[發明專利]一種基于汽車雷達的擴展目標跟蹤方法

有效

• 申請號: 201911350055.4
• 申請日: 2019-12-24
• 公開（公告）號: CN111007880B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 蔣留兵;溫和鑫;車俐;楊凱;魏光萌
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G05D1/12
• 分類號: G05D1/12;G05D1/02
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

本發明公開一種基于汽車雷達的擴展目標跟蹤方法，根據狀態集建立實際目標汽車的隨機有限集模型，根據測量集建立量測目標汽車的隨機有限集模型，修正異常多普勒速度，在方位?多普勒速度預分區處理后使用吉布斯采樣進行數據關聯，關聯成功則更新多目標PMBM后驗密度，再預測下一時刻的多目標PMBM先驗密度，關聯不成功則判斷是否有新目標進入，對于新目標則預測下一時刻的多目標PMBM先驗密度，再結合完全狀態向量計算目標輸出結果，否則剔除該雜波，本發明增加少量的時間復雜度便能大幅度提升跟蹤效率，提高跟蹤精度。

技術領域

本發明涉及智能駕駛技術領域，具體涉及一種基于汽車雷達的擴展目標跟蹤方法。

背景技術

智能駕駛，是指通過雷達、激光測距器、視頻攝像頭等裝置檢測行駛路況，通過地圖對前方道路進行導航。在智能駕駛的過程中，智能汽車可為駕駛員提供協助，可在駕駛員收到警告卻未能及時采取相應行動時自動進行干預，可在或長或短的時間段內代替駕駛員操控車輛。

智能駕駛領域涉及多目標跟蹤系統，多目標跟蹤系統在包含雜波、虛警和目標的場景中對目標進行檢測、跟蹤和識別，其中，目標的數量是可變的。擴展目標是指在同一時刻產生多個量測的目標，即，如果本智能汽車在每一時刻能都能接收到來自同一輛目標汽車的車頭、車尾、車輪等不同部位的檢測信息，那么該目標汽車則為擴展目標。

現有技術在多目標情形下的擴展目標跟蹤方面存在跟蹤效率低和跟蹤精度差的問題，目前提出的解決該問題的方法有聚類跟蹤法和伽馬高斯逆威夏特-概率假設密度法(GGIW-PHD)，聚類跟蹤法的優點在于計算時間短，缺點在于無法確定擴展目標的形狀，由此帶來的位置誤差、速度誤差較大，尺寸誤差、偏航角誤差更是難以預計，GGIW-PHD的優點在于計算時間略高，位置誤差與速度誤差相對于聚類跟蹤法小，缺點在于尺寸誤差和偏航角誤差較大。這兩種方法都未能實質性解決擴展目標的跟蹤效率低和跟蹤精度差的問題。

發明內容

本發明提供一種基于汽車雷達的擴展目標跟蹤方法，解決現有技術中存在擴展目標跟蹤效率低、跟蹤精度低的問題。

本發明通過以下技術方案解決技術問題：

一種基于汽車雷達的擴展目標跟蹤方法，包括如下步驟：

(1)獲取汽車雷達的檢測數據

實時接收各時刻下本智能汽車的雷達檢測數據，所述雷達檢測數據包括各時刻下本智能汽車相對于各量測目標汽車的徑向距離、角度以及多普勒速度，得到各量測目標汽車的測量集；

(2)建立擴展目標模型

根據各時刻下、各實際目標汽車的狀態集建立實際目標汽車的隨機有限集模型，根據各量測目標汽車的測量集建立量測目標汽車的隨機有限集模型；

(3)修正異常多普勒速度

在量測目標汽車的隨機有限集模型中，針對每個量測目標汽車，對各時刻下的多普勒速度進行處理，找出車輪位置，修正每個量測目標汽車轉彎時產生的異常多普勒速度以及車輪附帶的異常多普勒速度，得到量測目標汽車的修正隨機有限集模型；

(4)通過吉布斯采樣進行數據關聯

在量測目標汽車的修正隨機有限集模型中，針對各時刻下、各量測目標汽車的數據進行方位-多普勒速度預分區處理，使用吉布斯采樣獲取關聯的多普勒速度；

(5)根據關聯結果進行更新或預測

針對各時刻下、各量測目標汽車關聯的多普勒速度，如關聯成功，根據步驟(2)中的實際目標汽車的隨機有限集模型、步驟(3)中量測目標汽車的修正隨機有限集模型以及PMBM測量模型更新多目標PMBM后驗密度，并預測下一時刻的多目標PMBM先驗密度；如關聯不成功，則判斷是否出現新目標，如是新目標，則根據當前時刻的多目標PMBM后驗密度以及貝葉斯濾波器模型預測下一時刻多目標PMBM先驗密度，否則刪除該多普勒速度；