[发明专利]基于激光雷达与毫米波雷达融合的机动目标跟踪方法在审
申请号: | 202010855185.X | 申请日: | 2020-08-24 |
公开(公告)号: | CN112285700A | 公开(公告)日: | 2021-01-29 |
发明(设计)人: | 王海;李洋;蔡英凤;李祎承;陈龙;陈小波;刘擎超;孙晓强 | 申请(专利权)人: | 江苏大学 |
主分类号: | G01S13/86 | 分类号: | G01S13/86;G01S13/72;G01S17/66 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 激光雷达 毫米波 雷达 融合 机动 目标 跟踪 方法 | ||
1.基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,包括:
步骤1:对毫米波雷达和激光雷达进行联合标定,使二者采集到的数据在时间和空间上对齐。
步骤2:对毫米波雷达和激光雷达所采集的前方目标信息分别使用两个独立的双波门滤波器进行机动目标数据关联和跟踪;
步骤3:将两个滤波器所产生的目标状态信息使用匈牙利算法进行轨迹关联,在轨迹关联完成后使用凸组合算法对关联轨迹进行融合,产生最终轨迹。
2.根据权利要求1所述的基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,所述步骤2中的双波门滤波器采样IMM-JPDA设计实现。
3.根据权利要求2所述的基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,所述步骤2的双波门滤波器的具体设计方法包括如下:
步骤2.1,从k-1时刻获得协方差P(k-1|k-1)及目标状态X(k-1|k-1)由系统状态方程对当前时刻状态和协方差进行预测获得当前k时刻的预测协方差及预测状态量
步骤2.2,对所有观测结果先采用欧式距离作为第一道波门的门限对观测进行筛选,满足下式时,将其作为初步待选测量。
其中,xd、yd分别为x、y方向预测值与观测值差值,γg为欧式距离波门。
步骤2.3,对于满足第一次筛选的初步待选测量,采用马氏距离作为第二道波门的波门门限,对观测进行再次筛选;
步骤2.4,设置确认矩阵Ω(k):Ω(k)=[ωjt]
其中
对于确认矩阵中每个可能的关联事件θi其关联概率为:
步骤2.5,设计关联概率βjt为:
其中c为归一化常数,φ(θi(k))为k时刻未关联测量数量,τj[θi(k)]为k时刻关联测量数量,σt(θi(k))为k时刻关联指示器,量测关联时取1,否者为0,V为波门面积和,PD为检测概率,表示k时刻测量Zj(k)服从高斯分布,为k时刻测量j与目标t关联指示器,两者关联时取1,否则为0。
步骤2.6,由关联概率βjt更新状态量和协方差;
步骤2.7,使用交互多模型算法对机动目标进行跟踪。
4.根据权利要求3所述的基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,所述步骤2.3中的筛选公式如下所示:
其中Zj(k)(j=1,2,...,mk)为第j个测量值,S为对应新息协方差矩阵。
5.根据权利要求3所述的基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,所述步骤2.6中更新状态量和协方差的计算公式为:
其中Pc(k|k)=[1-K(k)H]P(k|k-1),K(k)为k时刻的卡尔曼增益。
6.根据权利要求3所述的基于激光雷达与毫米波雷达融合的机动目标跟踪方法,其特征在于,所述步骤2.7中交互多模型的计算公式为:
其中Pi(k|k)指代使用匀速直线运动模型、匀加速直线运动模型、匀速圆周运动模型的JPDA滤波器产生的状态量和协方差,uk(i)为k时刻模型i的概率。
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江苏大学,未经江苏大学许可,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/202010855185.X/1.html,转载请声明来源钻瓜专利网。