[发明专利]一种基于PHD滤波的群体机器人分布式多目标跟踪方法

摘要

本发明涉及一种基于PHD滤波的群体机器人分布式多目标跟踪方法，包括S1：在初始状态下，群机器人在给定的约束边界内随机分布，根据多机器人位置坐标和权重，构造Power图，划分搜索区域；S2：求解每个机器人对应的Power单元的加权质心；S3：所有的机器人开始由当前位置X移动至对应的hi(0)，收集相关量测信息，计算归一化常数，更新Power图；S4：根据量测数据，更新PHD并将新PHD作为权值，执行S2，获得新的质心位置坐标；S5：重复S3和S4，直至机器人视野里出现目标；S6：机器人发现目标后，观测目标的运动状态，利用当前雷达测量信息与加速度之间的函数关系，实时估算出加速度扰动量，进行加速度方差自适应调整，保持对该目标的同步追踪。

主权项

1.一种基于PHD滤波的群体机器人分布式多目标跟踪方法，其特征在于：包括以下步骤：S1：假设在初始状态下，群机器人在给定的方形约束边界内随机分布，根据多机器人所在的位置坐标和权重，构造出Power图，划分搜索区域；假设给定的搜索区域为E∈R²，获取机器人坐标点并完成编号预设初始PHD，即作为x的权值，则机器人坐标点集的一个Power图满足：式中，j≠i,j＝1,...,n,且S2：求解每个机器人对应的Power单元的加权质心，记为满足：式中ρ(x)为当前时刻的每个Power图的重要性权重函数，与搜索覆盖的常数项和以目标位置为中心的径向基函数线性相关，用PHD来代替，即能够引导机器人向高目标密度的区域搜索，初始时刻t＝0，求得初始质心为h_i(0)；S3：所有的机器人开始由当前位置X移动至对应的hi(0)，收集相关量测信息，计算归一化常数λ(·)，并更新Power图；S4：根据收集的量测数据，通过PHD滤波算法，更新PHD并将求得的新的PHD作为权值，执行步骤S2，从而获得新的质心位置坐标H′；S5：重复S3和S4，直至机器人视野里出现目标；随着机器人的移动，它们的传感器持续更新量测信息Q_k，收到新的量测数据后，机器人将计算产生新的从而又有新的质心坐标H″，机器人继续搜索工作；当目标的位置未知且接近平衡时，机器人将尝试以初始速度覆盖搜索区域；当发现当前区域内没有目标时，减少，机器人将避开这些区域；当机器人检测到目标时，将增加，机器人将开始执行第六步去追踪目标；S6：机器人发现目标后，观测目标的运动状态，采用加速度方差自适应跟踪算法，利用当前雷达测量信息与加速度之间的函数关系，实时估算出加速度扰动量，进行加速度方差自适应调整，保持对该目标的同步追踪。