[發(fā)明專利]一種多目標(biāo)車輛跟蹤方法及相關(guān)裝置

有效

• 申請?zhí)枺?/td>: 202110474334.2
• 申請日: 2021-04-29
• 公開（公告）號: CN113191427B
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計）人: 章軍輝;郭曉滿;付宗杰;王靜賢;陳大鵬
• 申請（專利權(quán)）人: 無錫物聯(lián)網(wǎng)創(chuàng)新中心有限公司;江蘇物聯(lián)網(wǎng)研究發(fā)展中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/762;G06V10/80;G01S13/72;G01S7/40
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 高勇

本申請公開了一種多目標(biāo)車輛跟蹤方法，包括：從傳感器的量測數(shù)據(jù)中篩選有效量測數(shù)據(jù)，得到量測樣本；通過HS?FCM算法計算所述量測樣本與聚類中心的隸屬度，并根據(jù)所述隸屬度將所述量測樣本與目標(biāo)車輛的運(yùn)動軌跡關(guān)聯(lián)；根據(jù)所述量測樣本以及多目標(biāo)觀測模型，通過概率加權(quán)融合的方式進(jìn)行滾動估計得到與所述量測樣本關(guān)聯(lián)的所述目標(biāo)車輛的運(yùn)動狀態(tài)。該方法能夠在有效跟蹤車輛的同時，降低計算的復(fù)雜度，實(shí)現(xiàn)快速跟蹤，并且一定程度上避免航跡合并現(xiàn)象。本申請還公開了一種多目標(biāo)車輛跟蹤裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)，均具有上述技術(shù)效果。

技術(shù)領(lǐng)域

本申請涉及智能車輛技術(shù)領(lǐng)域，特別涉及一種多目標(biāo)車輛跟蹤方法；還涉及一種多目標(biāo)車輛跟蹤裝置、設(shè)備以及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

實(shí)現(xiàn)精準(zhǔn)可靠的目標(biāo)軌跡跟蹤是多目標(biāo)跟蹤的主要任務(wù)，而強(qiáng)雜波環(huán)境下的數(shù)據(jù)關(guān)聯(lián)、多源數(shù)據(jù)融合策略等問題一直是多目標(biāo)跟蹤研究的熱難點(diǎn)。目標(biāo)的表達(dá)通常是采用形狀或外觀來描述的。對于點(diǎn)表達(dá)的目標(biāo)跟蹤問題，點(diǎn)關(guān)聯(lián)的方法主要包括確定性方法與統(tǒng)計性方法。確定性方法通常是在一系列約束條件下尋求關(guān)聯(lián)成本最小化的解，如貪婪搜索法。統(tǒng)計性方法利用位置、速度、加速度等目標(biāo)的屬性來建立狀態(tài)空間模型，并在一定程度上考慮了模型不確定性以及觀測噪聲，如JPDA(joint probability data association，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián))等。

車輛跟隨行駛是日常道路交通環(huán)境中最主要的行車工況。在強(qiáng)雜波環(huán)境下經(jīng)典數(shù)據(jù)關(guān)聯(lián)方法的跟蹤效果往往不太理想。傳統(tǒng)的通過窮舉量測-目標(biāo)所有可能的關(guān)聯(lián)事件或關(guān)聯(lián)假設(shè)來估計最優(yōu)關(guān)聯(lián)的方法，無法在多項(xiàng)式時間內(nèi)完成精確求解，在一定程度上制約了技術(shù)的可實(shí)施性，無法快速有效的實(shí)現(xiàn)目標(biāo)跟蹤。

有鑒于此，如何在有效跟蹤車輛的同時，降低計算的復(fù)雜度，實(shí)現(xiàn)快速跟蹤已成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本申請的目的是提供一種多目標(biāo)車輛跟蹤方法，能夠在有效跟蹤車輛的同時，降低計算的復(fù)雜度，實(shí)現(xiàn)快速跟蹤。本申請的另一個目的是提供一種多目標(biāo)車輛跟蹤裝置、設(shè)備以及計算機(jī)可讀存儲介質(zhì)，均具有上述技術(shù)效果。

為解決上述技術(shù)問題，本申請?zhí)峁┝艘环N多目標(biāo)車輛跟蹤方法，包括：

從傳感器的量測數(shù)據(jù)中篩選有效量測數(shù)據(jù)，得到量測樣本；

通過HS-FCM算法計算所述量測樣本與聚類中心的隸屬度，并根據(jù)所述隸屬度將所述量測樣本與目標(biāo)車輛的運(yùn)動軌跡關(guān)聯(lián)；

根據(jù)所述量測樣本以及多目標(biāo)觀測模型，通過概率加權(quán)融合的方式進(jìn)行滾動估計得到與所述量測樣本關(guān)聯(lián)的所述目標(biāo)車輛的運(yùn)動狀態(tài)。

可選的，從傳感器的量測數(shù)據(jù)中篩選有效量測數(shù)據(jù)包括：

計算所述量測數(shù)據(jù)與相應(yīng)的預(yù)測值的馬氏距離；

判斷所述馬氏距離是否小于或等于預(yù)設(shè)門限；

若所述馬氏距離小于或等于所述預(yù)設(shè)門限，則所述量測數(shù)據(jù)為有效量測數(shù)據(jù)。

可選的，所述通過HS-FCM算法計算所述量測樣本與聚類中心的隸屬度包括：

當(dāng)行車工況為密集工況時，根據(jù)包含所述量測樣本與聚類中心的馬氏距離的聚類損失函數(shù)與隸屬度迭代式計算所述量測樣本與聚類中心的隸屬度。

可選的，通過概率加權(quán)融合的方式進(jìn)行滾動估計時量測更新過程中狀態(tài)估計協(xié)方差為：