[发明专利]基于多尺度模型的红外/激光雷达数据融合目标跟踪方法

说明书

技术领域

本发明属于信息处理技术领域，尤其涉及一种红外/激光雷达多传感器融合的目标跟踪方法。

背景技术

红外探测系统作为被动探测系统，具有隐蔽性好、不易受电子干扰、低空探测性能好、精度高等优点，可以为近程防御武器系统提供目标信息，但红外探测系统只能提供测角信息。激光雷达探测系统的测距精度较高，测距范围满足近程要求，但缺乏角度信息，因此二者配合使用可以实现信息互补，从而提供完整、精确的测量信息，可以对目标进行精确状态估计，提高系统可靠性和稳定性。

但是激光雷达探测系统的采样频率远远低于红外探测系统的采样频率，使得二者的测量数据不同步。而且，红外和激光雷达的联合探测一般是在球坐标系中完成的，而目标的运动状态通常在直角坐标系中进行描述，在直角坐标系中建模的优点在于滤波和外推过程可以在线性动态模型上实现，而在球坐标系中建模则会导致较为复杂的滤波和外推过程，因此在红外/激光雷达双传感器探测系统中需要先将获得的角度信息和距离信息转换到直角坐标系统中，再进行状态估计。此时，测量与目标状态之间的转换是非线性关系，由于测量误差的耦合，不再满足卡尔曼滤波条件。传统的方法是先对异步数据进行配准，转换化为同步问题；然后在直角坐标系下进行状态建模，获得相应的转换测量方程，进而对转换测量值用卡尔曼滤波(Converted Measurement Kalman Filter，CMKF)算法进行状态估计。该方法模型简单，但精度较低。

多尺度理论对于多传感器数据融合目标状态估计的问题是一种有效的方法，近年来很多学者对多尺度估计理论进行了大量研究，且取得了许多研究成果。潘泉等提出了一种新的线性动态多尺度的模型，并给出了估计方法；对于多尺度系统，文成林等建立其估计理论框架并给出相应的预测、滤波和平滑算法。由于红外/激光雷达探测跟踪系统是在不同采样频率下描述目标状态，具有多尺度特征，本申请的发明人提出一种多尺度理论和CMKF算法相融合的目标跟踪方法。

发明内容

针对红外/激光雷达多传感器融合对目标跟踪过程中存在的采样率不同、坐标转换测量值有偏差及观测噪声耦合的问题，本发明的目的在于提供一种基于多尺度模型的红外/激光雷达多传感器融合目标跟踪方法。

为了实现上述目的，本发明采取如下的技术解决方案：

基于多尺度模型的红外/激光雷达数据融合目标跟踪方法，包括以下步骤：

步骤1、根据红外探测系统和激光雷达探测系统的采样频率建立多尺度模型，所述多尺度模型为：

x(i,k_i+1)＝F(i,k_i)x(i,k_i)+w(i,k_i)

z(i,k_i)＝H(i,k_i)x(i,k_i)+v(i,k_i)

其中，F(i,k_i)为k_i时刻在尺度i上的系统状态转移矩阵，x(i,k_i)为k_i时刻在尺度i上的状态向量，w(i,k_i)为系统噪声，z(i,k_i)为k_i时刻在尺度i上的观测向量，H(i,k_i)为k_i时刻在尺度i上的观测矩阵，v(i,k_i)为观测噪声，k_i为尺度i上的采样时刻，i＝1,2；

步骤2、红外探测系统和激光雷达探测系统分别对目标进行数据采集，得到目标的方位角测量值α_m、目标的俯仰角测量值β_m和目标的距离测量值r_m；

步骤3、在尺度1上对红外探测系统获取的角度信息采用无迹卡尔曼滤波法进行估计，滤波过程中利用两点递推法进行初始化，得到目标的方位角滤波估计值α′_m和俯仰角滤波估计值β′_m；

步骤4、在尺度2上将步骤3得到角度估计信息和激光雷达探测系统获取的距离信息进行融合，计算出目标在直角坐标系下的位置坐标(x_m，y_m，z_m)：

其中，r_m为目标的距离测量值，α′_m为目标的方位角滤波估计值，β′_m为目标的俯仰角滤波估计值；