The invention discloses a multi-target tracking device based on random finite set theory. The measurement set generator generates the measurement set according to the received sensor measurements and sends it to the Gauss component initialization processor, which sends the initialized set of Gauss components to the Gauss component set buffer for storage, and the Gauss component matrix generator receives the measurement set simultaneously. The Gaussian component matrix is obtained by solving the Gaussian component set generated by the measurement set generator and the Gaussian component set at the latest time stored by the Gaussian component set buffer, which is sent to the Gaussian component matrix expander. The Gaussian component matrix expander receives the measurement set generated by the measurement set generator at the same time. The invention adds threshold filtering and generation failure filtering mechanism to identify the validity of Gauss component. It not only filters the Gauss component matrix, improves the calculation efficiency, but also protects the case of generation failure, and improves the robustness of the processing process.
【技术实现步骤摘要】
一种基于随机有限集理论的多目标跟踪装置
本专利技术涉及一种多目标跟踪技术,尤其涉及的是一种基于随机有限集理论的多目标跟踪装置。
技术介绍
多目标跟踪技术在雷达数据处理、图像/视频处理、机器人导航等多个领域均是关键技术之一,它是一种利用采集的传感器量测信息,通过相应的目标跟踪算法获得目标航迹的过程。传统的目标跟踪算法主要为基于数据关联的方法,包括航迹起始、关联和航迹终止等,其中正确的关联是实现目标稳定跟踪的前提条件,因此关联算法也成为其中最复杂的过程之一,如最近邻法、联合概率数据关联法和多假设跟踪(MHT)算法等。近年,基于随机有限集(RFS)理论的多目标跟踪方法成为研究热点,该方法基于有限集统计理论对传感器量测集合进行处理,直接估计出多目标的状态集合,从而避免了传统多目标跟踪方法对数据关联的依赖,并降低了计算复杂度。常见的基于随机有限集理论的滤波方法有概率假设密度(PHD)滤波器、序贯蒙特卡罗概率假设密度(SMC-PHD)滤波器和高斯混合概率假设密度(GM-PHD)滤波器等,其中GM-PHD是比较常用的工程实现方法。目前,基于RFS的多目标跟踪方法在文献中多有报道。如(1)谭顺成、王国宏等,基于PHD滤波和数据关联的多目标跟踪,系统工程与电子技术,2011,33(4);(2)StephanReuter,Ba-TuongVo,Ba-NguVo,KlausDietmayer.TheLabeledMulti-BernoulliFilter[J].IEEETransactionsonSignalProcessing,2014,62(12):3246-3260.一种 ...
【技术保护点】
1.一种基于随机有限集理论的多目标跟踪装置,其特征在于,包括量测集合生成器、高斯分量初始化处理器、高斯分量集合缓存器、高斯分量矩阵生成器、高斯分量矩阵扩维器、高斯分量矩阵裁剪融合器、标签分配器和航迹生成器;所述量测集合生成器根据收到的传感器量测生成量测集合,并发送给高斯分量初始化处理器;所述高斯分量初始化处理器将初始化的高斯分量集合发送给高斯分量集合缓存器进行存储;所述高斯分量矩阵生成器同时接收量测集合生成器生成的量测集合和高斯分量集合缓存器存储的最新时刻的高斯分量集合,通过解算得到高斯分量矩阵,并发送给高斯分量矩阵扩维器;所述高斯分量矩阵扩维器同时接收量测集合生成器生成的量测集合,对高斯分量矩阵进行扩维,并将扩维后的高斯分量矩阵发送给高斯分量矩阵裁剪融合器;所述高斯分量矩阵裁剪融合器同时接收高斯分量集合缓存器存储的最新时刻的高斯分量集合,对扩维后的高斯分量矩阵进行裁剪融合,并将裁剪融合后的高斯分量矩阵发送给标签分配器;所述标签分配器采用标签法给高斯分量矩阵中每个高斯分量分配不同的标签后,将高斯分量矩阵发送给高斯分量集合缓存器进行存储,并发送给航迹生成器生成航迹。
【技术特征摘要】
1.一种基于随机有限集理论的多目标跟踪装置,其特征在于,包括量测集合生成器、高斯分量初始化处理器、高斯分量集合缓存器、高斯分量矩阵生成器、高斯分量矩阵扩维器、高斯分量矩阵裁剪融合器、标签分配器和航迹生成器;所述量测集合生成器根据收到的传感器量测生成量测集合,并发送给高斯分量初始化处理器;所述高斯分量初始化处理器将初始化的高斯分量集合发送给高斯分量集合缓存器进行存储;所述高斯分量矩阵生成器同时接收量测集合生成器生成的量测集合和高斯分量集合缓存器存储的最新时刻的高斯分量集合,通过解算得到高斯分量矩阵,并发送给高斯分量矩阵扩维器;所述高斯分量矩阵扩维器同时接收量测集合生成器生成的量测集合,对高斯分量矩阵进行扩维,并将扩维后的高斯分量矩阵发送给高斯分量矩阵裁剪融合器;所述高斯分量矩阵裁剪融合器同时接收高斯分量集合缓存器存储的最新时刻的高斯分量集合,对扩维后的高斯分量矩阵进行裁剪融合,并将裁剪融合后的高斯分量矩阵发送给标签分配器;所述标签分配器采用标签法给高斯分量矩阵中每个高斯分量分配不同的标签后,将高斯分量矩阵发送给高斯分量集合缓存器进行存储,并发送给航迹生成器生成航迹。2.根据权利要求1所述一种基于随机有限集理论的多目标跟踪装置,其特征在于,所述量测集合生成器收到传感器量测后,按照时间片生成量测集合,时间片大小取其中Τ为传感器采样周期,n为正整数。3.根据权利要求1所述一种基于随机有限集理论的多目标跟踪装置,其特征在于,每个高斯分量包括权值、时间、状态均值、协方差矩阵、标签和有效标志。4.根据权利要求1所述一种基于随机有限集理论的多目标跟踪装置,其特征在于,若高斯分量集合缓存器为空,则高斯分量初始化处理器取量测集合中第一个量测进行初始化,获得初始化的高斯分量集合,并存储在高斯分量集合缓存器中;否则,跳过初始化过程。5.根据权利要求1所述一种基于随机有限集理论的多目...
【专利技术属性】
技术研发人员:武慧勇,钮俊清,任清安,唐匀龙,马志娟,郭佳意,王建富,王文洋,
申请(专利权)人:中国电子科技集团公司第三十八研究所,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。