一种基于合作目标信息的扩展目标跟踪方法技术

本发明专利技术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。本发明专利技术能有效提高合作目标存在时扩展目标的跟踪精度。

An extended target tracking method based on cooperative target information

【技术实现步骤摘要】
一种基于合作目标信息的扩展目标跟踪方法
本专利技术属于计算机和自动化技术，主要涉及目标跟踪
，具体涉及一种基于合作目标信息的扩展目标跟踪方法。
技术介绍
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。本专利技术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。
技术实现思路
本专利技术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。本专利技术的技术方案如下：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：πij＝P(sk＝m(j)|sk-1＝m(i))，k∈N，i，j＝1，2，…，r然后针对每个模型进行跟踪滤波。进一步的，所述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，具体包括：考虑到被跟踪目标都为带姿态信息的扩展目标，设置一个二重跟踪门来对观测值进行筛选，首先利用被跟踪目标的姿态信息对观测状态zk进行筛选得到(zk)′，然后在跟踪空间中利用其目标的位置信息设置矩形跟踪门，根据对应匹配的模型残差向量及残差协方差阵分别用表示，对于任意一个被跟踪的目标lk的残差向量分量量测值(zk)′的分量和预测量测向量跟踪门常数Kg，当观测量满足如下关系：则得到确认量测(zk)″，此处为第lk个残差的标准偏差。进一步的，所述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，其步骤包括：一步预测：根据模型m(i)前一时刻的滤波结果进行一步预测，其中lk为匹配模型m(i)的目标个数，得到的一步预测值和一步预测误差的协方差矩阵：目标量测重构：利用合作目标身份信息不变性，对一步预测值进行重构；数据关联：根据重构的一步预测值和k时刻候选量测(zk)″＝[(zk，1)″(zk，2)″…(zk，l)″]，以及直到k时刻的累计候选量测集Zk＝[(z1)″(z2)″…(zk)″]来计算表示在k时刻第m个量测来自目标这一事件的概率，表示为没有量测源于目标的概率，因此满足假定杂波是服从均匀分布的，正确量测服从正态分布，且每个采样时刻至多有一个真实量测，得到的计算方式为：其中表示确认(zk，m)″是来自目标的正确量测事件，用表示确认量测集中没有一个是正确事件；滤波：根据当前时刻确认量测与一步预测结果，基于模型对目标状态进行滤波更新：进一步的，所述对一步预测值进行重构的具体步骤是：对于中每一个对应的目标的id信息和姿态角，如果中有对应目标的id信息和航向角信息γ与其相同，则用的分量去替换中的分量，同时也替换对应的误差的协方差矩阵，得到修正后的一步预测值和预测误差的协方差矩阵进一步的，所述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，具体包括：利用直到k时刻的累计确认量测Zk与上一时刻滤波结果进行模型改率更新：估计融合：估计融合就是给出k时刻的总体估计和总体估计误差的协方差阵，分别为：本专利技术的优点及有益效果如下：本专利技术提出一种基于合作目标信息的扩展目标跟踪方法。首先利用交互式多模型的方法对被跟踪目标建模，更能详细的描述被跟踪目标的运动状态，提高了一步预测的准确性。然后利用合作目标提供的身份信息与姿态信息对预测值重构，既能改善被跟踪目标被遮挡时检测不准的问题，又能提高一步预测的准确性。最后在跟踪门和关联过程中有效的利用姿态特征，不仅提高了传感器检测信息的利用率，而且也提高了目标跟踪的精度。通过上述三个方面，本专利技术可以有效提高目标跟踪性能，对目标跟踪方面的研究具有重要意义。附图说明图1是本专利技术基于合作目标信息的扩展目标跟踪的场景；图2本专利技术基于合作目标信息的扩展目标跟踪算法结构图；图3本专利技术基于合作目标信息的扩展目标跟踪方法的数据关联与滤波流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。本专利技术解决上述技术问题的技术方案是：如图1所示为本专利技术基于合作目标信息的扩展目标跟踪的场景。跟踪系统检测的目标包括两类：能够不断通过通信网络向观测站提供自身位置、姿态的合作目标，记为以及不能提供自身位置、姿态的普通目标，记为在跟踪过程中，观测站传感器不断检测其检测范围内的目标的位置和姿态，记为zk，不考虑目标是合作目标还是普通目标；同时，观测站周期性地通过通信网络接收合作目标的身本文档来自技高网...

【技术保护点】
1.一种基于合作目标信息的扩展目标跟踪方法，其特征在于，包括以下步骤：/n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，并根据运动模型进行多个扩展目标的跟踪，所述目标跟踪过程包括：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。/n

【技术特征摘要】
1.一种基于合作目标信息的扩展目标跟踪方法，其特征在于，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，并根据运动模型进行多个扩展目标的跟踪，所述目标跟踪过程包括：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。


2.根据权利要求1所述的一种基于合作目标信息的扩展目标跟踪方法，其特征在于，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表示模型集中的模型的总数目，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：






πj＝P(sk＝m(j)|sk-1＝m(i))，k∈N，i，j＝1，2，…，r
其中表示k时刻目标的位置、速度与姿态角，N表示时间指标，[γ，θ，φ]表示目标的航向角、横滚角和俯仰角，Fk(i)表示第m(i)个模型的状态转移矩阵，表示第m(i)个模型的噪声矩阵，zk表示对系统状态的量测向量，表示第m(i)个模型的量测矩阵，分别表示相互独立的过程噪声和量测噪声，sk＝m(j)表示当前时刻目标模型属于m(j)模型，表示目标从模型m(i)到m(j)的转移概率，然后针对每个模型进行目标跟踪。


3.根据权利要求2所述的一种基于合作目标信息的扩展目标跟踪方法，其特征在于，所述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，具体包括：
考虑到被跟踪目标都为带姿态信息的扩展目标，设置一个二重跟踪门来对观测值进行筛选，首先利用被跟踪目标的姿态信息对观测状态zk进行筛选得到(zk)′，然后在跟踪空间中利用其目标的位置信息设置矩形跟踪门，根据对应匹配的模型残差向量及残差协方差阵分别用表示，对于任意一个被跟踪的目标lk的残差向量分量量测值(zk)′的分量和预测量测向量跟踪门常数Kg，当观测量满足如下关系：



则得到确认量测(zk)″，...

【专利技术属性】
技术研发人员：岑明，郁玲玲，周洋平，黎城，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50