するためになされたもので、並列処理の単位を探索木の節ではなく、組み合わせの探索処理とすることで、Ｎベスト探索においても並列処理の効果を上げ、高速化することを目的とするものである。
【０００９】
【課題を解決するための手段】
本発明に係る並列他目標追尾装置は、
複数の目標物の移動を予測し、その予測結果に応じて予測領域を生成する予測領域生成手段と、
レーダから入力された観測点情報と、前記予測領域生成手段が生成し目標物予測領域からクラスタを生成するクラスタ生成手段と、
前記クラスタ生成手段が生成したクラスタ内の目標物予測領域と観測点の組み合わせから、所定の個数の信頼度の高い組み合わせを探索して出力する組み合わせ探索手段と、
前記組み合わせ探索手段が出力した組み合わせに基づいて前記目標物の情報を更新し、それを追尾結果として出力すると共に、前記目標物の移動予測のために前記予測領域生成手段に入力する目標物航跡更新手段と、
を備える並列多目標追尾装置であって、
前記目標物予測領域と前記観測点の組み合わせの一部である部分的な組み合わせについて探索処理を行い、信頼度の高い部分的な組み合わせを選択して出力する複数のタスク処理手段と、
複数の前記部分的な組み合わせを前記複数のタスク処理手段に割り付ける負荷分散手段と、
をさらに備え、
前記組み合わせ探索手段は、前記クラスタ生成手段が生成したクラスタ内の目標物予測領域と観測点の組み合わせから複数の前記部分的な組み合わせを生成して前記負荷分散手段に出力し、前記複数のタスク処理手段が出力する部分的な組み合わせのうち、所定の個数の信頼度の高い組み合わせを探索して出力するものである。
【００１０】
【発明の実施の形態】
以下、本発明の実施の形態について述べる。
実施の形態１．
図１は、本発明の実施の形態１における並列多目標追尾装置の構成を示したものである。図において、入力線１−１は、観測点を入力する。予測領域生成手段１−２は、目標物の移動を予測し、その予測に応じて、予測範囲を生成する。クラスタ生成手段１−３は、観測点と予測領域からクラスタを生成する。組み合わせ探索手段１−４は、生成されたクラスタ内の目標物予測領域と観測点の組み合わせの中である決められた個数の信頼度の高い組み合わせのみを探索する。タスク処理手段１−５ａ〜１−５ｄは、個々の探索処理を行なう部位であって、それぞれがＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ：中央演算装置）またはＣＰＵを搭載したコンピュータによって構成される。目標物航跡更新手段１−６は、組み合わせ探索手段の処理結果に基づいて、目標物の持つ情報（航跡）の更新を行なう。出力線１−７は、本装置の追尾結果である目標物航跡更新手段１−６の出力を表している。転送線１−８ａ〜１−８ｅは、各手段の処理結果の転送を行う。負荷分散手段１−９は、個々の探索処理をタスク処理手段１−５ａ〜１−５ｄに分配する。
【００１１】
次に本追尾装置の処理について、ＪＰＤＡを用いる場合を例として説明する。図２は、ＪＰＤＡにおける目標物と観測点の関係の例を示したものである。図において、
・ｔ（１）とｔ（２）は目標物の予測座標、この予測座標を中心とする楕円は、予測範囲
・ｙ（１）〜ｙ（４）は観測点の座標
を示している。
【００１２】
まずレーダから、これらの観測点についての観測点情報が、入力線１−１を介してクラスタ生成手段１−３に入力される。また、予測領域生成手段１−２は、内部で保持している目標物の情報（座標や速度など）から、観測点が観測された時間に対応する目標物の予測座標ｔ（１），ｔ（２）と、存在確率が一定の値以上となる予測領域（図２の楕円）とを算出し、これらを転送線１−８ａを介して、同じくクラスタ生成手段１−３に出力する。
【００１３】
次に、クラスタ生成手段１−３は、複数の目標物の予測領域と観測点の含有関係を調べ、複数の予測領域に含まれる観測点が存在する場合に、その観測点を含有する予測領域同士を結合して、１つのクラスタを生成し、このクラスタの情報（観測点と目標物の予測領域）を、転送線１−８ｂを介して組み合わせ探索手段１−４に出力する。図２では、観測点ｙ（２）が２つの予測領域に含まれるため、この２つを１つのクラスタとして結合する。
【００１４】
続いて、組み合わせ探索手段１−４は、負荷分散手段１−９とタスク処理手段１−５ａ〜１−５ｄを用いて、観測点と目標物の予測領域の組み合わせの中から、信頼度の高い順に所定の個数の組み合わせを生成する。図４は、観測点と目標物の予測領域の組み合わせの中から、信頼度の高い順に所定の個数の組み合わせを生成する処理のフローチャートである。図のステップＳ４０１において、組み合わせ探索手段１−４は観測点と目標物の予測領域の組み合わせを生成する。
【００１５】
ここで、観測点と目標物の予測領域の組み合わせは、次のように求められる。図３は、図２に示した目標物の予測座標と観測点の座標の関係を示す行列Ωを示すものである。行列Ωの行方向の成分１〜４はそれぞれｙ（１）〜ｙ（４）に対応するものである。一方、列方向の成分０，１，２は次のような意味を有している。すなわち成分０は、観測点ｙ（ｋ）（ｋ＝１，２，３，４）がどの目標物にも対応していないことを意味する。そして成分１と成分２は、それぞれ目標物ｔ（１）およびｔ（２）である。各行列の成分の値は可能性の有無を示すもので、成分の値が０である組合せは可能性なし、そして成分の値が１である組合せは可能性ありであることを意味する。したがって列成分０はすべての行にわたって１となっているが、これはどの観測点も目標物に対応していない可能性があることを示している。また例えば行成分２（ｙ（２）に対応する）は目標物ｔ（１）およびｔ（２）のいずれにも対応しうる可能性があることを示している。
【００１６】
以上を総合すると、次のようになる。すなわち、
・観測点ｙ（１）は、目標物ｔ（２）、もしくは、対応する目標無しである。
・観測点ｙ（２）は、目標物ｔ（１）、もしくは、目標物ｔ（２）、もしくは、対応する目標無しである。
・観測点ｙ（３）は、目標物ｔ（１）、もしくは、対応する目標無しである。
・観測点ｙ（４）は、目標物ｔ（１）、もしくは、対応する目標無しである。
【００１７】
以上のようなクラスタの情報に基づき、組み合わせ探索手段１−４は、組み合わせの探索処理を生成する。すなわち上記を満たす次のような目標物と観測点の組み合わせについて、探索処理を生成する。
・ｔ（１）がｙ（２）で、ｔ（２）がｙ（１）のケース
・ｔ（１）がｙ（２）で、ｔ（２）が対応なしのケース
・ｔ（１）がｙ（３）で、ｔ（２）がｙ（１）のケース
・ｔ（１）がｙ（３）で、ｔ（２）がｙ（２）のケース
・ｔ（１）がｙ（３）で、ｔ（２）が対応なしのケース
・ｔ（１）がｙ（４）で、ｔ（２）がｙ（１）のケース
・ｔ（１）がｙ（４）で、ｔ（２）がｙ（２）のケース
・ｔ（１）がｙ（４）で、ｔ（２）が対応なしのケース
・ｔ（１）が対応なしで、ｔ（２）がｙ（１）のケース
・ｔ（１）が対応なしで、ｔ（２）がｙ（２）のケース
・ｔ（１）が対応なしで、ｔ（２）が対応なしのケース
【００１８】
次にステップＳ４０２において、負荷分散手段１−９は、組み合わせ探索手段１−４が生成した組み合わせを、転送線１−８ｆを介して取り込み、各タスク処理手段１−５ａ〜１−５ｄに分配する。ここでのタスク分配の方法については、後述する。
【００１９】
次にステップＳ４０３において、タスク処理手段１−５ａ〜１−５ｄは、組み合わせ探索手段１−４によって生成され組み合わせであって、負荷分散手段１−９がタスク処理手段１−５ａ〜１−５ｄに分配した処理を並列実行する。この処理は、組み合わせ探索手段１−４が生成した組み合わせに対して信頼度を算出する処理である。そこで、本処理の内容を、以下に説明する。
【００２０】
まず、最も信頼度の高い組み合わせを探索する。最も信頼性の高い組み合わせを探索する最も単純な方法は、次のようなものである。すなわち、初めに目標物と観測点の組み合わせの中から、任意の組み合わせを１つ生成し（以下、組み合わせＡとする）、その信頼度を仮の最適解として記憶しておく。次に、組み合わせＡにおける個々の観測点の信頼度の逆数の合計値を、組み合わせＡについて求める。そして、その他の組み合わせ（以下、組み合わせＢとする）を生成し、組み合わせＢの各観測点の信頼度の逆数を組み合わせＢについて加算していき、組み合わせＢの信頼度の逆数の和（途中経過）が仮の最適解の信頼度の逆数の合計値より大きくなった場合に、その探索を打ち切る。また組み合わせＢの観測点すべてについて、信頼度の逆数を合計してもなお、組み合わせＡの信頼度の逆数の合計よりも小さい場合には、組み合わせＢを新たな仮の最適解として、その他の組み合わせとの比較処理を続行する。信頼度は負数となることがないので、仮の最適解の信頼度の逆数の合計値と他の組み合わせの信頼度の和算の途中経過を比較することで、全ての組み合わせを探索する必要がなくなる。
【００２１】
上記において、組み合わせ探索手段１−４が仮の最適解を求めておき、タスク処理手段１−５ａ〜１−５ｄは、この仮の最適解を参照して不必要な演算を省略するようにしてもよい。
【００２２】
または、"ＡｎＥｘｔｅｎｓｉｏｎｏｆｔｈｅＭｕｎｋｒｅｓＡｌｇｏｒｉｔｈｍｆｏｒｔｈｅＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍｔｏＲｅｃｔａｎｇｕｌａｒＭａｔｒｉｃｅｓ"，Ｆ.ＢｏｕｒｇｅｏｉｓａｎｄＪ−ＣＬａｓｓａｌｌｅ，ＣｏｍｍｕｎｉｃａｔｉｏｎｏｆｔｈｅＡＣＭ，Ｄｅｃ. １９７１Ｖｏｌ.１４，Ｎｏ.１２“に記載されたアルゴリズム（本探索問題を競合が起きている部分から解きほぐしていくという方法）を用いてもよい。
【００２３】
次にステップＳ４０４において、組み合わせ探索手段１−４はタスク処理手段１−５ａ〜１−５ｄの算出した信頼度を、転送線１−８ｃ及び１−８ｆを介して受け取り、信頼度の高い順に組み合わせを所定の個数選択する。この処理を、図５に示すような目的物と観測点の組み合わせを表す樹形図を用いて、具体的に説明する。図５は、図２で示した観測点ｙ（１）〜ｙ（４）が対応しうる目標物を樹形図として表したものである。図において、楕円に囲まれた符号のうち、Ｃは対応する目標物がない状態を表している。またｔ（１）とｔ（２）はそれぞれ２つの目標物を表している。ｒｏｏｔは樹形図のルートを表すものである。図は、例えば観測点ｙ（１）が目標物に対応しない場合（Ｃ）、あるいは目標物ｔ（２）に対応する場合のいずれかの２つの可能性があることを示している。また観測点ｙ（１）が目標物ｔ（２）に対応する場合には、観測点ｙ（２）が、目標物に対応しない場合（Ｃ）、あるいは目標物ｔ（１）に対応する場合の、さらに２つの可能性があることを示している。
【００２４】
図では、タスク処理手段１−５ａ〜１−５ｄに算出させた信頼度を評価した結果として、太線５−１によって結合された組み合わせが、最も信頼度の高い組み合わせであるものとする。次に、組み合わせ探索手段１−４は、この太線５−１を除いた組み合わせの中から、それぞれの部分木（部分的な組み合わせ）での最も信頼度の高い組み合わせを探索し、その中で最も信頼度の高い組み合わせを、全体の中で２番目に信頼度の高い組み合わせとする。図６は、図５の樹形図から太線５−１と太線５−１によって特定される最後の要素ｙ（４）に対応する観測点を取り除いた樹形図である。この樹形図は、５−２、５−３、５−４、５−５の部分木から構成される。また図６においても、最も信頼度の高い組み合わせは太線で示されており、太線５−６で示す組み合わせが最も高い組み合わせであるものとする。太線５−６は、タスク処理手段１−５ａ〜１−５ｄに算出させた信頼度に基づいて求めたものである。
【００２５】
組み合わせ探索手段１−４は、さらにこの太線５−６を除いた組み合わせの中から、それぞれの部分木での最も信頼度の高い組み合わせを探索する。図７は、図６の太線５−６で表される組み合わせを除いた部分木による樹形図である。そして、５−７、５−８及び５−９で最も信頼度の高い組み合わせを探索し、既に求められている５−２、５−３、５−４の中の最も信頼度の高い組み合わせと合わせて、その中で最も信頼度の高い組み合わせを、全体の中で３番目に最も信頼度の高い組み合わせとする。これを予め決められた個数の組み合わせを求めるまで繰り返す。以上が、組み合わせ探索手段１−４によって、信頼度の高い順に所定の個数の組み合わせを生成する方法である。なお、この例では目標物と観測点が少ないので、説明のために樹形図上では全ての組み合わせを木として展開している。しかし現実には、より多くの目標物と観測点を有しており、組み合わせが多数となるため、処理上はこのような樹形図の展開はなされない。
【００２６】
以上のように負荷分散手段１−９は、並列処理の分配単位として樹形図の探索木の節を用いずに、部分的な組み合わせを用いているので、最終的に採用される解に対応する処理が分散されて実行されることとなる結果、無駄な処理が少なくなり、効率的に実行できる。
【００２７】
次に、負荷分散手段１−９における負荷の分散方法について説明する。組み合わせ探索手段１−４は、最も信頼度の高い組み合わせを取得した後、組み合わせ全体の中から、その組み合わせを除いた部分木に分割し、負荷分散手段１−９にその分割した部分木を渡す。その場合において、負荷分散手段１−９は、組み合わせ探索手段１−４から渡された部分木をタスク処理手段１−５ａ〜５ｄに１つずつ順番に分配する。例えば、部分木が１０個あれば、１つ目の部分木をタスク処理手段１−５ａへ、２つ目の部分木をタスク処理手段１−５ｂへと順に分配し、５つ目の部分木を再びタスク処理手段１−５ａへ割り付けていく。これにより、各タスク処理手段は、それぞれ２つの部分木の探索処理を行うことになる。以上が図４のフローチャートの説明である。
【００２８】
組み合わせ探索手段１−４は、タスク処理手段１−５ａ〜１−５ｄから送られてきた処理結果（「目標物と各観測点の対応関係についての重み付け」）を集計して、転送線１−８ｄを介して目標物航跡更新手段１−６に送る。続いて、目標物航跡更新手段１−６は、送られた個々の組合せ可能性を基に、目標物の情報を更新する。ここで更新された目標物の情報は、出力線１−７を介して出力され、転送線１−８ｅを介して予測領域生成手段１−２へも送られる。予測領域生成手段１−２は、更新された目標物の情報に基づいて、再び各目標物について移動予測を行ない、その予測領域を生成する。本追尾装置は、以上の動作を繰り返すことによって、追尾装置として動作する。
【００２９】
以上より明らかなように、実施の形態１による並列多目標追尾装置によれば、観測点と目標物との組み合わせを並列処理の単位として負荷分散することとし、負荷分散手段１−９がタスク処理手段１−５ａ〜１−５ｄに均等な個数になるように部分木の探索処理を分配することとしたので、各タスク処理での処理時間が確率的に均等となり、効率的に探索ができる、という効果を奏する。また、分配方法が非常に単純なので、負荷分配のオーバヘッドが少ない、という効果を奏する。
【００３０】
なお本追尾装置では、タスク処理手段１−５ａ〜１−５ｄのように４つのタスク処理手段が存在する場合について処理方法を示したが、タスク処理手段の個数は４つに限定されるわけではないことは、いうまでもない。
【００３１】
実施の形態２．
実施の形態１では、部分木の個数が均等になるように、タスク処理部１−５ａ〜１−５ｄに処理を分配したが、処理の負荷を均等にするような分配方法を採用してもよい。すなわち、負荷分散手段１−９は、組み合わせ探索手段１−４から渡された各部分木について、それぞれの探索に必要とされる予測負荷量を算出する。次に、その予測負荷量の合計値をタスク処理手段の個数で割ることにより、各タスク処理手段が担当する負荷量を算出する。そして、タスク処理手段１−５ａに部分木の先頭から１つのタスク処理手段が担当する処理能力量まで部分木を分配する。これをタスク処理手段１−５ｂ〜１−５ｄについても繰り返す。
【００３２】
このように負荷分散手段１−９が、各部分木の処理負荷を予測し、各タスク処理手段の負荷量を算出して、さらに各タスク処理手段の処理負荷が均等になるように部分木の探索処理をタスク処理手段１−５ａ〜１−５ｄに分配するので、各タスク処理の処理時間が均等となり、効率的に探索ができる、という効果がある。
【００３３】
次に、各部分木の処理負荷の予測方法について説明する。各部分木において、最も信頼度の高い組み合わせを見つけるまでの処理の負荷を厳密に見積もることは困難である。処理量は、処理するデータの量だけでなく、データの内容によっても異なってくるからである。例えば、個々の観測点と目標物の予測領域との最適な組み合わせで競合が起きなければ直ぐに探索できるし、競合が多ければその競合を解くのに時間がかかる。
【００３４】
そこで、ここでは部分木の高さ、すなわちその部分木が扱う観測点の数に基づいて、探索負荷を予測することとする。探索処理は、観測点の組み合わせについての信頼度を算出する処理を含むので、個々の観測点の信頼度を算出することになる。したがって観測点の数が多いほど、部分木の探索負荷が高くなることが予測できる。
【００３５】
以上のように各部分木の処理負荷を部分木の高さで予測し、負荷分散手段１−９が、予測負荷を基に各タスク処理手段の処理負荷が均等になるように、部分木の探索処理をタスク処理手段１−５ａ〜１−５ｄに分配するので、負荷の予測に要するオーバヘッドが少なくすることができ、かつ各タスク処理での処理時間が均等となって、効率的に探索ができる、という効果を奏する。
【００３６】
実施の形態３．
実施の形態２では、部分木の探索処理負荷を部分木の高さに基づいて予測することとしたが、部分木のノードの数を予測し、この数に基づいて負荷を予測してもよい。部分木の探索は、部分木のノードを辿ることであると考えると、部分木のノードの数が増えるにつれて、処理負荷も増大するからである。
【００３７】
しかし、部分木を全て辿ることによってノードの数を算出すると、結果的に全ての組み合わせを探索することになり、処理負荷の軽減につなげることができない。そこで、樹形図の各段、すなわち各観測点毎に子ノードの総数が幾つになるかを予測することにする。部分木における各節の子ノードの数は、子供に対応する観測点を含む目標物の予測領域の数＋１が最大値となる。＋１は観測点がクラッタである場合を考慮したものである。そこで、部分木の探索負荷をその部分木の先頭の観測点を除いた各観測点を含む目標物の予測領域の数＋１を乗じた数とする。先頭の観測点を除く理由は、先頭の観測点がその部分木のルートに相当するためである。例えば、図７の５−２の部分木では、ｙ（２）を含む目標物の予測領域の数は２つであり、ｙ（３）を含む目標物の予測領域の数は１つであって、ｙ（４）を含む目標物の予測領域の数は１つなので、予測ノード数は（２＋１）×（１＋１）×（１＋１）＝１２となる。
【００３８】
なお、５−２を見れば分かるように、実際にはノードの数は９個である。このように予測と実測で結果が相違するのは、図７は信頼度の高い所定の個数の組み合わせを除いた部分木を示すものであり、その過程で取り除かれたノードを考慮しないからである。しかしノード数の予測において、そこまで考慮してノードの数を算出しようすると、結果的に部分木のノードを探索することとなってしまい、予測に要するオーバヘッドが高くなりすぎる。したがって、そのような相違を無視することにし、単純な乗算のみで負荷を予測することとする。
【００３９】
以上のように各部分木の処理負荷を部分木の最上位を除いた各節に対応する観測点を含む目標物の予測領域の数＋１を乗じた数で見積もりこととしたので、少ないオーバヘッドでより正確に予測できる、という効果がある。
【００４０】
実施の形態４．
実施の形態１乃至実施の形態３では、タスク処理手段１−５ａ〜１−５ｄが探索処理を行う前に、負荷分散手段１−９が探索処理を行う前に部分木の負荷予測を行い、タスク処理手段１−５ａ〜５ｄに分配することとしたが、タスク処理手段１−５ａ〜１−５ｄが探索処理を行いながら、その負荷状況に応じて負荷分散手段１−９が部分木の探索処理を分配するようにしてもよい。
【００４１】
負荷分散手段１−９は、組み合わせ探索手段１−４から処理すべき部分木を取得すると、タスク処理手段１−５ａ〜１−５ｄに部分木を負荷量が均等になるように分配する。ここで、この負荷量は、実施の形態２及び実施の形態３で述べたように、部分木の数、各部分木の高さの合計値、各部分木の節に対応する観測点を含む目標物の予測領域の数＋１を乗じた値、に基づいて算出する方法が考えられる。負荷分散手段１−９が処理を分配すると、タスク処理手段１−５ａ〜１−５ｄは、分配された部分木の探索処理を１つずつ行う。
【００４２】
一方、負荷分散手段１−９は、転送線１−８ｃを介してタスク処理手段１−５ａ〜１−５ｄに負荷の報告要求を出す。これに対して、タスク処理手段１−５ａ〜１−５ｄはその要求に応えて負荷状況を負荷分散手段１−９に報告する。ここで、負荷状況は、各タスク処理手段がまだ処理していない部分木の負荷量の合計値とする。ここでの負荷量は、前述した負荷量と同じ意味であって、部分木の数、各部分木の高さの合計値、各部分木の節に対応する観測点を含む目標物の予測領域の数＋１を乗じた値などである。
【００４３】
次に、負荷分散手段１−９は、タスク処理手段１−５ａ〜１−５ｄからの負荷状況の報告を受け取ると、その情報を基に、タスク処理手段１−５ａ〜１−５ｄの負荷が均等になるように、タスク処理手段１−５ａ〜１−５ｄに対して、他のタスク処理手段に部分木の探索処理を移動するよう要求する。例えば、各タスク処理手段１−５ａ〜１−５ｄからの負荷状況の報告がそれぞれ３０，５０，４０，４０であったとする。これにより、全ての未処理の探索処理量は３０＋５０＋４０＋４０＝１６０なので、４つのタスク処理手段へ均等化した場合、各タスク処理手段の担当すべき負荷量は４０ずつとなる。そこで、負荷分散手段１−９は、転送線１−８ｃを介して、タスク処理手段１−５ｂに負荷量１０の探索処理をタスク処理手段１−５ａに移動するよう指示する。なお、タスク処理手段１−５ｂに負荷量が１０に等しい探索処理がない場合は、１０に最も近い探索処理をタスク処理手段１−５ａに移動する。これにより、タスク処理手段１−５ａ〜１−５ｄの未処理の探索処理量がおよそ４０ずつとなる。このように、負荷分散手段１−９とタスク処理手段１−５ａ〜１−５ｄは、負荷状況の収集とそれによる各タスク処理手段間の探索処理の移動を定期的に行なう。
【００４４】
上記より明らかなように、実施の形態４における並列多目標追尾装置によれば、各タスク処理手段の未処理の探索処理量が定期的に均等化されるので、部分木の探索処理以外の処理が各タスク処理手段と同一マシン上で行われていても、各タスク処理手段の全ての探索処理がほぼ同じ時間で終了し、最適な負荷分散となる、という効果を奏する。
【００４５】
実施の形態５．
実施の形態４では、負荷分散手段１−９が負荷分散のタイミングの主導権を取り、定期的に各タスク処理手段の負荷を均等化して、各タスク処理手段での探索処理をほぼ同じ時間で終了させるというものであるが、タスク処理手段が負荷分散のタイミングの主導権を取り、負荷分散手段へ処理の転送要求を行なうようにしてもよい。
【００４６】
すなわち、負荷分散手段１−９は、組み合わせ探索手段１−４から処理すべき部分木が渡されたら、タスク処理手段１−５ａ〜１−５ｄに部分木を最初に１つだけ順に分配し（その結果、４つの部分木が分配される）、分配できなかった残った５つ目以降の部分木を保持しておく。タスク処理手段１−５ａ〜１−５ｄは、それぞれの部分木の探索処理を終了すると処理結果を負荷分散手段１−９を介して組み合わせ探索手段１−４へ返すと共に、負荷分散手段１−９に次の処理、すなわち、別の部分木の探索処理の転送を要求する。負荷分散手段１−９は、その部分木の探索処理の転送要求を受け取ると、要求を出したタスク処理手段へ保持しておいた１つの部分木の探索処理を与える。以上を全ての部分木の探索処理がなくなるまで繰り返す。
【００４７】
上記より明らかなように、実施の形態５における並列多目標追尾装置によれば、各タスク処理手段が処理すべき処理がなくなり次第、次の処理の転送要求を負荷分散手段１−９へ出すので、部分木の探索処理以外の処理が各タスク処理手段と同一マシン上で行われていても、各タスク処理手段の全ての探索処理がほぼ同じ時間で終了し、最適な負荷分散となる、という効果を奏する。
【００４８】
また、負荷分散手段１−９による定期的な負荷状況の収集処理が必要ないので、負荷分散のオーバヘッドが抑制できるため、１つの部分木の探索処理に対応する処理量が小さい場合にも適用できる、という効果を奏する。
【００４９】
実施の形態６．
実施の形態５では、各タスク処理手段１−５ａ〜１−５ｄは１つの部分木の探索処理が完了してから次の部分木の探索処理の転送要求を負荷分散手段１−９に出す方法について述べたが、タスク処理手段に仕事をある程度確保しておき処理するようにしてもよい。
【００５０】
まず、負荷分散手段１−９は、組み合わせ探索手段１−４が生成した部分木の探索処理のうち、２以上の探索処理であって、所定の数の探索処理をタスク処理手段１−５ａ〜１−５ｄに分配する。また、負荷分散手段１−９は、ここで分配しきれなかった探索処理を保持しておく。タスク処理手段１−５ａ〜１−５ｄは、複数の部分木の探索処理を受け取ると、各部分木の探索処理を行なう。そして、探索処理を進めることによって、未処理の部分木の数が減少し、一定数に達した場合に、負荷分散手段１−９に次の部分木の探索処理の転送を要求する。
【００５１】
負荷分散手段１−９は、部分木の探索処理の転送要求を受け取ると、保持しておいた残りの部分木から、要求を出したタスク処理手段へ複数の部分木の探索処理を分配する。また、要求を出したタスク処理手段は、負荷分散手段１−９からの部分木の探索処理を受け取ると、それを保持する。以上を全ての部分木がなくなるまで繰り返す。
【００５２】
上記より明らかなように、実施の形態６における並列多目標追尾装置によれば、タスク処理手段１−５ａ〜１−５ｄは、処理が少なくなると新たな処理の転送要求を負荷分散手段１−９へ出すと共に、新たな処理が到着するまでの間も残っている部分木の探索処理を続行するので、計算機資源を有効に活用でき、最適な負荷分散となる、という効果がある。
【００５３】
実施の形態７．
実施の形態１乃至実施の形態６では、負荷分散の単位を一定としているが、負荷分散の単位を時間と共に小さくするようにしてもよい。一般に、負荷分散の単位のサイズが小さいほど、負荷を分散する回数が増えるため、負荷分散のためのオーバヘッドが大きくなる。一方、負荷分散の単位のサイズが小さいほど、負荷調整が小さな単位で行うようになるので、各タスク処理手段で処理負荷を均一化するという観点からは好ましい。
【００５４】
そこで、これら２つの要求を満たすために、最初は負荷分散の単位のサイズを大きくとり、処理が進むにつれて、そのサイズを小さくすることとする。ここで、実施の形態７における負荷分散の単位は複数の部分木であるが、その処理量は、これまでにも述べたように、部分木の数や各部分木の高さで測ることができる。そこで負荷分散手段１−９は、処理量の大きい部分木からタスク処理手段１−５ａ〜１−５ｄに分配するようにする。こうすることで、処理が進むにつれて次第に処理量の小さい部分木に処理が移行していくようになる。
【００５５】
上記より明らかなように、実施の形態７における並列多目標追尾装置によれば、負荷分散オーバヘッドを抑えた上で、各タスク処理手段の部分木の探索処理の終了に要する時間を均一化することができるという効果を奏する。
【００５６】
実施の形態８．
実施の形態１乃至実施の形態７では、各タスク処理手段１−５ａ〜１−５ｄと負荷分散手段１−９とでは異なるプロセッサにより構成されるが、複数のタスク処理手段の内の１つを負荷分散手段１−９と同一のプロセッサで動作させるようにしてもよい。タスク処理手段１−５ａ〜１−５ｄにおける部分木の探索処理の負荷と、負荷分散手段１−９における組み合わせ分配処理の負荷を比較すると、タスク処理手段１−５ａ〜１−５ｄの負荷の方が圧倒的に高い。したがって、負荷分散手段１−９を独立したプロセッサで構成したとすると、このプロセッサは負荷という観点から余裕があることになる。したがって、負荷分散手段１−９をタスク処理手段の１つと同一プロセッサで動作させることにより、全てのプロセッサの資源を有効に活用して、無駄のない並列処理が可能となる。
【００５７】
【発明の効果】
本発明に係る並列他目標追尾装置は、観測点と目標物の組み合わせを並列処理の単位として負荷分散することとしたので、計算機資源の有効活用を行うとともに、並列処理による高速化を達成できるという効果を奏する。
【図面の簡単な説明】
【図１】実施の形態１乃至実施の形態８における並列他目標追尾装置の構成図である。
【図２】実施の形態１乃至実施の形態８における目標物と観測点の関係を示す関係図である。
【図３】実施の形態１における目標物と観測点の組み合わせを関連を示す関連図である。
【図４】実施の形態１における組み合わせ探索処理を示すフローチャートである。
【図５】実施の形態１における目標物と観測点の組み合わせの樹形図である。
【図６】実施の形態１における目標物と観測点の部分的な組み合わせを含む樹形図である。
【図７】実施の形態１における目標物と観測点の部分的な組み合わせを含む樹形図である。
【符号の説明】
１−１：入力線
１−２：予測領域生成手段
１−３：クラスタ生成手段
１−４：組み合わせ探索手段
１−５ａ〜１−５ｄ：タスク処理手段
１−６：目標物航跡更新手段
１−７：出力線
１−８ａ〜１−８ｅ：転送線
１−９：負荷分散手段[0001]
BACKGROUND OF THE INVENTION
The present invention provides a parallel multi-target tracking apparatus that employs a tracking method that assumes a combination of a plurality of targets, such as JPDA (Joint Probabilistic Data Association) and MHT (Multiple Hyperthesis Tracking), as a tracking method for multiple targets in a radar. The present invention relates to an apparatus for distributing processing.
[0002]
[Prior art]
As a conventional tracking method for performing multi-target tracking, a target prediction area is generated as in JPDA or MHT, and all combinations of the input observation points and the target prediction area are obtained. There is a method of performing processing for updating information (wake) of the target object for each. In such a method, since there are a plurality of observation points for a plurality of targets, there are a plurality of correspondences (combinations) between each observation point and the plurality of targets. Therefore, a parallel processing technique may be used in order to update the track at a high speed for each of such a plurality of combinations.
[0003]
Here, as a technique for performing such processing in parallel, there is a method in which a combination of a target and an observation point is represented as a search tree, and the section is processed in parallel as a unit of parallel processing by a task processing unit (for example, a patent) Document 1 and Patent document 2).
[0004]
[Patent Document 1]
JP 2001-99921 “Parallel multi-target tracking device” (page 4-9, FIG. 1)
[0005]
[Patent Document 2]
Japanese Patent Laid-Open No. 2001-99925 “Parallel Multi-Target Tracking Device” (page 4-9, FIG. 1)
[0006]
[Problems to be solved by the invention]
In the conventional “parallel multi-target tracking device”, all the combinations of observation points and target prediction areas are represented as search trees and distributed to each task processing unit in units of nodes. The number is (T + 1) to the power of Y (where T is the number of targets and Y is the number of observation points), and is enormous, so even if the processing of each section is processed in parallel, it can be processed within a certain time Not necessarily.
[0007]
Moreover, in these methods, since the unit of parallel processing is a node of the search tree, when the number of combinations to be adopted is small with respect to the number of all combinations, the combination for which most of the processed combinations are not adopted. Therefore, there is a problem that the computer resources are consumed for useless processing, and the processing speed cannot be increased even if parallel processing is performed.
[0008]
The present invention has been made to solve the above-described problems. By making the unit of parallel processing not a search tree section but a combination search processing, the effect of parallel processing can be achieved even in N best search. The purpose is to increase the speed.
[0009]
[Means for Solving the Problems]
The parallel other target tracking device according to the present invention is:
A prediction area generation means for predicting movement of a plurality of targets and generating a prediction area according to the prediction result;
Observation point information input from a radar, cluster generation means for generating a cluster from the target prediction area generated by the prediction area generation means,
A combination search means for searching and outputting a predetermined number of highly reliable combinations from the combination of the target prediction area and the observation point in the cluster generated by the cluster generation means,
Updating the target information based on the combination output by the combination search means, outputting it as a tracking result and updating the target track input to the prediction area generation means for predicting the movement of the target Means,
A parallel multi-target tracking device comprising:
A plurality of task processing means for performing a search process on a partial combination that is a part of a combination of the target prediction region and the observation point, and selecting and outputting a highly reliable partial combination;
Load distribution means for assigning a plurality of the partial combinations to the plurality of task processing means;
Further comprising
The combination search unit generates a plurality of partial combinations from combinations of target prediction regions and observation points in the cluster generated by the cluster generation unit, outputs the partial combinations to the load distribution unit, and the plurality of task processes Among the partial combinations output by the means, a predetermined number of highly reliable combinations are searched and output.
[0010]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described.
Embodiment 1 FIG.
FIG. 1 shows a configuration of a parallel multi-target tracking device according to Embodiment 1 of the present invention. In the figure, an input line 1-1 inputs an observation point. The prediction area generation unit 1-2 predicts the movement of the target and generates a prediction range according to the prediction. The cluster generation unit 1-3 generates a cluster from the observation point and the prediction area. The combination search means 1-4 searches only a predetermined number of highly reliable combinations among the combinations of target prediction areas and observation points in the generated cluster. The task processing means 1-5a to 1-5d are parts for performing individual search processing, and each is constituted by a CPU (Central Processing Unit) or a computer equipped with a CPU. The target track update unit 1-6 updates information (track) of the target based on the processing result of the combination search unit. The output line 1-7 represents the output of the target track update means 1-6, which is the tracking result of this apparatus. The transfer lines 1-8a to 1-8e transfer the processing results of the respective units. The load distribution unit 1-9 distributes each search process to the task processing units 1-5a to 1-5d.
[0011]
Next, the processing of the tracking device will be described by taking the case of using JPDA as an example. FIG. 2 shows an example of the relationship between a target and an observation point in JPDA. In the figure,
T (1) and t (2) are the predicted coordinates of the target, and the ellipse centered on the predicted coordinates is the predicted range.
• y (1) to y (4) are the coordinates of the observation point
Is shown.
[0012]
First, observation point information about these observation points is input from the radar to the cluster generation means 1-3 via the input line 1-1. Further, the prediction area generation unit 1-2 uses the target coordinates ((coordinates, speeds, etc.) stored in the target to predict target coordinates t (1), t corresponding to the time at which the observation point was observed. (2) and the prediction region (the ellipse in FIG. 2) where the existence probability is a certain value or more are calculated, and these are output to the cluster generation means 1-3 through the transfer line 1-8a.
[0013]
Next, the cluster generation unit 1-3 examines the inclusion relationship between the prediction areas of the plurality of targets and the observation points, and if there are observation points included in the plurality of prediction areas, the prediction area containing the observation points The clusters are combined to generate one cluster, and information on this cluster (observation point and target prediction region) is output to the combination search means 1-4 via the transfer line 1-8b. In FIG. 2, since the observation point y (2) is included in two prediction regions, the two are combined as one cluster.
[0014]
Subsequently, the combination search unit 1-4 uses the load distribution unit 1-9 and the task processing units 1-5a to 1-5d, and has high reliability from the combinations of observation points and target prediction areas. A predetermined number of combinations are generated in order. FIG. 4 is a flowchart of a process for generating a predetermined number of combinations in descending order of reliability from combinations of observation points and target prediction areas. In step S401 in the figure, the combination search unit 1-4 generates a combination of observation points and target prediction areas.
[0015]
Here, the combination of the observation point and the prediction area of the target is obtained as follows. FIG. 3 shows a matrix Ω indicating the relationship between the predicted coordinates of the target shown in FIG. 2 and the coordinates of the observation point. Components 1 to 4 in the row direction of the matrix Ω correspond to y (1) to y (4), respectively. On the other hand, the components 0, 1, and 2 in the column direction have the following meanings. That is, component 0 means that the observation point y (k) (k = 1, 2, 3, 4) does not correspond to any target. Components 1 and 2 are targets t (1) and t (2), respectively. The value of each matrix component indicates whether or not there is a possibility. A combination with a component value of 0 means that there is no possibility, and a combination with a component value of 1 means that there is a possibility. Thus, column component 0 is 1 across all rows, indicating that no observation point may correspond to the target. Further, for example, the row component 2 (corresponding to y (2)) indicates that there is a possibility that it can correspond to both the target objects t (1) and t (2).
[0016]
The above is summarized as follows. That is,
Observation point y (1) is target t (2) or no corresponding target.
Observation point y (2) is target t (1) or target t (2) or no corresponding target.
Observation point y (3) is target t (1) or no corresponding target.
Observation point y (4) has no target t (1) or corresponding target.
[0017]
Based on the cluster information as described above, the combination search means 1-4 generates a combination search process. That is, a search process is generated for the following target and observation point combinations that satisfy the above conditions.
Case where t (1) is y (2) and t (2) is y (1)
Case where t (1) is y (2) and t (2) is not supported
Case where t (1) is y (3) and t (2) is y (1)
Case where t (1) is y (3) and t (2) is y (2)
Case where t (1) is y (3) and t (2) is not supported
Case where t (1) is y (4) and t (2) is y (1)
Case where t (1) is y (4) and t (2) is y (2)
Case where t (1) is y (4) and t (2) is not supported
Case where t (1) is not supported and t (2) is y (1)
Case where t (1) is not supported and t (2) is y (2)
Case where t (1) is not supported and t (2) is not supported
[0018]
In step S402, the load distribution unit 1-9 takes in the combination generated by the combination search unit 1-4 via the transfer line 1-8f and distributes it to the task processing units 1-5a to 1-5d. . The task distribution method here will be described later.
[0019]
Next, in step S403, the task processing means 1-5a to 1-5d are combinations generated by the combination search means 1-4, and the load distribution means 1-9 is assigned to the task processing means 1-5a to 1-5d. Execute distributed processing in parallel. This process is a process of calculating the reliability for the combination generated by the combination search means 1-4. Therefore, the contents of this processing will be described below.
[0020]
First, the most reliable combination is searched. The simplest way to search for the most reliable combination is as follows. That is, first, one arbitrary combination is generated from the combination of the target and the observation point (hereinafter referred to as combination A), and the reliability is stored as a temporary optimal solution. Next, a total value of reciprocals of the reliability of individual observation points in the combination A is obtained for the combination A. Then, another combination (hereinafter referred to as combination B) is generated, and the reciprocal of the reliability of each observation point of combination B is added to combination B, and the sum of the reciprocal of the reliability of combination B (middle progress) If the value becomes larger than the total value of the reciprocals of the provisional optimal solution, the search is terminated. If the reciprocal of the reliability of all the observation points of the combination B is still smaller than the sum of the reciprocals of the reliability of the combination A, the combination B is set as a new provisional optimal solution and other combinations are obtained. Continue the comparison process. Since the reliability is never a negative number, it is necessary to search for all combinations by comparing the sum of the reciprocal of the reliability of the provisional optimal solution and the progress of the sum of the reliability of other combinations. Disappear.
[0021]
In the above, the combination search means 1-4 obtains a tentative optimum solution, and the task processing means 1-5a to 1-5d refer to this tentative optimum solution and omit unnecessary operations. Also good.
[0022]
Or, “An Extension of the Munchres Algorithm for the Assignment,“ Problem to Rectangle Matrix ”, F. Bourgeois and J-C Lassele. A method of solving the search problem from the part where the competition occurs may be used.
[0023]
In step S404, the combination search unit 1-4 receives the reliability calculated by the task processing units 1-5a to 1-5d via the transfer lines 1-8c and 1-8f, and combines them in descending order of reliability. A predetermined number is selected. This process will be specifically described with reference to a tree diagram showing combinations of objects and observation points as shown in FIG. FIG. 5 is a tree diagram showing the targets that the observation points y (1) to y (4) shown in FIG. 2 can correspond to. In the figure, among the codes surrounded by ellipses, C represents a state where there is no corresponding target. Each of t (1) and t (2) represents two targets. root represents the root of the tree diagram. The figure shows that there are two possibilities, for example, when the observation point y (1) does not correspond to the target (C) or corresponds to the target t (2). When observation point y (1) corresponds to target t (2), observation point y (2) does not correspond to the target (C), or corresponds to target t (1). This shows that there are two more possibilities.
[0024]
In the figure, as a result of evaluating the reliability calculated by the task processing means 1-5a to 1-5d, it is assumed that the combination coupled by the thick line 5-1 is the combination with the highest reliability. Next, the combination search means 1-4 searches for a combination with the highest reliability in each subtree (partial combination) from among the combinations excluding the thick line 5-1, and among them, the most The combination with the highest reliability is the second most reliable combination in the whole. FIG. 6 is a tree diagram obtained by removing the observation point corresponding to the last element y (4) specified by the thick line 5-1 and the thick line 5-1 from the tree diagram of FIG. This tree diagram is composed of subtrees 5-2, 5-3, 5-4, and 5-5. Also in FIG. 6, the combination with the highest reliability is indicated by a thick line, and the combination indicated by the thick line 5-6 is the highest combination. A thick line 5-6 is obtained based on the reliability calculated by the task processing means 1-5a to 1-5d.
[0025]
The combination search means 1-4 searches for a combination with the highest reliability in each subtree from the combinations excluding the thick line 5-6. FIG. 7 is a tree diagram of subtrees excluding the combination represented by the thick line 5-6 in FIG. Then, 5-7, 5-8, and 5-9 are searched for the most reliable combination, and the most reliable combination among 5-2, 5-3, and 5-4 that has already been obtained. In addition, the combination with the highest reliability among them is set as the third combination with the highest reliability in the whole. This is repeated until a predetermined number of combinations are obtained. The above is a method for generating a predetermined number of combinations in descending order of reliability by the combination search means 1-4. In this example, since there are few targets and observation points, all combinations are expanded as trees on the tree diagram for explanation. However, in reality, since there are more targets and observation points and there are many combinations, such a tree diagram is not developed in processing.
[0026]
As described above, the load distribution unit 1-9 uses partial combinations without using the tree of the tree diagram as a parallel processing distribution unit, so it corresponds to the solution finally adopted. As a result, the processing to be performed is distributed and executed, so that unnecessary processing is reduced and efficient processing can be performed.
[0027]
Next, a load distribution method in the load distribution unit 1-9 will be described. After obtaining the combination with the highest reliability, the combination search unit 1-4 divides the entire combination into subtrees excluding the combination, and passes the divided subtree to the load distribution unit 1-9. . In that case, the load distribution unit 1-9 distributes the subtrees passed from the combination search unit 1-4 to the task processing units 1-5a to 5d one by one in order. For example, if there are 10 subtrees, the first subtree is distributed to the task processing means 1-5a and the second subtree is distributed to the task processing means 1-5b in order, and the fifth subtree is distributed. Are again assigned to the task processing means 1-5a. As a result, each task processing means performs two subtree search processes. The above is the description of the flowchart of FIG.
[0028]
The combination search means 1-4 aggregates the processing results ("weighting about the correspondence between the target and each observation point") sent from the task processing means 1-5a to 1-5d, and transfers the transfer line 1- It is sent to the target track update means 1-6 via 8d. Subsequently, the target track update means 1-6 updates the target information based on the individual combinations that have been sent. The information of the target updated here is output via the output line 1-7, and is also sent to the prediction area | region production | generation means 1-2 via the transfer line 1-8e. The prediction area generation unit 1-2 performs movement prediction on each target again based on the updated target information, and generates the prediction area. The tracking device operates as a tracking device by repeating the above operation.
[0029]
As is clear from the above, according to the parallel multi-target tracking device according to the first embodiment, the load distribution means 1-9 performs task processing by distributing the load of the combination of the observation point and the target as a unit of parallel processing. Since the subtree search processing is distributed so as to be equal in number to the means 1-5a to 1-5d, the processing time in each task processing is probabilistically equal, and the search can be performed efficiently. There is an effect. Further, since the distribution method is very simple, there is an effect that the overhead of load distribution is small.
[0030]
In this tracking apparatus, the processing method is shown for the case where there are four task processing means such as task processing means 1-5a to 1-5d, but the number of task processing means is not limited to four. It goes without saying that there is nothing.
[0031]
Embodiment 2. FIG.
In the first embodiment, the processing is distributed to the task processing units 1-5a to 1-5d so that the number of subtrees is equal, but a distribution method that equalizes the processing load may be adopted. Good. That is, the load distribution unit 1-9 calculates the predicted load amount required for each search for each subtree passed from the combination search unit 1-4. Next, by dividing the total value of the predicted load amounts by the number of task processing means, the load amount assigned to each task processing means is calculated. Then, the subtree is distributed to the task processing means 1-5a from the top of the subtree to the processing capacity amount that one task processing means is responsible for. This is repeated for the task processing means 1-5b to 1-5d.
[0032]
In this way, the load distribution unit 1-9 predicts the processing load of each subtree, calculates the load amount of each task processing unit, and further sub-trees so that the processing loads of each task processing unit are equalized. Since the search processing is distributed to the task processing means 1-5a to 1-5d, there is an effect that the processing time of each task processing is equalized and the search can be performed efficiently.
[0033]
Next, a method for predicting the processing load of each subtree will be described. In each subtree, it is difficult to accurately estimate the processing load until the most reliable combination is found. This is because the amount of processing varies depending not only on the amount of data to be processed but also on the contents of the data. For example, if competition does not occur in an optimum combination of individual observation points and target prediction areas, search can be performed immediately, and if there is much competition, it takes time to solve the competition.
[0034]
Thus, here, the search load is predicted based on the height of the subtree, that is, the number of observation points handled by the subtree. Since the search process includes a process of calculating the reliability for the combination of observation points, the reliability of each observation point is calculated. Therefore, it can be predicted that the search load of the subtree increases as the number of observation points increases.
[0035]
As described above, the processing load of each subtree is predicted based on the height of the subtree, and the load distribution unit 1-9 is configured so that the processing load of each task processing unit is equalized based on the predicted load. Since the search processing is distributed to the task processing means 1-5a to 1-5d, the overhead required for predicting the load can be reduced, and the processing time in each task processing is equalized, so that the search can be performed efficiently. There is an effect that it is possible.
[0036]
Embodiment 3 FIG.
In Embodiment 2, the subtree search processing load is predicted based on the height of the subtree. However, the number of nodes in the subtree may be predicted, and the load may be predicted based on this number. . If it is considered that the search of the subtree is to trace the nodes of the subtree, the processing load increases as the number of nodes of the subtree increases.
[0037]
However, if the number of nodes is calculated by tracing all subtrees, all combinations are searched as a result, and the processing load cannot be reduced. Therefore, the number of child nodes is predicted for each stage of the tree diagram, that is, for each observation point. The maximum number of child nodes of each node in the subtree is the number of prediction areas of the target including the observation points corresponding to the children + 1. +1 considers the case where the observation point is clutter. Therefore, the search load of the subtree is set to a number obtained by multiplying the number of prediction regions of the target object including each observation point excluding the first observation point of the subtree by one. The reason for removing the first observation point is that the first observation point corresponds to the root of the subtree. For example, in the sub-tree of 5-2 in FIG. 7, the number of prediction regions of the target including y (2) is two, and the number of prediction regions of the target including y (3) is one. Thus, since the number of prediction areas of the target including y (4) is one, the number of prediction nodes is (2 + 1) × (1 + 1) × (1 + 1) = 12.
[0038]
As can be seen from 5-2, the number of nodes is actually nine. The reason why the results are different between the prediction and the actual measurement in this way is that FIG. 7 shows a subtree excluding a predetermined number of combinations with high reliability, and does not consider the nodes removed in the process. . However, if the number of nodes is calculated in consideration of the number of nodes in the prediction of the number of nodes, as a result, a subtree node is searched, and the overhead required for the prediction becomes too high. Therefore, such a difference is ignored and the load is predicted only by simple multiplication.
[0039]
As described above, the processing load of each subtree is estimated by multiplying by the number of target region prediction areas including observation points corresponding to each node excluding the top of the subtree + 1 so that the overhead can be reduced. The effect is that prediction can be made more accurately.
[0040]
Embodiment 4 FIG.
In the first to third embodiments, before the task processing units 1-5a to 1-5d perform the search process, the load distribution unit 1-9 performs the load prediction of the subtree before performing the search process, The task processing means 1-5a to 5d are distributed to the task processing means 1-5a to 5d. While the task processing means 1-5a to 1-5d perform search processing, the load distribution means 1-9 searches the subtree according to the load status. Processing may be distributed.
[0041]
When the load distribution unit 1-9 acquires the subtree to be processed from the combination search unit 1-4, the load distribution unit 1-9 distributes the subtree to the task processing units 1-5a to 1-5d so that the load amounts are equal. Here, as described in the second and third embodiments, the load amount includes the number of subtrees, the total value of the heights of the subtrees, and observation points corresponding to the nodes of the subtrees. A method of calculating based on a value obtained by multiplying the number of target region prediction areas + 1 is conceivable. When the load distribution unit 1-9 distributes the processing, the task processing units 1-5a to 1-5d perform the distributed subtree search processing one by one.
[0042]
On the other hand, the load distribution unit 1-9 issues a load report request to the task processing units 1-5a to 1-5d via the transfer line 1-8c. In response to this, the task processing means 1-5a to 1-5d report the load status to the load distribution means 1-9 in response to the request. Here, the load status is a total value of the load amounts of the subtrees not yet processed by each task processing means. The load amount here has the same meaning as the load amount described above, and the target prediction region including the number of subtrees, the total height of each subtree, and the observation points corresponding to the nodes of each subtree. It is a value obtained by multiplying the number +1 of.
[0043]
Next, when the load distribution means 1-9 receives the load status reports from the task processing means 1-5a to 1-5d, the load of the task processing means 1-5a to 1-5d is based on the information. The task processing units 1-5a to 1-5d are requested to move the subtree search processing to other task processing units so as to be even. For example, it is assumed that the load status reports from the task processing units 1-5a to 1-5d are 30, 50, 40, and 40, respectively. As a result, since all the unprocessed search processing amounts are 30 + 50 + 40 + 40 = 160, when equalizing to four task processing units, the load amount to be handled by each task processing unit is 40. Therefore, the load distribution unit 1-9 instructs the task processing unit 1-5b to move the search processing for the load amount 10 to the task processing unit 1-5a via the transfer line 1-8c. If the task processing unit 1-5b does not have a search process with a load amount equal to 10, the search process closest to 10 is moved to the task processing unit 1-5a. As a result, the unprocessed search processing amounts of the task processing units 1-5a to 1-5d are approximately 40 each. As described above, the load distribution unit 1-9 and the task processing units 1-5a to 1-5d regularly perform load status collection and search processing movement between the task processing units.
[0044]
As is clear from the above, according to the parallel multi-target tracking device in the fourth embodiment, the unprocessed search processing amount of each task processing means is periodically equalized, so that processing other than the subtree search processing is performed. Is performed on the same machine as each task processing means, all the search processing of each task processing means is completed in substantially the same time, and there is an effect that optimum load distribution is achieved.
[0045]
Embodiment 5. FIG.
In the fourth embodiment, the load distribution means 1-9 takes the initiative of load distribution timing, equalizes the load of each task processing means periodically, and performs the search processing in each task processing means in substantially the same time. The task processing means may take the initiative of load distribution timing and make a process transfer request to the load distribution means.
[0046]
That is, when the partial tree to be processed is passed from the combination search unit 1-4, the load distribution unit 1-9 first distributes only one partial tree to the task processing units 1-5a to 1-5d in order ( As a result, four subtrees are distributed), and the remaining fifth and subsequent subtrees that could not be distributed are retained. When the task processing means 1-5a to 1-5d finish the search processing of the respective subtrees, the task processing means 1-5a to 1-5d return the processing result to the combination search means 1-4 via the load distribution means 1-9 and load distribution means 1-9. To the next processing, that is, transfer of another subtree search processing. When the load distribution unit 1-9 receives a transfer request for the search processing of the subtree, the load distribution unit 1-9 gives the search processing of one subtree held to the task processing unit that issued the request. The above is repeated until the search processing for all subtrees is completed.
[0047]
As apparent from the above, according to the parallel multi-target tracking device in the fifth embodiment, as soon as there is no processing to be processed by each task processing unit, a transfer request for the next processing is sent to the load distribution unit 1-9. Even if processing other than subtree search processing is performed on the same machine as each task processing means, all search processing of each task processing means will be completed in approximately the same time, resulting in optimal load distribution. There is an effect.
[0048]
Further, since the load distribution means 1-9 does not require periodic load status collection processing, the load distribution overhead can be suppressed. Therefore, the present invention can be applied even when the processing amount corresponding to one subtree search processing is small. , Has the effect.
[0049]
Embodiment 6 FIG.
In the fifth embodiment, each task processing unit 1-5a to 1-5d issues a transfer request for the search processing of the next subtree to the load distribution unit 1-9 after the search processing of one subtree is completed. As described above, it is also possible to secure a certain amount of work in the task processing means for processing.
[0050]
First, the load distribution means 1-9 is two or more search processes among the subtree search processes generated by the combination search means 1-4, and performs a predetermined number of search processes on the task processing means 1-5a to 1-5a. Distribute to 1-5d. Further, the load distribution means 1-9 holds search processing that could not be distributed here. When the task processing means 1-5a to 1-5d receive the search processing for a plurality of subtrees, the task processing means 1-5a to 1-5d perform the search processing for each subtree. Then, by proceeding with the search process, when the number of unprocessed subtrees decreases and reaches a certain number, the load distribution unit 1-9 is requested to transfer the search process of the next subtree.
[0051]
When the load distribution means 1-9 receives the transfer request for the subtree search processing, the load distribution means 1-9 distributes the search processing for the plurality of subtrees from the remaining subtree held to the task processing means that issued the request. Further, when the task processing means that issued the request receives the search processing of the subtree from the load distribution means 1-9, it holds it. Repeat until all subtrees are gone.
[0052]
As is clear from the above, according to the parallel multi-target tracking device in the sixth embodiment, the task processing means 1-5a to 1-5d sends a new process transfer request to the load distribution means 1-9 when the number of processes decreases. And the remaining subtree search process is continued until a new process arrives, so that the computer resources can be effectively used and the load is optimally distributed.
[0053]
Embodiment 7 FIG.
In the first to sixth embodiments, the unit of load distribution is constant, but the unit of load distribution may be reduced with time. In general, the smaller the size of the load distribution unit is, the more times the load is distributed, so the overhead for load distribution increases. On the other hand, as the unit size of load distribution is smaller, load adjustment is performed in smaller units, which is preferable from the viewpoint of equalizing the processing load by each task processing unit.
[0054]
Therefore, in order to satisfy these two requirements, the size of the load distribution unit is initially increased, and the size is decreased as the processing proceeds. Here, the unit of load distribution in the seventh embodiment is a plurality of subtrees, but the processing amount can be measured by the number of subtrees and the height of each subtree as described above. it can. Therefore, the load distribution unit 1-9 distributes the subtree having a large processing amount to the task processing units 1-5a to 1-5d. By doing so, the processing gradually shifts to a subtree with a small processing amount as the processing proceeds.
[0055]
As is clear from the above, according to the parallel multi-target tracking device in the seventh embodiment, the time required for completing the subtree search processing of each task processing means is made uniform while suppressing the load distribution overhead. There is an effect that can be.
[0056]
Embodiment 8 FIG.
In the first to seventh embodiments, the task processing units 1-5a to 1-5d and the load distribution unit 1-9 are configured by different processors, but one of the plurality of task processing units is You may make it operate | move with the same processor as the load distribution means 1-9. When comparing the load of the subtree search processing in the task processing means 1-5a to 1-5d with the load of the combination distribution processing in the load distribution means 1-9, the load of the task processing means 1-5a to 1-5d Is overwhelmingly high. Therefore, if the load distribution means 1-9 is composed of independent processors, this processor has a margin from the viewpoint of load. Therefore, by operating the load distribution unit 1-9 on the same processor as one of the task processing units, it is possible to effectively use the resources of all processors and perform parallel processing without waste.
[0057]
【The invention's effect】
Since the parallel other target tracking apparatus according to the present invention distributes the load as a unit of parallel processing for the combination of the observation point and the target, it can effectively use computer resources and achieve speedup by parallel processing. There is an effect.
[Brief description of the drawings]
FIG. 1 is a configuration diagram of a parallel other target tracking device according to Embodiments 1 to 8. FIG.
FIG. 2 is a relationship diagram illustrating a relationship between a target and an observation point in the first to eighth embodiments.
FIG. 3 is a relation diagram showing relations between combinations of targets and observation points in the first embodiment.
FIG. 4 is a flowchart showing a combination search process in the first embodiment.
FIG. 5 is a tree diagram of a combination of a target and an observation point in the first embodiment.
FIG. 6 is a tree diagram including a partial combination of a target and an observation point in the first embodiment.
FIG. 7 is a tree diagram including a partial combination of a target and an observation point in the first embodiment.
[Explanation of symbols]
1-1: Input line
1-2: Predictive region generation means
1-3: Cluster generation means
1-4: Combination search means
1-5a to 1-5d: Task processing means
1-6: Target track update means
1-7: Output line
1-8a to 1-8e: Transfer lines
1-9: Load balancing means

Claims

A prediction area generating means for predicting movement of a plurality of targets captured by the radar and generating a prediction area according to the prediction result;
Observation point information inputted from the radar, and a cluster generation means for generating a cluster from said prediction region generation means generates the target predictive region,
A combination of the observation point and the target predictive region in the cluster that the cluster generating means has generated a combination searching means for searching for those that may as a combination,
Load distribution means for distributing calculation processing related to possible combinations based on the result of the search ;
Task processing means for calculating a reliability regarding the possible combinations based on distribution from the load balancing means ;
Based on the processing result relates to the combination of high reliability obtained from the combination searching means updates the information of the target, and outputs as add tails result, target outputs the processing result to the prediction region generation means Wake update means,
The combination search means selects a combination with the highest reliability based on a tree diagram related to the possible combination based on the calculation result of the task processing means , and then selects the combination with the highest reliability. characterized in that said selecting the most reliable combination from among the rest of the tree, except the tree diagram (partial combination), to select a combination with high the likely reliability of a predetermined number Parallel multi-target tracking device.

The parallel multi-target tracking device according to claim 1, wherein the load distribution unit distributes the processing to the task processing unit based on a tree diagram or a subtree .

The parallel multi-target tracking device according to claim 2 , wherein the load distribution unit allocates the partial combinations to the plurality of task processing units in order.

The load distribution unit calculates a predicted load of search processing for each partial combination among the plurality of partial combinations, and based on the predicted load, the individual processing of the plurality of task processing units The parallel multi-target tracking device according to claim 2 , wherein the partial combinations are assigned so that loads are equal.

5. The parallel multi-target tracking device according to claim 4 , wherein the load distribution unit calculates the predicted load based on the number of observation points included in the individual partial combinations.

5. The parallel multi-target tracking device according to claim 4 , wherein the load distribution unit calculates the predicted load based on the number of observation points and the number of targets included in the individual partial combinations. .

The load distribution means collects the load status of the plurality of task processing means, calculates an average value of the load status, and instructs the task processing means whose load status exceeds the average value to move the search process And
The task processing means receives the movement instruction, and moves the search process to the other task processing means whose load status is less than the average value by an amount exceeding the average value. The parallel multi-target tracking device according to any one of claims 2 to 5.

The load distribution unit distributes search processing for the partial combinations to the task processing units one by one,
Each task processing means has finished the process of searching for the partial combination, with respect to the load distribution unit, according to claim 2, characterized in that to request the distribution of search processing for the next sub-combinations The parallel multi-target tracking device described in 1.

The load distribution means distributes search processing for two or more partial combinations to each task processing means,
Each of the task processing means, when the search process for the partial combination is advanced, the load of the distributed search process when the number of unprocessed search processes is reduced to a predetermined number. 3. The parallel multi-target tracking device according to claim 2 , wherein distribution means is requested to distribute search processing for the next partial combination.

Said load balancing unit, said one partial combination, throughput of the search process for a large combination of a preferentially characterized in that said distributing to a plurality of task processing unit according to claim 2 and claim 8 or claim Item 10. The multi-target tracking device according to any one of Items 9 to 9 .

It said load balancing unit is a parallel multi-target tracking apparatus according to any one of claims 2 to 10, characterized in that it is processed by one and the same central processing unit of said plurality of task processing unit.

  A prediction region generation step of predicting movement of a plurality of targets captured by the radar and generating a prediction region according to the prediction result;
  A cluster generation step of generating a cluster from observation point information input from the radar and the target prediction region generated in the prediction region generation step;
  A combination search step for searching for a possible combination from the combination of the target prediction region and the observation point in the cluster generated in the cluster generation step;
  A load distribution step of distributing calculation processing regarding possible combinations to task processing means based on the result of the search;
  A task processing step of calculating a reliability for the possible combination based on distribution in the load balancing step;
  The target track update that updates the target information based on the processing result regarding the highly reliable combination obtained in the combination search step, outputs the target information as a tracking result, and outputs the processing result to the prediction region generation unit. Step and
Have
  The combination search step selects a combination with the highest reliability based on a tree diagram related to the possible combination based on a calculation result in the task processing step, and then selects the combination with the highest reliability. Is selected from the remaining sub-trees (partial combinations) from the tree diagram, and a predetermined number of the highly reliable combinations are selected.
A parallel multi-target tracking method characterized by that.