一种三维场景下高斯多假设多扩展目标的跟踪方法

本申请涉及雷达多扩展目标跟踪领域，具体涉及一种三维场景下高斯多假设多扩展目标的跟踪方法。

背景技术：

1、在传统的目标跟踪应用，例如空中监视，每个目标最多只能产生单个量测。然而，在许多最近的应用，如自动驾驶中，情况并非如此，因为传感器的分辨率足够高，被探测的目标可能占据多个分辨单元从而产生多个量测，此类场景被定义为扩展目标跟踪。在这种情况下，目标的空间形状是不可忽视的，需要跟踪算法来确定目标形状及其轨迹。此外，在扩展目标跟踪场景下，数据关联和轨迹管理比点目标要复杂得多。随着现代传感器分辨率的不断提高，扩展目标跟踪已成为自主系统环境感知的关键问题。

2、扩展目标跟踪问题可以分为扩展目标量测建模和多目标跟踪两部分。常用的扩展目标量测建模方法有随机矩阵(random matrix, rm)方法和随机超曲面(random hypersurface, rhs)法。rm方法假设扩展目标量测分布在以扩展目标中心为原点的椭圆范围内，采用一个半正定 (semi positive definite, spd) 矩阵来表示椭圆轮廓，同时将扩展状态作为附加的目标状态变量进行估计。rhs方法隐式地表达目标量测模型，再结合非线性估计方法对扩展目标进行跟踪。本申请则提出利用高斯过程回归来估计径向函数，该方法可以表示多种形状的扩展目标，同时对目标轮廓和量测的估计要优于采用椭圆近似的方法。为了解决状态估计问题，本申请提出了一种递归高斯过程回归的求解方法。

3、在多目标跟踪算法中，数据关联一直是其中的核心和难点。从最近邻域法(nearest neighbor, nn)到联合数据关联法(joint probabilistic data association,jpda)都缺乏统一的理论解决多目标跟踪问题。本申请采用的多假设跟踪(multiplehypothesis tracking，mht)技术将航迹起始和航迹维持统一在一个框架上处理，它是一种基于多个扫描周期量测进行数据互联的技术，理论上是解决关联的最优方法，nn和jpda方法都可以看作是该方法的子集。

技术实现思路

1、本申请提供了一种三维场景下高斯多假设多扩展目标的跟踪方法；可以解决现有技术中对三维场景下多扩展目标形状估计的问题。

2、为了解决上述技术问题，本申请实施例提供了如下的技术方案：

3、本申请提供了一种三维场景下高斯多假设多扩展目标的跟踪方法，包括：

4、步骤s1：量测聚类：利用基于密度的聚类算法(density-based spatialclustering of applications with noise, dbscan)对量测进行聚类，形成量测簇；

5、步骤s2：假设形成与维持：对每个簇中已相关的各量测进行处理生成新的假设，同时修改簇中每个假设的概率和目标的状态；

6、步骤s3：假设得分计算，确认与删除：利用假设概率计算公式计算假设的得分，同时删除低于阈值的假设；

7、步骤s4：假设约简与假设剪枝：消除不可行假设，同时对估计值相近的假设进行合并处理；

8、步骤s5：形状估计：利用高斯过程回归和径向函数估计扩展目标的形状。

9、基于上述实施例的公开可以获知，本申请实施例具备如下的有益效果：

10、本申请采用高斯过程回归和径向函数结合估计扩展目标形状，通过引入状态空间模型，将递归高斯过程转化为状态估计问题，使得状态估计可以与形状估计相结合，实现了三维目标形状的估计。通过径向函数可以精细地刻画目标外形，从而提高了形状估计的准确度。

技术特征：

1.一种三维场景下高斯多假设多扩展目标的跟踪方法，包括如下步骤：

2.根据权利要求1所述的一种三维场景下高斯多假设多扩展目标的跟踪方法，其特征在于，步骤s5中的高斯过程形状估计方法如下：

技术总结
本发明提供了一种三维场景下高斯多假设多扩展目标的跟踪方法。所述方法包括以下步骤：S1：量测聚类：利用基于密度的算法对量测进行聚类，形成量测簇；S2：假设形成与维持：对每个簇中已相关的各量测进行处理生成新的假设，同时修改簇中每个假设的概率和目标的状态；S3：假设得分计算，确认与删除：利用假设概率计算公式计算假设的得分，同时删除低于阈值的假设；S4：假设约简与假设剪枝：消除不可行假设，同时对估计值相近的假设进行合并处理；S5：形状估计：利用高斯过程回归和径向函数估计扩展目标的形状。本发明解决了现有方法中对三维场景下多扩展目标形状估计的问题，大大提高了形状估计的准确度。

技术研发人员：柳超,杨志远,孙进平,董云龙,刘宁波,关键,丁昊,黄勇,王国庆,于恒力,曹政
受保护的技术使用者：中国人民解放军海军航空大学
技术研发日：
技术公布日：2024/1/15