[发明专利]一种基于路网结构和目标特性的目标跟踪算法有效
申请号: | 201811382204.0 | 申请日: | 2018-11-19 |
公开(公告)号: | CN109671099B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 解梅;苏星霖;薛铮 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06T7/207;G06K9/62;G06V10/74 |
代理公司: | 电子科技大学专利中心 51203 | 代理人: | 李明光 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 路网 结构 目标 特性 跟踪 算法 | ||
本发明涉及一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法,构建道路信息库,应用路网为基础的道路地理环境自身的约束能力以及不同类型目标对不同道路地理环境的适应能力作为先验信息辅助地面目标跟踪,通过先验知识的充分利用提高地面目标跟踪的状态估计精度,降低目标跟丢率。本发明在地面目标跟踪问题上有其实用价值。
技术领域
本发明属于目标跟踪技术领域,具体涉及一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法。
背景技术
对于地面目标而言,大部分地面目标受道路或地理环境的约束,其运动往往具有一定的可预测性,而这些道路和地理信息通常是可以预先获得的,在目标状态估计时利用这些先验信息,在一定程度上可以提高目标状态估计精度,并简化跟踪处理器的计算复杂性。变结构多模型算法是应用先验信息辅助地面目标跟踪的一种思路,其思想是,根据先验信息调整目标运动模型,每一跟踪时刻,在目标所有可能的运动模型中,选择与当前目标真实运动状态匹配的模型子集进行跟踪滤波。基于道路辅助的变结构交互式多模型(VS-IMM)算法,假定不同的道路地理环境对应于不同的目标运动模型集合,模型自适应规则由道路地理信息决定的,根据道路地理信息以及上一步的状态估计值来更新目标的当前运动模型集,其后以IMM作为状态估计器估计目标状态,实现道路地理信息辅助的地面目标跟踪。
需要注意到的是,上述方案仅利用了道路地理环境自身的约束能力作为先验信息来辅助地面目标跟踪,没有考虑不同地形对不同类型目标约束能力的不同,以及不同目标自身运动特性的不同。例如,卡车、炮车、装甲车等目标一般只能在道路和平地上行驶,坦克、步兵作战车等可以在较崎岖的地形上运动,但是,仍受某些地形条件比如沟壑和峭壁的限制。
发明内容
本发明所要解决的,是将以路网为基础的道路地理环境自身的约束能力以及不同类型目标对不同道路地理环境的适应能力作为先验信息,提供一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法。
本发明所提出的技术问题是这样解决的:
一种基于路网结构和目标特性的目标跟踪算法,包括以下步骤:
A.根据实际应用场景建立地理信息知识库和目标运动特征库:
B.建立航迹表,航迹表记录每个航迹的状态估计、航迹的当前运动模型集、航迹的当前匹配地形类型、以及航迹的地形标记,其中,航迹的地形标记包括道路目标标记、节点目标标记和路外目标标记;
C.每一仿真时刻,依据航迹当前地形标记的不同,对不同航迹进行不同的处理流程,每个处理流程包括目标与具体地形位置的匹配、模型集自适应判定以及多模型集的跟踪滤波;
C-1.采用预测不确定区域判别法进行目标与具体地形的匹配,包括是否在道路节点附近的判定、是否在道路节点的判定以及是否在道路上的判定,地形匹配后根据航迹的历史地形标记信息和当前地形匹配信息更新航迹的当前地形标记;
C-2.根据目标匹配的地形位置激活该地形相应的先验目标运动模型集作为候选模型群,通过当前航迹目标的先验地形约束率、近期地形标记和地形转移概率经验矩阵修正当前模型转移马尔科夫矩阵;
C-3.将旧的航迹当前运动模型集以及C-2激活的候选运动模型群组合,作为新的航迹当前运动模型集,以交互式多模型滤波器作为状态估计器估计目标状态,并分别计算旧当前运动模型群、新激活候选群的群模型概率,且由群模型切换判决法判决是否在下一时刻删除旧当前运动模型群和新激活候选群。
本发明的有益效果是:
构建道路信息库,以路网为基础的道路地理环境自身的约束能力以及不同类型目标对不同道路地理环境的适应能力作为先验信息,提出一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法,通过先验知识的充分利用提高地面目标跟踪的状态估计精度,降低目标跟丢率。本发明在地面目标跟踪问题上有其实用价值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811382204.0/2.html,转载请声明来源钻瓜专利网。