[发明专利]一种基于汽车防撞雷达的道路多目标跟踪方法

摘要

本发明公开一种基于汽车防撞雷达的道路多目标跟踪方法，通过有向图切换的无迹卡尔曼概率密度假设(DS-UKGMPHD)方法实现。主要包括获取先验信息、建立观测与运动模型、建立有向图Φ、建立自适应有向图切换准则、初始化及计算混合参数、各目标模型的UKGMPHD滤波、估计融合以及输出估计轨迹等步骤。本发明不仅适用于非线性、复杂运动状态的多个目标，而且兼顾机动目标跟踪实时性和可实现性，进一步提升汽车防撞雷达系统的实时性和可靠性，保障道路安全，在汽车防撞雷达信号处理领域具有广阔的应用前景。

主权项

一种基于汽车防撞雷达的道路多目标跟踪方法，具体步骤如下：步骤1、获取先验信息，建立第一观测与运动模型；所述先验信息为通过汽车防撞雷达获取的目标状态信息；确定状态方程量测方程$z_k={\left[\begin{array}{cc}{\mathrm{\θ}}_k^i& r_k^i\end{array}\right]}^T$及其道路目标的多种模型；状态方程建立为：$x_k^i=F_{k,m}^i\left(x_{k-1}^i\right)+{\mathrm{\ω}}_{k,m}^i$其中，是目标模型的状态转移矩阵，下标m代表不同目标模型，下标k表示时刻k，下标i表示不同目标；假设噪声服从高斯分布，有汽车防撞雷达观测向量其中，θ_k为观测方位角，r_k为目标与观测点间距离；步骤2、建立第二观测与运动模型，初始化有向图模型集，建立有向图Φ；2(a)、汽车防撞雷达车辆目标限于二维平面运动，目标i在k时刻的非线性量测模型如下：$z_k^i=\left[\begin{array}{c}{\mathrm{\θ}}_k^i\\ r_k^i\end{array}\right]=\left[\begin{array}{c}arctan\frac{y_k^i-y_{s,k}}{x_k^i-x_{s,k}}\\ \sqrt{{(x_k^i-x_{s,k})}^2+{(y_k^i-y_{s,k})}^2}\end{array}\right]+\left[\begin{array}{c}{v}_{\mathrm{\θ},k}^i\\ v_{r,k}^i\end{array}\right]$其中，为高斯分布的量测噪声，x_s,k，y_s,k为自车观测位置坐标；2(b)、建立有向图Φ，及其有向子图Φ_(l){β_l‑1,β_l,β_l+1}；步骤3、建立自适应有向图切换准则；设k‑1时刻子图为Φ^(k‑1)，切换规则如下：式中，τ_DS是模型转换的阈值概率，表示k‑1时刻概率β^(i±1)；步骤4、初始化及计算混合参数；4(a)、时刻k＝0时，每一向量子图D_n中含M个模型；对于当前模型q(q＝1,...,M)，初始化目标状态目标协方差矩阵模型概率4(b)设当前时刻k‑1,下一时刻为k；则对于k＞0时刻的第i个高斯分量，有：${\mathrm{\μ}}_{k-1,pq}^{\left(i\right)}=\frac{1}{{\stackrel{\‾}{c}}_q}={\mathrm{\π}}_{pq}{\mathrm{\μ}}_{k-1,p}^i$其中，为k‑1时刻的高斯分量i模型p的出现概率；步骤5、各目标模型的UKGMPHD滤波；以各高斯分量i在k‑1时刻所得混合参数作为输入进行UKGMPHD滤波,得k时刻跟踪权值，状态及协方差矩阵步骤6、估计融合；估计融合PHD函数：$D_k\left(x\right)=\underset{q=1}{\overset{M}{\Σ}}\underset{i=1}{\overset{J_k}{\Σ}}{\mathrm{\ω}}_{k,q}^{\left(i\right)}N(x,m_{k,q}^{\left(i\right)},P_{k,q}^{\left(i\right)})$其中，J_k为高斯分量个数，高斯分量i的权值，均值，协方差分别为：${\mathrm{\ω}}_k^{\left(i\right)}=\underset{q=1}{\overset{M}{\Σ}}{\mathrm{\ω}}_{k,q}^{\left(i\right)}{\mathrm{\μ}}_{k,q}^{\left(i\right)}$$m_k^{\left(i\right)}=\underset{q=1}{\overset{M}{\Σ}}{m}_{k,q}^{\left(i\right)}{\mathrm{\μ}}_{k,q}^{\left(i\right)}$上式中，步骤7、输出多目标的跟踪位置估计轨迹。