【技术实现步骤摘要】
一种多目标数据跟踪方法及系统
[0001]本专利技术属于自动驾驶与传感器数据处理领域，具体涉及基一种多目标数据跟踪方法及系统。
技术介绍
[0002]自动驾驶领域传感器融合是一个比较重要的领域，在多传感器目标融合阶段，需要对不同的传感器输出目标进行数据关联，以此来进行判断多个数据是否属于同一目标。
[0003]在目前自动驾驶感知融合领域，通常采用的是匈牙利匹配算法进行数据关联，但是匈牙利算法是最大匹配算法，在特殊情况下，两个不相关的目标也能匹配上，导致融合结果出现误差。
技术实现思路
[0004]为解决最大匹配算法导致多传感器数据融合出现误差的问题，在本专利技术的第一方面提供了一种多目标数据跟踪方法，包括如下步骤：
[0005]获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；
[0006]统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；
[0007]根据基于运动学模型...
【技术保护点】
【技术特征摘要】
1.一种多目标数据跟踪方法，其特征在于，包括如下步骤：获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理。2.根据权利要求1所述的多目标数据跟踪方法，其特征在于，所述向量相关一致性通过如下方法计算：其中，ρ(.)表示关联矩阵的向量相关一致性指数；S表示预测目标数据，T表示测量目标数据，E(.)表示相对应的均值；s表示预测目标数据的序数，t表示测量目标数据的序数，M和N分别表示测量目标总数和预测目标总数。3.根据权利要求2所述的多目标数据跟踪方法，其特征在于，若存在一个测量目标与多个预测目标的向量相关一致性指数相等，则：从所述多个预测目标的数据中，选择与测量目标的欧式距离最小的一组预测目标数据作为匹配数据。4.根据权利要求1所述的多目标数据跟踪方法，其特征在于，所述根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理包括：根据基于运动学模型的卡尔曼滤波方法对测量目标和预测目标的数据进行更新；统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理。5.根据权利要求4所述的多目标数据跟踪方法，其特征在于，所述统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理包括：若存在测量目标和预测目标的数据在预设帧数内匹配次数不小于阈值，则保留该测量目标及其数据；否则，将...
【专利技术属性】
技术研发人员：王军德，费腾，张伟，张家豪，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：
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。