[發明專利]一種基于路網結構和目標特性的目標跟蹤算法

有效

• 申請號: 201811382204.0
• 申請日: 2018-11-19
• 公開（公告）號: CN109671099B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 解梅;蘇星霖;薛錚
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/207;G06K9/62;G06V10/74
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 李明光

1.一種基于路網結構和目標特性的目標跟蹤方法，其特征在于，包括以下步驟：

A.根據實際應用場景建立地理信息知識庫和目標運動特征庫；

步驟A的具體過程為：

為傳感器監視區域建立基于道路網的地理信息知識庫，建模信息包括道路拓撲結構、地形環境條件，以及地形環境對目標運動產生的約束能力，為各運動目標建立對不同道路、地形環境適應能力的目標運動特征庫；

A-1.所述道路網建模為一系列道路片段和道路節點，道路節點被放置在道路屬性發生變化的位置，以及不同道路的交叉點處，信息庫分別保存各道路路段和道路節點的屬性以及它們之間的連接關系；

A-2.所述道路和地形對目標運動的約束能力建模為各道路路段、道路節點和其他地形區域對應的目標運動模型集合；

A-3.所述目標運動特征庫建模為目標的先驗地形約束率和地形轉移概率經驗矩陣；

B.建立航跡表，航跡表記錄每個航跡的狀態估計、航跡的當前運動模型集、航跡的當前匹配地形類型、以及航跡的地形標記，其中，航跡的地形標記包括道路目標標記、節點目標標記和路外目標標記；

步驟B中，第k個掃描時刻航跡號為n的航跡狀態記為Tⁿ(k)：

其中，Mⁿ(k)為航跡n在當前時刻對應的運動模型集，和Pⁿ(k)分別為當前時刻的狀態估計和協方差估計；分別為模型r下的狀態估計、協方差估計以及模型r在模型集Mⁿ(k)中的模型概率，r為模型集Mⁿ(k)中的模型；τⁿ(k)為航跡的地形標記，aⁿ(k)為航跡的當前地形匹配；

C.每一仿真時刻，依據航跡當前地形標記的不同，對不同航跡進行不同的處理流程，每個處理流程包括目標與具體地形位置的匹配、模型集自適應判定以及多模型集的跟蹤濾波；

C-1.采用預測不確定區域判別法進行目標與具體地形的匹配，包括是否在道路節點附近的判定、是否在道路節點的判定以及是否在道路上的判定，地形匹配后根據航跡的歷史地形標記信息和當前地形匹配信息更新航跡的當前地形標記；

步驟C-1中的預測不確定區域判別法的具體過程為：

目標的預測不確定區域εⁿ(k)定義為：

其中，x和y分別為橫縱坐標變量，x_p(k^-)和y_p(k^-)分別為目標預測點的橫縱坐標，(x_p(k^-),y_p(k^-))為由濾波器給出的k時刻目標的位置狀態預測，

為k時刻目標狀態預測協方差矩陣Pⁿ(k^-)的位置子矩陣，P_xx(k^-)、P_xy(k^-)、P_yx(k^-)、P_yy(k^-)分別為Pⁿ(k^-)的對應元素值，a為預測與確定區域的判決門限值；

步驟C-1中，

(1)標記為道路目標的處理流程：對于道路目標，首先判斷目標是否到達道路臨近節點，如果到達某個節點，進行節點模型集的添加和舊模型集的刪除，同時將目標當前位置標記設為該節點；如果目標未到達臨近節點，判斷目標是否還在道路上，如果仍在道路上，無需模型集的改變直接進行跟蹤濾波；如果目標不在道路上，接下來m個時刻對當前道路和當前道路的鄰接道路和節點進行判斷，如果連續m個時刻目標預測位置均不在道路或節點上，則判定該目標已駛離道路，進行路外模型集的添加和舊模型集的刪除，同時將目標當前位置標記設為路外，其中，m為一個經驗時刻值；

(2)標記為節點目標的處理流程：對于節點目標，首先判斷目標是否還在節點，如果仍在節點上，無需模型集的改變直接進行跟蹤濾波；如果目標不在節點，判斷目標是否運行到相鄰道路，如果運行到某條相鄰道路，進行道路模型集的添加和舊模型集的刪除，同時將目標當前位置標記設為該道路；如果目標不在節點也不在道路，接下來m個時刻對當前節點和當前節點鄰接道路都進行判斷，如果連續m個時刻目標預測位置均不在道路或節點上，則判定該目標已駛離道路，進行路外模型集的添加和舊模型集的刪除，同時將目標當前位置標記設為路外；

(3)標記為路外目標的處理流程：對于路外目標，首先判斷目標預測是否進入目標不可達區，如果連續c個時刻目標預測位置均在目標不可達區，直接對進行航跡終結，其中，c為經驗時刻閾值；否則判斷目標是否到達某個道路節點，如果目標到達某個節點或某段道路，進行節點或道路模型集的添加，但暫時不改變目標的當前位置標記，只有連續d個時刻目標預測位置均在節點或道路上，才判定該目標已到達當前節點或當前道路，并且將目標當前位置標記設為當前節點或當前道路，其中，d為一個經驗時刻值，否則按照路外目標進行跟蹤濾波；

步驟C-1中目標是否到達道路臨近節點的具體的判定過程為：通過目標最大速度判斷目標是否在道路節點附近，假設道路節點坐標為(x_junc,y_junc)，判斷下式是否成立：

若成立，說明目標在節點附近，其中v_max為目標最大速度，T為仿真間隔；

步驟C-1中目標是否在道路節點上的具體的判定過程為：假設道路節點坐標為(x_junc,y_junc)，判斷下式是否成立：

若成立，則預測目標到達節點(x_junc,y_junc)處，否則不在；其中α_junc為節點判決閾；

步驟C-1中目標是否在道路上的具體的判定過程為：假設道路端點為(x₁,y₁)和(x₂,y₂)，目標預測位置即橢圓中心為(x₀,y₀)，不確定區域橢圓區域為：

其中，k時刻目標狀態預測協方差矩陣Pⁿ(k^-)的位置子矩陣，L₁₁、L₁₂、L₂₁、L₂₂分別為Pⁿ(k^-)的對應元素值，α_road為道路不確定區域判決閾值；

首先判斷道路兩個端點是否在不確定區域橢圓區域內，只要有一點滿足條件，則可判定目標預測位置在道路上；如果都不滿足，令L₀＝L₁₂+L₂₁，當x₁＝x₂時，計算a₁＝L₂₂，b₁＝L₀(x₁-x₀)，c₁＝L₁₁(x₁-x₀)²-α_road，判斷Δ₁＝b₁²-4a₁c₁≥0是否成立，若不成立，退出判斷；如果成立，則令k₁＝-b₁/2a₁+y₀，繼續判斷(y₁-k₁)(y₂-k₁)≤0是否成立；若成立，說明道路段與不確定區域橢圓相交，否則不相交；當x₁≠x₂時，令a₂＝L₁₁+L₀A₁+L₂₂A₁²，b₂＝L₀B+2L₂₂A₁A₂，c₂＝L₂₂A₂²-a_road，其中A₁＝(y₂-y₁)/(x₂-x₁)，A₂＝(x₂y₁-x₁y₂)/(x₂-x₁)-y₀+A₁x₀，判D₂＝b₂²-4a₂c₂≥0是否成立，若不成立，退出判斷；如果成立，則令k₂＝-b₂/2a₂+x₀，繼續判斷(x₁-k₂)(x₂-k₂)≤0是否成立；若成立，說明道路段與不確定區域橢圓相交，否則不相交；

C-2.根據目標匹配的地形位置激活該地形相應的先驗目標運動模型集作為候選模型群，通過當前航跡目標的先驗地形約束率、近期地形標記和地形轉移概率經驗矩陣修正當前模型轉移馬爾科夫矩陣；

步驟C-2的具體過程為：

C-2-1.候選模型群激活的策略：通過目標當前所在的道路地理環境決定，依靠預測道路信息和地理信息判斷模型集的激活；

C-2-2.如果有候選模型群被激活，則更新當前目標運動模型集其中，為舊的當前運動模型集；

C-2-3.根據目標匹配的地形位置激活該地形相應的先驗目標運動模型集作為候選模型群，通過當前航跡目標的先驗地形約束率、近期地形標記和地形轉移概率經驗矩陣修正當前模型轉移馬爾科夫矩陣{p_ij}，其中，1≤i≤|Mⁿ(k-1)|，1≤j≤|Mⁿ(k)|，|Mⁿ(k-1)|為Mⁿ(k-1)模型個數，|Mⁿ(k)|為Mⁿ(k)模型個數；

C-3.將舊的航跡當前運動模型集以及C-2激活的候選運動模型群組合，作為新的航跡當前運動模型集，以交互式多模型濾波器作為狀態估計器估計目標狀態，并分別計算舊當前運動模型群、新激活候選群的群模型概率，且由群模型切換判決法判決是否在下一時刻刪除舊當前運動模型群和新激活候選群；

步驟C-3的具體過程為：C-3-1.借助舊的當前運動模型集和修正的當前模型轉移馬爾科夫矩陣{μ_i|j(k-1)}，基于新的當前運動模型集Mⁿ(k)運行VS-IMM，估計目標狀態以及各模型概率；

所述VS-IMM估計目標狀態以及各模型概率流程如下：

C-3-1-1.k-1時刻運動模型集為Mⁿ(k-1)，k時刻的運動模型集為Mⁿ(k)；

C-3-1-2.濾波器的重初始化：

根據k-1時刻各子模型的狀態估計來計算k時刻各子濾波器M_j(k)的初始狀態估計和初始協方差矩陣：

其中，為k-1時刻Mⁿ(k-1)模型集模型i對應的狀態估計，μ_i|j(k-1)為k時刻模型為j的情況下k-1時刻模型為i的條件概率，P_i(k-1)為k-1時刻Mⁿ(k-1)模型集模型i對應的狀態估計協方差矩陣；

C-3-1-3.各子模型獨立濾波，并計算模型似然值，似然值為：

其中，v_j(k)為量測新息，S_j(k)為新息協方差矩陣；

C-3-1-4.計算模型概率：模型j的概率更新為：

其中，

C-3-1-5.計算融合結果和協方差：

其中，P_j(k)和μ_j(k)分別為k時刻模型j下的狀態估計、協方差估計及模型j在模型集Mⁿ(k)中的模型概率；

C-3-2.分別計算舊當前運動模型集新激活候選群的群模型概率；當滿足時，候選模型群在下一時刻終止；當滿足時，當前起作用的模型群在下一時刻終止；其中，t₁和t₂為模型終止判決閾值，為新激活候選群的模型概率和，為舊當前運動模型集的模型概率和。