[发明专利]一种基于合作目标信息的扩展目标跟踪方法

说明书

本发明请求保护一种基于合作目标信息的扩展目标跟踪方法。该方法中合作目标周期性地检测自身位置与姿态，并通过通信网络发布自身身份、位置与姿态信息；观测站接收合作目标发送的信息，与观测站传感器检测的目标信息融合进行多个扩展目标的跟踪。首先用一组运动模型描述目标的运动；再针对每个运动模型分别构造滤波器，根据扩展目标的位置与姿态信息，通过一个二重跟踪门对传感器的量测值进行筛选，对筛选后的量测值利用合作目标的身份信息和姿态特征重构一步预测值进行数据关联与滤波；最后根据目标处于不同模型的概率进行融合，以所有滤波器的滤波估计值的概率加权和作为目标状态估计。本发明能有效提高合作目标存在时扩展目标的跟踪精度。

技术领域

本发明属于计算机和自动化技术，主要涉及目标跟踪技术领域，具体涉及一种基于合作目标信息的扩展目标跟踪方法。

背景技术

目标跟踪技术在军事领域和民用领域都有着很重要的应用价值，这项技术是工业界、学术界重点发展的方向。

中国专利申请：DSRC与车载传感器融合的智能车辆目标跟踪系统及方法(申请号：CN201610126332.3)，公开了一种利用车间通信的方式获取被跟踪目标的运动状态和身份信息来进行目标跟踪的方法，该方法只是改善了传统方法未充分利用目标车辆发布的身份信息和姿态信息的问题。首先没有考虑被跟踪目标运动模型较为单一，无法跟踪运动状态较为复杂的目标的问题；其次没有考虑方法的通用性，应用场景较为单一。中国专利申请：一种具有最优运动模式切换参数的交互式多模型目标跟踪方法(申请号：CN201410234810.3)，公开了一种利用线性最小方差理论推导得到了最优运动模式切换参数的交互式多模型目标跟踪方法，该方法考虑到运动模式之间的相关性问题，将运动模式间的协方差信息全部加以利用，避免了传统方法将相关性遗漏的问题，但是该方法没有考虑目标跟踪场景中即使目标只有一个也会引入量测噪声和杂波问题，没有利用数据关联方法建立目标与量测的对应关系，该方法也未考虑带有姿态特征的扩展目标的数据关联。

本发明针对合作目标存在的场景，提出一种基于合作目标信息的扩展目标跟踪方法，利用合作目标发送的身份、位置与姿态信息来改善观测站对多个扩展目标的跟踪精度。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种能有效提高扩展目标的跟踪精度的基于合作目标信息的扩展目标跟踪方法。本发明的技术方案如下：

一种基于合作目标信息的扩展目标跟踪方法，其包括以下步骤：

合作目标周期性地检测自身位置与姿态，并通过通信网络把自身身份信息、位置与姿态信息发送给观测站；观测站接收合作目标发送的信息，与观测站传感器检测到的目标信息进行融合，并根据跟踪模型进行多个扩展目标的跟踪，所述跟踪过程包括：首先用一组运动模型来描述目标的运动；然后针对每个运动模型分别构造一个滤波器，根据扩展目标的位置与姿态信息，通过一个二重跟踪门对传感器的量测值进行筛选，对筛选后的量测值利用合作目标的身份信息和姿态特征重构一步预测值进行数据关联与滤波；最后根据目标处于不同运动模型的概率进行融合，以所有滤波器的滤波估计值的概率加权和作为目标的状态估计。

进一步的，所述运动模型的建立具体步骤如下：用一组运动模型来描述目标的运动，设计一个由多个运动模型构成的运动模型集合M：

M＝{m⁽ⁱ⁾}，i＝1，2，…，r

其中m⁽ⁱ⁾表示模型集中的第i个运动模型；r表示运动模型总数。

针对不同的运动模型，建立相应的运动方程和观测方程，其中任意第m⁽ⁱ⁾个运动模型满足以下离散时间方程：