[发明专利]一种基于Hough变换的多维参数的检测前跟踪方法有效
申请号: | 201410420900.1 | 申请日: | 2014-08-22 |
公开(公告)号: | CN104881561B | 公开(公告)日: | 2017-09-29 |
发明(设计)人: | 毕欣;杜劲松;张清石;王伟;高洁;仝盼盼;丛日刚;田星 | 申请(专利权)人: | 中国科学院沈阳自动化研究所 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G01S13/66 |
代理公司: | 沈阳科苑专利商标代理有限公司21002 | 代理人: | 徐丽,周秀梅 |
地址: | 110016 *** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 hough 变换 多维 参数 检测 跟踪 方法 | ||
1.一种基于Hough变换的多维参数的检测前跟踪方法,其特征在于:包括以下步骤:
步骤1:以雷达为中心,建立x-y平面直角坐标系,确定目标航迹在该坐标系中的起始位置,并将目标的速度以及目标距雷达的距离和目标相对于x方向角度作为初次检测结果,并按检测时间序列依次进行检测,并从第3次检测开始,根据当时的检测结果,输出目标的航迹;
步骤2:在第n次检测跟踪中从第1个目标开始直至第L个目标,根据第n+1次检测提取的特征参数和和门限Amax、Bmax和Cmax进行判决,其中n≥3;
步骤3:根据步骤2中的判决结果,对目标进行跟踪,当运动目标的其中某一特征参数发散时,执行步骤4,否则,执行步骤5;
步骤4:通过αβ滤波器对发散的特征参数进行滤波,实现点迹凝聚;
步骤5:对得到的目标参数进行Hough变换,并将变换后的参数空间下的参数做能量积累;
步骤6:在目标未确定时增大判断门限,当目标超过积累门限时,减小判断门限,并将更新的门限返回步骤2;
步骤7:通过判断门限的目标,作为最终的检测结果。
2.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法,其特征在于:所述第n次检测结果为A(n)、B(n)、C(n),表示第n次检测跟踪的L个目标的距离、速度、角度,
A(n)=[an,1,an,2,…an,i…,an,L]
B(n)=[bn,1,bn,2,…bn,i…,bn,L]
C(n)=[cn,1,cn,2,…cn,i…,cn,L]
其中,an,i、bn,i、cn,i分别为第i个目标的距离、速度、角度,L表示第n次提取到的目标数。
3.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法,其特征在于:所述步骤3中的判决方法为:
如果第n+1次提取的特征参数中有多个特征参数对应第n次检测的同一个目标,则将多个特征参数的距离、速度、角度求取平均,作为该目标的距离、速度、角度;
如果第n+1次提取的特征参数中没有对应第n次检测的目标,则表明第n+1次提取到新目标,如果连续m次持续检测到该目标,则进行跟踪确认,并作为检测结果从轨迹中输出;
如果第n次检测结果没有与第n+1次提取的特征参数相对应,则表明第n次检测的目标失跟,如果连续m次持续失跟该目标,则进行失跟确认,并将该目标从轨迹中剔除。
4.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法,其特征在于:所述步骤4中αβ滤波的点迹凝聚过程为
θ′(n+1)=θ(n)+(θ(n+1)-θ(n))/k
其中,θ(n)为第n次得到检测的值,θ(n+1)为第n+1次提取值,k为滤波参数,得到的θ'(n+1)就是滤波后的值。
5.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法,其特征在于:所述步骤5中的Hough变换为:
A(i)=K(i)·T(i)+A0(i)
通过目标距离向量A(i)和时间向量T(i),可以分别求得各个目标的速度向量K(i)和起始距离A0(i),从而在(K(i),A0(i))的参数空间下做能量的积累。
6.根据权利要求1所述的基于Hough变换的多维参数的检测前跟踪方法,其特征在于:所述步骤7完成后返回步骤1中按检测时间序列依次进行检测步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院沈阳自动化研究所,未经中国科学院沈阳自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410420900.1/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用