【技术实现步骤摘要】
Detection and Tracking Using MMW Radar and Monovision Fusion,"in IEEE Transactions on Intelligent Transportation Systems,vol.17,no.7,pp.2075
‑
2084,July 2016.)提出了一种利用毫米波雷达提供的感兴趣区域(ROI)限制的视觉检测方法,以减少雷达的虚警。文献(K.Lee,Y.Kanzawa,M.Derry and M.R.James,"Multi
‑
Target Track
‑
to
‑
Track Fusion Based on Permutation Matrix Track Association,"2018IEEE Intelligent Vehicles Symposium(IV),2018,pp.465
‑
470,doi:10.1109/IVS.2018.8500433.)开发了一种置换矩阵轨迹关联(PMTA)算法,对来自多个传感器的测量数据进行独立处理,创建一个对象的轨迹,并通过过滤融合对象的轨迹列表。
[0004]除了高级语义融合,低级语义融合的目的是处理来自雷达和摄像机的原始数据,通常包含像素和簇,混合融合结构由低级和高级融合组成,文献(A.Milella,G.Reina,J.Underwood and B.Douillard,"Combining radar and vision for self< ...
【技术保护点】
【技术特征摘要】
1.一种基于多运动学模型融合的测距设备后端数据融合方法,其特征在于,包括以下步骤:步骤1,将两种测距设备的坐标统一后,将两者的测量所得的目标物的运动视为四种运动学模型的加权融合,四种运动学模型作为四个子模型,分别为恒定速度模型,恒定加速度模型,恒定转率和速度模型,恒定转率和加速度模型;步骤2,根据k
‑
1时刻目标物的加权融合运动学模型以为初值对其k时刻的状态向量进行预测得到步骤3,k时刻通过测距设备测出目标物当前的状态向量X
k
,两种测距设备测量的当前的状态向量分别记作和将两者与k
‑
1时刻融合运动学模型预测结果作对比,进行测量结果筛选,取和中与的欧几里得距离最近者作为可靠测量值,在该步骤输出可靠测量值步骤4,以作为输入,计算各个子模型单独在k
‑
1时刻预测值以与k时刻可靠测量值的距离,更新每个子模型的临时权重并进行归一化;步骤5,将临时权重与马尔可夫状态转移矩阵P
k
‑1相乘,得到k时刻的最终修正后的子模型权重并归一化处理;步骤6,根据k时刻所有更新后的子模型权重与k
‑
1时刻的各个子模型权重对马尔可夫状态转移矩阵P
k
‑1进行修正得到P
k
,待k+1时刻使用。2.如权利要求1所述的一种基于多运动学模型融合的测距设备后端数据融合方法,其特征在于,所述步骤1中的两种测距设备为毫米波雷达和激光雷达、激光雷达和机器视觉相机或者毫米波雷达和机器视觉相机。3.如权利要求1所述的一种基于多运动学模型融合的测距设备后端数据融合方法,其特征在于,所述步骤1中的恒定速度模型为:CV
k
=[x
k y
k v
k θ
k 0 0]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)所述恒定加速度模型为:CA
k
=[x
k y
k v
k θ
k a
k 0]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)所述恒定转率和速度模型为:
CTRV
k
=[x
k y
k v
k θ
k 0 ω
k
]
T
ꢀꢀꢀꢀ
(5)所述恒定转率和加速度模型为:CTRA
k
=[x
k y
k v
k θ
k a
k ω
k
]
T
ꢀꢀꢀꢀ
(7)公式(8)中的:公式(8)中的:其中CV
k
,CA
k
,CTRV
k
,CTRA
k
分别为恒定速度模...
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。