【技术实现步骤摘要】
本专利技术属于目标识别与跟踪，具体地，涉及一种基于多源数据的自适应目标关联方法及系统。
技术介绍
1、受运动周期的限制，卫星对监视区域的访问是间歇式的，且两次访问之间的时间间隔较长，通常在小时量级，因此卫星获取信息的重访率较低。同时，受原始观测和处理算法的影响，卫星获取信息通常还具有一定的不确定性和不完全性。在上述背景条件下，根据卫星获取信息，很难对监视区域中的每个目标进行稳定有效的跟踪和识别。
2、公开号为cn105654133a的中国专利文献，公开了一种基于多源数据的船只轨迹融合系统及其实现方法，包括：步骤1：船只位置坐标转换模块将接收到的声纳、雷达探测到的船只位置的极坐标转换到wgs-84坐标系下，即将声纳、雷达和ais探测到的船只位置统一到同一坐标系下，并将数据传送到船只位置插值模块；步骤2：当收到声纳、雷达或ais任意一组经过步骤1处理的船只位置数据时，船只位置插值模块对其他两组未收到的船只位置进行插值处理，使时间异步的声纳、雷达或ais探测数据保持同步，并将数据传送到船只轨迹关联模块；步骤3：当声纳、雷达或ais这三个设备中的两个或三个都同时探测到同一艘船只时，所述设备输出该船只的轨迹是具有关联性的；步骤4：水下与水面船只判断模块根据船只轨迹关联模块每次船只轨迹关联分析传来的结果进行判断；步骤5：水下与水面船只判断模块将由关联轨迹融合模块传送来的船只融合轨迹结果和船只判断的结果传送给船只轨迹显示模块。然而，该技术将不同来源的位置信息投射于同一坐标系下，未进行相同目标的位置去重，同一目标的位置信息会对轨迹关
3、公开号为cn106950956a的中国专利文献，公开了一种融合运动学模型和行为认知模型的行车轨迹预测系统，包括：以交互混合模块对每个预测模块上一时刻的预测结果进行交互混合输出混合结果，混合结果用于下一时刻的预测；预测模块包括基于行为认知的行为认知轨迹预测模块和基于运动学的运动轨迹预测模块，行为认知轨迹预测模块和运动轨迹预测模块根据交互混合模块输出的混合结果进行预测，输出各预测模块的预测结果，预测结果包括车辆位置和协方差矩阵；融合更新模块根据预测结果对最终预测结果进行融合，并更新权重系数，输出未来某时刻车辆位置以及协方差矩阵。然而，该技术适用于连续且稳定的运动目标观测形式，无法有效地处理不同载荷观测模式下，目标位置存在随机精度误差且观测序列不连续的情况。
4、实际情况下，针对真实海面环境背景下的运动目标观测，由于星载传感器受卫星轨道周期的影响，星载传感器对监视区域的访问是间歇式的，且两次访问的时间间隔较长。同时，传感器观测具有不确定性，存在随机定位精度误差且各传感器的误差不完全一致，很难观测到连续稳定的位置序列，这就大大增加了海上目标识别和轨迹跟踪的难度。传统的目标识别与跟踪算法在处理目标位置信息稀疏且位置精度误差较大的情况时具有很大的局限性，无法有效地实现轨迹的关联和延续。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的是提供一种基于多源数据的自适应目标关联方法及系统。
2、根据本专利技术提供的一种基于多源数据的自适应目标关联方法，包括：
3、步骤s1：进行预处理操作获取网格划分边界阈值；
4、步骤s2：输入当前时刻目标检测结果，进行过滤处理去除同一目标不同载荷提供的重复位置信息；
5、步骤s3：判断当前时刻目标检测结果是否与前一时刻数据的载荷来源相同，对同一载荷来源的数据进行累积存储；
6、步骤s4：若当前载荷获取目标检测结果为空，则读取下一载荷获取的积累数据进行后续处理；
7、步骤s5：判断当前是否存在已关联形成的轨迹；
8、步骤s6：若不存在，则将每个目标点作为轨迹起始点，组装成定义格式并进行存储；
9、步骤s7：否则根据当前载荷获取数据与轨迹最后位置点计算自适应搜索阈值，确定扇形搜索区域；
10、步骤s8：进一步计算已关联形成的轨迹与当前帧目标检测位置信息间的匹配度量矩阵；
11、步骤s9：对计算的匹配度量矩阵进行二维分配，获得最优匹配结果；
12、步骤s10：根据匹配结果，应用预测方法对当前已关联形成的轨迹状态进行更新；
13、步骤s11：判断当前帧是否存在未被关联的目标点；
14、步骤s12：对于被关联的目标比较其在匹配度量矩阵中的对应值与阈值大小，判断是否新增轨迹，否则将未被关联的目标点作为新轨迹的起始点；
15、步骤s13：根据各条轨迹的最后时刻状态更新轨迹集；
16、步骤s14：等待下一帧目标检测结果进行迭代处理并更新轨迹集。
17、优选地，步骤s1，包括：
18、步骤s1.1：输入目标运动及载荷观测特征参数；
19、步骤s1.2：根据载荷观测特征确定分割周期；
20、步骤s1.3：根据目标运动特征计算其在固定周期内的移动范围；
21、步骤s1.4：根据运动特征对观测区域进行网格划分；
22、步骤s1.5：计算各网格区域边界坐标信息；
23、步骤s1.6：计算各网格的坐标覆盖范围阈值并进行存储。
24、优选地，步骤s2，包括：
25、步骤s2.1：输入单帧目标检测结果，根据目标点的载荷来源查找对应的定位经度误差；
26、步骤s2.2：依次遍历两目标，判断是否为同一载荷来源；
27、步骤s2.3：若为不同载荷来源，则将进行比较的两个目标点的位置投射到平面坐标系中；
28、步骤s2.4：计算投射到平面坐标系中的两个目标点间的位置误差；
29、步骤s2.5：判断位置误差是否大于阈值；
30、步骤s2.6：对于位置误差不超过阈值的目标点对，分别以误差范围为半径绘制圆，更新目标点的位置；
31、步骤s2.7：继续处理下一帧目标检测结果进行迭代更新。
32、优选地，步骤s2.3，包括：
33、步骤s2.3.1：将地球表面的经线和纬线投影到一个圆柱面上，再将圆柱面展开成平面地图，其中周长视为x轴；
34、步骤s2.3.2：将经度从度数转换成弧度，依据公式如下：
35、x_radian＝lon*pi/180
36、其中，x_radian表示对应的弧度值，lon表示经度值，pi表示圆周率；
37、步骤s2.3.3：将纬度从度数转换成弧度，依据公式如下：
38、y_radian＝lat*pi/180
39、其中，y_radian表示对应的弧度值，lat表示纬度值，pi表示圆周率；
40、步骤s2.3.4：进行米勒投影的转换，依据公式如下：
41、y_miller＝1.25*log(tan(0.25*pi+0.4*y_radian))
42、其中，本文档来自技高网...
【技术保护点】
1.一种基于多源数据的自适应目标关联方法，其特征在于，包括：
2.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S1，包括：
3.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S2，包括：
4.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S2.3，包括：
5.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，步骤S2.6，包括：
6.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S7中，包括：
7.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S8，包括：
8.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S9中，根据计算的匹配度量矩阵进行二维分配依据公式：
9.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤S10，包括：
10.一种基于多源数据的自适应目标关联系
...【技术特征摘要】
1.一种基于多源数据的自适应目标关联方法，其特征在于，包括：
2.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤s1，包括：
3.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤s2，包括：
4.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，所述步骤s2.3，包括：
5.根据权利要求1所述的基于多源数据的自适应目标关联方法，其特征在于，步骤s2.6，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：刘良凤，汪少林，蒋孝勇，娄明静，李彤，代海山，
申请(专利权)人：上海卫星工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。