一种基于赋值矩阵的密集目标航迹关联方法技术

本发明专利技术公开了一种基于赋值矩阵的密集目标航迹关联方法，该方法包括：通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集；根根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息；根据目标的赋值矩阵信息计算来自不同传感器的两目标之间的综合相似度；以两航迹集各目标之间的综合相似度为元素生成两航迹集之间目标关联的综合相似性矩阵；基于匈牙利算法求解，得到最优航迹关联解。通过使用本发明专利技术，可在传感器存在角度和测距系统偏差情况下保证目标航迹的正确关联率。本发明专利技术作为一种基于赋值矩阵的密集目标航迹关联方法，可广泛适用于多传感器信息处理领域。

【技术实现步骤摘要】
一种基于赋值矩阵的密集目标航迹关联方法
本专利技术涉及多传感器信息处理领域，尤其涉及一种基于赋值矩阵的密集目标航迹关联方法。
技术介绍
在多传感器多目标跟踪系统中，每个局部传感器都各自完成对目标的跟踪与滤波生成局部航迹，融合多个传感器的关于同一个目标的航迹能获取比单一传感器更加完整、精确的目标航迹信息。但是在航迹融合估计之前，一个基本的问题是要判断来自不同传感器的两条航迹是否都来源于同一个目标，这属于航迹-航迹关联问题。航迹-航迹关联是多传感器多目标跟踪数据融合系统中的一个核心问题。传统的航迹关联算法多是基于目标绝对坐标信息进行的，但是在存在传感器系统偏差，特别是角度偏差的情况下，现有的基于统计和模糊数学的航迹关联方法的正确关联性能将受到较大的影响。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种基于赋值矩阵的密集目标航迹关联方法，可以解决传感器存在角度、测距系统偏差情况下的多目标航迹关联问题。本专利技术所采用的第一技术方案是：一种基于赋值矩阵的密集目标航迹关联方法，包括以下步骤：通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集；根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息；根据目标的赋值矩阵信息计算来自不同传感器的两目标之间的相似性矩阵、位置状态相似度和速度状态相似度，并得到两航迹集各目标之间的综合相似度；以两航迹集各目标之间的综合相似度为元素生成两航迹集之间目标关联的综合相似性矩阵；基于匈牙利算法求解综合相似性矩阵，得到最优航迹关联解。进一步，所述通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集这一步骤，其具体包括：根据至少两个传感器获取目标的第一量测信息并将第一量测信息转换为二维笛卡尔坐标系的第二量测信息；根据第二量测信息得到目标之间的绝对坐标信息并生成各传感器的局部航迹集。进一步，所述根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息这一步骤，其具体包括：根据目标之间的绝对坐标信息得到目标之间的相对坐标信息；根据目标之间的相对坐标信息得到目标之间的空间分布信息；以一个目标为坐标原点按预设规则建立矩阵，并对矩阵内的单元格赋值以得到该目标的赋值矩阵信息，重复此规则直至得到所有目标的赋值矩阵信息。进一步，所述计算目标之间的相似性矩阵，其表达式如下：Wij＝Hi-Hj；所述Wij表示为目标i和目标j之间的相似性矩阵，所述Hi表示为目标i的赋值矩阵，所述Hj表示为目标j的赋值矩阵，所述目标i和目标j来源于不同传感器。进一步，计算目标之间的位置状态相似度，其表达式如下：Dij＝sum(abs(Wij))；所述Dij表示为目标i和目标j之间的位置状态相似度。进一步，计算目标之间的速度状态相似度，其表达式如下：所述dij表示为目标i和目标j之间的速度状态相似度，所述Δvx表示目标i和目标j在X轴方向上的速度差，所述Δvy表示目标i和目标j在Y轴方向上的速度差，所述m表示为调整因子，所述Δv表示为单位速度差。进一步，所述得到综合相似度，其表达式如下：Cij＝(Dij+dij)；所述Cij表示为目标i和目标j之间的的综合相似度。本专利技术方法的有益效果是：本专利技术通过传感器获取目标的量测信息，生成综合相似度来判断来自不同的传感器的两条航迹是否来源于同一目标，实现航迹关联，可以在传感器存在角度和测距系统偏差的情况下，保证良好的正确关联率。附图说明图1是本专利技术一种基于赋值矩阵的密集目标航迹关联方法的步骤流程图；图2是本专利技术一种基于赋值矩阵的密集目标航迹关联方法与GNN方法的正确关联率对比图；图3是传感器角度和测距系统偏差模型图；图4是50个真实目标的航迹示意图。具体实施方式下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。传感器是在存在角度、测距系统偏差的情况下获取目标的量测信息，且受到环境噪声的影响，可能包含虚假目标量测信息，本专利技术利用空间拓扑特征计算目标的赋值矩阵信息，计算来自不同传感器的目标之间的相似性矩阵并获得综合相似度，生成目标关联的相似性矩阵，求解最优航迹关联并得到解矩阵。如图1所示，本专利技术提供了一种基于赋值矩阵的密集目标航迹关联方法，该方法包括以下步骤：S101、通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集。具体地，还包括分析传感器角度、测距系统偏差对目标量测信息的影响，k时刻目标i的观测状态信息表达式如下：其中表示目标真实状态信息，表示由随机噪声产生的随机误差，Bsbs表示传感器角度和测距系统偏差，Bs是由极坐标系转换到笛卡尔坐标系的转换矩阵。另外，S102、根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息；S103、根据目标的赋值矩阵信息计算来自不同传感器的两目标之间的相似性矩阵、位置状态相似度和速度状态相似度，并得到两航迹集各目标之间的综合相似度。S104、以两航迹集各目标之间的综合相似度为元素生成两航迹集之间目标关联的综合相似性矩阵。S105、基于匈牙利算法求解综合相似性矩阵，得到最优航迹关联解。具体地，所述传感器不要求精确的空间配准与时间同步，各局部传感器能独自完成目标的滤波跟踪，即不考虑点迹-航迹关联问题。进一步作为本方法的优选实施例，所述通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集这一步骤，其具体包括：根据至少两个传感器获取目标的第一量测信息并将第一量测信息转换为二维笛卡尔坐标系的第二量测信息；具体地，所述传感器获取目标的量测信息，其表达式如下：所述分别是k时刻目标i的测距信息和角度信息，所述Ns是k时刻来自传感器s的量测数量。将第一量测信息转换到二维笛卡尔坐标系下，k时刻传感器s获取目标i的量测信息所述S是传感器数量，Ns是k时刻来自传感器s的量测数量；x，y是目标的位置信息；是目标在X、Y坐标轴方向上的速度信息。另外，参照图3，传感器存在角度、测距系统偏差，传感器的角度、测距系统偏差表达式如下：所述S是传感器数量，表示传感器s的测距偏差，表示传感器s的角度偏差；根据第二量测信息得到目标之间的绝对坐标信息并生成各传感器的局部航迹集。具体地，k时刻某传感器的航迹集合表达式如下：{Xi(k)，Pi(k)本文档来自技高网...

【技术保护点】
1.一种基于赋值矩阵的密集目标航迹关联方法，其特征在于，包括：/n通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集；/n根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息；/n根据目标的赋值矩阵信息计算来自不同传感器的两目标之间的相似性矩阵、位置状态相似度和速度状态相似度，并得到两航迹集各目标之间的综合相似度；/n以两航迹集各目标之间的综合相似度为元素生成两航迹集之间目标关联的综合相似性矩阵；/n基于匈牙利算法求解综合相似性矩阵，得到最优航迹关联解。/n

【技术特征摘要】
1.一种基于赋值矩阵的密集目标航迹关联方法，其特征在于，包括：
通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集；
根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息；
根据目标的赋值矩阵信息计算来自不同传感器的两目标之间的相似性矩阵、位置状态相似度和速度状态相似度，并得到两航迹集各目标之间的综合相似度；
以两航迹集各目标之间的综合相似度为元素生成两航迹集之间目标关联的综合相似性矩阵；
基于匈牙利算法求解综合相似性矩阵，得到最优航迹关联解。


2.根据权利要求1所述一种基于赋值矩阵的密集目标航迹关联方法，其特征在于：所述通过至少两个传感器获取目标的量测信息并得到目标之间的绝对坐标信息和各传感器的局部航迹集这一步骤，其具体包括：
根据至少两个传感器获取目标的第一量测信息并将第一量测信息转换为二维笛卡尔坐标系的第二量测信息；
根据第二量测信息得到目标之间的绝对坐标信息并生成各传感器的局部航迹集。


3.根据权利要求2所述一种基于赋值矩阵的密集目标航迹关联方法，其特征在于，所述根据目标之间的绝对坐标信息得到目标之间的相对坐标信息后计算局部航迹集中各目标的赋值矩阵信息这一步骤，其具体包括：
根据目标之间的绝对坐标信息得到目标之间的相对坐标信息；
根据目标之间的相对坐标信息得到目标之间的空间分布信息；
以一个目...

【专利技术属性】
技术研发人员：张艳，陈金涛，杨雪榕，王爽，曲承志，张鑫，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44