杂波环境下强机动目标自适应关联波门选择

杂波环境下强机动目标的跟踪容易出现失跟和精度不高等问题,关联波门对量测信息进行有效处理,是提高跟踪精度的重要环节。提出一种自适应关联波门选择算法,在分析目标跟踪不确定度的基础上估计目标的机动状态,作为关联波门的选择依据。该算法不但考虑了波门形状与目标机动状态的匹配度,也考虑了对门限参数的动态调整。仿真实验结果表明,该算法相比固定关联波门及传统关联波门自适应算法,对杂波环境下强机动目标跟踪具有更低的失跟率与更高的跟踪精度。

一种基于模糊推理的自适应关联波门设计方法

针对传统关联波门在杂波环境下的机动目标跟踪中容易出现丢失目标的问题,提出了一种基于模糊推理的自适应关联波门设计方法。该方法在概率数据关联(Probabilistic Data Association,PDA)算法的基础上进行关联波门的设计,建立机动目标跟踪场景中最优波门门限的数学模型,运用模糊推理算法,根据目标的机动性和目标所处环境杂波密度自适应调整波门门限。仿真结果表明,该方法相较于传统关联波门,目标的失跟率降低了21%,而且提高了目标的跟踪精度。

基于关联性能评估的多目标跟踪关联门算法

针对传统的关联门设计方法应用于杂波环境下多目标跟踪时容易出现错误跟踪现象以及跟踪精度下降的问题,提出了一种新的自适应关联门设计方法。该方法通过构建量测关联性能评估指标,获取量测向量与状态向量之间的关联误差信息及其误差变化率,并以此为敏感度指标,在丢失量测或目标关联出现偏移之前,预先调整关联门,从而在确保正确量测落入关联门内的同时减小杂波和非本目标回波的干扰。仿真结果表明,相比于传统的关联门设计方法,本文方法有效地提高了目标的关联成功率和跟踪精度。

面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器,难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性,设计一种融合毫米波雷达和相机的目标跟踪方案,该方案针对多目标的特征级信息进行融合。首先,考虑低速行驶的自动驾驶清扫车所处环境杂波较多,方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度,结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门,实现关联门的自适应调整.减少关联杂波的干扰。其次,结合传感器的配置与特性,对目标的航迹状态进行空间对准和时间对准,按照航迹点间的欧氏距离和互协方差选择融合模式,进行局部航迹融合。最后,为验证多目标跟踪和航迹融合方法的有效性与实用性,分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明:在横、纵方向上,融合后的系统状态都比单一传感器的估计状态更为准确.融合结果对单一传感器的估计误差有35%以上的提升;实车试验证明,该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息.能基本正确地跟踪目标和估计航迹;融合状态的横、纵向误差都在可接受范围以内,且融合状态比单一传感器的估计波动更小。