基于多传感器的监测目标融合方法及其装置、电子设备制造方法及图纸

本发明专利技术公开了一种基于多传感器的监测目标融合方法及其装置、电子设备，其中，该融合方法包括：对获取的前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值进行粒子采样，得到在当前时刻下监测目标的预测量测值的带权粒子，然后对每个传感器的量测数据进行处理，得到在当前时刻下与传感器对应的所有监测目标的当前状态估计值以及当前轮廓估计值，再筛选与每个监测目标对应的目标传感器集合，融合目标传感器集合中与每个目标传感器对应的当前状态估计值以及当前轮廓估计值，得到在当前时刻下监测目标的目标状态值以及目标轮廓值。本发明专利技术解决了相关技术中计算监测目标的状态值以及轮廓值的时效性较差以及准确率较低的技术问题。准确率较低的技术问题。准确率较低的技术问题。

【技术实现步骤摘要】
基于多传感器的监测目标融合方法及其装置、电子设备


[0001]本专利技术涉及多传感器信息融合
，具体而言，涉及一种基于多传感器的监测目标融合方法及其装置、电子设备。

技术介绍

[0002]随着“智慧城市”的建设，越来越多种类的传感器被应用于各类场合。为了避免视觉传感器容易侵犯隐私的缺点，可以使用诸如毫米波雷达等的传感器，在避免侵犯隐私的同时能够进行快速准确的定位与跟踪。而又由于传感器的分辨率高，导致一个监测目标(例如，汽车、行人等)会对应产生多个量测，又因辨别监测目标的形状有利于进一步判断，因此考虑将其作为扩展目标进行处理。
[0003]相关技术中，对于扩展目标的定位跟踪，往往需要进行诸如聚类等的预处理操作，再进行跟踪，该方法对于计算力有限的嵌入式平台来说计算负担过大，难以满足实时性要求。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种基于多传感器的监测目标融合方法及其装置、电子设备，以至少解决相关技术中计算监测目标的状态值以及轮廓值的时效性较差以及准确率较低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种基于多传感器的监测目标融合方法，包括：获取在前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值；对所述监测目标的所述状态估计值以及所述轮廓估计值进行粒子采样，得到在当前时刻下所述监测目标的预测量测值的带权粒子；基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理，得到在所述当前时刻下与所述传感器对应的所有所述监测目标的当前状态估计值以及当前轮廓估计值；基于所述当前状态估计值以及所述当前轮廓估计值，筛选与每个所述监测目标对应的目标传感器集合；融合所述目标传感器集合中与每个目标传感器对应的所述当前状态估计值以及所述当前轮廓估计值，得到在所述当前时刻下所述监测目标的目标状态值以及目标轮廓值。
[0007]可选地，在获取在前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值之后，还包括：基于在所述前一时刻下所述监测目标的所述状态估计值，确定所述监测目标在所述当前时刻下的状态预测值；基于在所述前一时刻下所述监测目标的所述轮廓估计值，确定所述监测目标在所述当前时刻下的轮廓预测值；基于所述状态预测值以及所述轮廓预测值，得到在所述当前时刻下所述监测目标的预测量测值，其中，所述预测量测值是所述监测目标在所述当前时刻下的预测状态所对应的量测值。
[0008]可选地，对所述监测目标的所述状态估计值以及所述轮廓估计值进行粒子采样，得到在当前时刻下所述监测目标的预测量测值的带权粒子的步骤，包括：对所述状态估计
值以及所述轮廓估计值进行粒子采样，生成多个粒子；基于预设参数，计算每个所述粒子的初始粒子权重；基于所有所述初始粒子权重，对各所述初始粒子权重进行归一化处理，得到每个粒子的目标粒子权重，其中，将携带有所述目标粒子权重的所述粒子表征为带权粒子；更新所述带权粒子，得到所述监测目标在所述当前时刻下关联所述预测量测值的带权粒子。
[0009]可选地，基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理之前，还包括：获取每个所述传感器的所述量测数据，其中，所述量测数据至少包括：量测向量集合、量测总数；基于所述量测数据，构建面向监测目标的目标关联变量，其中，所述目标关联变量用于表示预设监测目标在所述当前时刻下产生的第一预设位数的量测指示的量测索引；基于所述量测数据，构建面向量测的量测关联变量，其中，所述量测关联变量用于表示在所述当前时刻下由所述量测索引所映射的监测目标产生的第二预设位数的量测。
[0010]可选地，基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理，得到在所述当前时刻下与所述传感器对应的所有所述监测目标的当前状态估计值以及当前轮廓估计值的步骤，包括：基于在所述当前时刻下所述监测目标的预测量测值的带权粒子以及所述量测向量集合，对所述目标关联变量进行量测评估，得到似然概率；在所述似然概率属于预设概率阈值范围的情况轮廓估计值下，基于所述目标关联变量以及所述量测关联变量，构建关联因子图；基于所述关联因子图，进行迭代计算，得到第一参数值以及第二参数值；基于所述第一参数值以及所述第二参数值，更新所述传感器的所述监测目标的量测数据，得到更新结果；基于所述更新结果，得到与所述传感器对应的在所述当前时刻下所述监测目标的当前轮廓估计值，并基于所述更新结果，对所述带权粒子进行加权计算，得到与所述传感器对应的所述监测目标的当前状态估计值。
[0011]可选地，基于所述当前状态估计值以及所述当前轮廓估计值，筛选与每个所述监测目标对应的目标传感器集合的步骤，包括：将所述当前状态估计值表征为预设高斯分布的均值，并将所述当前轮廓估计值表征为所述预设高斯分布的协方差矩阵；基于所述均值以及所述协方差矩阵，计算每个所述传感器对所述监测目标的估计概率；对所有所述估计概率进行归一化处理，得到目标估计概率；在所述目标估计概率大于预设概率阈值的情况下，将与所述目标估计概率对应的所述传感器加入至所述监测目标对应的所述目标传感器集合。
[0012]可选地，融合所述目标传感器集合中与每个目标传感器对应的所述当前状态估计值以及所述当前轮廓估计值，得到在所述当前时刻下所述监测目标的目标状态值以及目标轮廓值的步骤，包括：计算所有与每个所述目标传感器对应的所述当前状态估计值的平均值，得到所述目标状态值；基于所述当前轮廓估计值，确定所述监测目标的当前目标轮廓的第一半轴长值、第二半轴长值以及偏转角度值；基于所有所述目标传感器的所述协方差矩阵，确定目标协方差矩阵；基于所述目标协方差矩阵，确定目标偏转角度值；基于所述目标偏转角度值，计算每个所述目标传感器的目标第一半轴长值以及目标第二半轴长值；基于所有所述目标第一半轴长值以及所述目标第二半轴长值，得到目标半轴长值；基于所述目标半轴长值以及所述目标偏转角度值，得到所述目标轮廓值。
[0013]根据本专利技术实施例的另一方面，还提供了一种基于多传感器的监测目标融合装
置，包括：获取单元，用于获取在前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值；采样单元，用于对所述监测目标的所述状态估计值以及所述轮廓估计值进行粒子采样，得到在当前时刻下所述监测目标的预测量测值的带权粒子；处理单元，用于基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理，得到在所述当前时刻下与所述传感器对应的所有所述监测目标的当前状态估计值以及当前轮廓估计值；筛选单元，用于基于所述当前状态估计值以及所述当前轮廓估计值，筛选与每个所述监测目标对应的目标传感器集合；融合单元，用于融合所述目标传感器集合中与每个目标传感器对应的所述当前状态估计值以及所述当前轮廓估计值，得到在所述当前时刻下所述监测目标的目标状态值以及目标轮廓值。
[0014]可选地，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的监测目标融合方法，其特征在于，包括：获取在前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值；对所述监测目标的所述状态估计值以及所述轮廓估计值进行粒子采样，得到在当前时刻下所述监测目标的预测量测值的带权粒子；基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理，得到在所述当前时刻下与所述传感器对应的所有所述监测目标的当前状态估计值以及当前轮廓估计值；基于所述当前状态估计值以及所述当前轮廓估计值，筛选与每个所述监测目标对应的目标传感器集合；融合所述目标传感器集合中与每个目标传感器对应的所述当前状态估计值以及所述当前轮廓估计值，得到在所述当前时刻下所述监测目标的目标状态值以及目标轮廓值。2.根据权利要求1所述的融合方法，其特征在于，在获取在前一时刻下各监测目标的目标状态的状态估计值以及目标轮廓的轮廓估计值之后，还包括：基于在所述前一时刻下所述监测目标的所述状态估计值，确定所述监测目标在所述当前时刻下的状态预测值；基于在所述前一时刻下所述监测目标的所述轮廓估计值，确定所述监测目标在所述当前时刻下的轮廓预测值；基于所述状态预测值以及所述轮廓预测值，得到在所述当前时刻下所述监测目标的预测量测值，其中，所述预测量测值是所述监测目标在所述当前时刻下的预测状态所对应的量测值。3.根据权利要求2所述的融合方法，其特征在于，对所述监测目标的所述状态估计值以及所述轮廓估计值进行粒子采样，得到在当前时刻下所述监测目标的预测量测值的带权粒子的步骤，包括：对所述状态估计值以及所述轮廓估计值进行粒子采样，生成多个粒子；基于预设参数，计算每个所述粒子的初始粒子权重；基于所有所述初始粒子权重，对各所述初始粒子权重进行归一化处理，得到每个粒子的目标粒子权重，其中，将携带有所述目标粒子权重的所述粒子表征为带权粒子；更新所述带权粒子，得到所述监测目标在所述当前时刻下关联所述预测量测值的带权粒子。4.根据权利要求1所述的融合方法，其特征在于，基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理之前，还包括：获取每个所述传感器的所述量测数据，其中，所述量测数据至少包括：量测向量集合、量测总数；基于所述量测数据，构建面向监测目标的目标关联变量，其中，所述目标关联变量用于表示预设监测目标在所述当前时刻下产生的第一预设位数的量测指示的量测索引；基于所述量测数据，构建面向量测的量测关联变量，其中，所述量测关联变量用于表示在所述当前时刻下由所述量测索引所映射的监测目标产生的第二预设位数的量测。5.根据权利要求4所述的融合方法，其特征在于，基于在所述当前时刻下所述监测目标的预测量测值的带权粒子，对每个传感器的量测数据进行处理，得到在所述当前时刻下与
所述传感器对应的所有所述监测目标的当前状态估计值以及当前轮廓估计值的步骤，包括：基于在所述当前时刻下所述监测目标的预测量测值的带权粒子以及所述量测向量集合，对所述目标关联变量进行量测评估，得到似然概率；在所述似然概率属于预设概率阈值范围的情况轮廓估计值下，基于所述目标关联变量以及所述量测关联变量，构建关联因子图；基于所述关联因子图，进行迭代计算，得到第一参数值以及...

【专利技术属性】
技术研发人员：陈军松，孔谨，沈秀强，韩伟智，刘坭娜，李学伟，
申请(专利权)人：浙江正泰中自控制工程有限公司，
类型：发明
国别省市：